Resumen

El clustering restringido está destinado a mejorar la precisión y personalización basado en las restricciones expresadas por un Oráculo. En este artículo, se propone un nuevo algoritmo de clustering restringido y se seleccionan algunos pares de datos informativos durante un proceso iterativo. Luego, se presentan al Oráculo y su relación se responde con Must-link (ML) o Cannot-link (CL). En cada iteración, primero, se utiliza la máquina de vectores de soporte (SVM) basada en la etiqueta producida por el clustering actual. Según la distancia de cada documento desde el hiperplano, se crea la matriz de distancias. Además, basado en la similitud del coseno de word2vector de cada documento, se crea la matriz de similitud. Se calculan dos tipos de probabilidades (similitud y grado de similitud) y se suavizan para pertenecer a vecindarios. Los vecindarios forman las muestras que son etiquetadas por el Oráculo, para estar en el mismo grupo. Finalmente, al final de cada iteración, se seleccionan los datos

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Agrupamiento restringido; Oráculo; Máquina de vectores de soporte; Matriz de distancia; Matriz de similitud; Probabilidad
• Keywords:Constrained clustering; Oracle; Support vector machine; Distance matrix; Similarity matrix; Probability