Partage cohérent de graphes bipartites pour le co-clustering de données hétérogènes de haut ordre en structure étoilée

Le co-clustering de données hétérogènes a attiré de plus en plus d'attention ces dernières années en raison de son impact élevé sur diverses applications. Bien que les algorithmes de co-clustering pour deux types de données hétérogènes (appelés co-clustering par paires), tels que les documents et les termes, aient été bien étudiés dans la littérature, les travaux sur davantage de types de données hétérogènes (appelés co-clustering de haut ordre) restent encore très limités. Comme une tentative dans cette direction, dans cet article, nous avons travaillé sur un cas spécifique de co-clustering de haut ordre dans lequel il existe un type central d'objets reliant les autres types afin de former une structure étoilée des interrelations. En réalité, ce cas pourrait constituer une très bonne abstraction pour de nombreuses applications du monde réel, telles que le co-clustering de catégories, de documents et de termes dans l'exploration de texte. Dans notre philosophie, nous avons traité ce genre de problèmes comme la fusion de multiples sous-problèmes de co-clustering par paires avec la contrainte de la structure étoilée. En conséquence, nous avons proposé le concept de partage cohérent de graphes bipartites, et développé un algorithme basé sur la programmation semi-définie (PSD) pour un calcul efficace des résultats du clustering. Des expériences sur des problèmes modèles et des données réelles ont toutes vérifié l'efficacité de notre méthode proposée.