Clustering distributionnel multi-voies via des interactions par paires

Nous présentons un nouveau schéma d'apprentissage non supervisé qui regroupe simultanément des variables de plusieurs types (par exemple, documents, mots et auteurs) sur la base d'interactions par paires entre les types, comme observé dans des données de co-occurrence. Dans ce schéma, plusieurs systèmes de clustering sont générés dans le but de maximiser une fonction objective mesurant l'information mutuelle par paires entre les variables des clusters. Pour mettre en œuvre cette idée, nous proposons un algorithme qui entrelace le clustering descendant de certaines variables et le clustering ascendant des autres variables, avec une routine de correction d'optimisation locale. En nous concentrant sur le clustering de documents, nous présentons une étude empirique extensive des applications à deux, trois et quatre voies de notre schéma utilisant six jeux de données du monde réel, y compris les 20 News-groups (20NG) et la collection d'e-mails d'Enron. Nos algorithmes de clustering distributionnel multi-voies (MDC) surpassent de manière constante et significative les algorithmes de clustering théoriques de l'information de pointe précédents.