Поиск трикластеров близких значений в многозначных триадических контекстах

<h1>Аннотация</h1><p>Разработка триадических данных в наши дни приобретает всё большую актуальность. В то время как для решения задач кластеризации в бинарных диадических, бинарных триадических и многозначных диадических контекстах существует довольно много эффективных методов, лишь некоторые из них можно расширить на многозначный триадический случай.</p><p>В данной работе автор ставит целью разработку и исследование нескольких алгоритмов для трикластеризации вещественных данных в многозначных триадических контекстах, основываясь на методах ОАС-трикластеризации (Object, Attribute, Condition), сравнение эффективности работы этих алгоритмов, а также обработку ими реальных данных и интерпретацию результатов.</p><p>В ходе разработки новых алгоритмов были рассмотрены уже существующие методы, решающие близкие задачи, а именно: ОАС-трикластеризация, основанная на штрих-операторах, метод Шкалирования Формальных Понятий (Conceptual Scaling) и его реализация TriMax, а также метод Внитрипорядкового Шкалирования (Interordinal Scaling). По различным причинам они не могли быть напрямую использованы для решения поставленной в данной работе задачи, поэтому автор предлагает два метода для поиска трикластеров близких значений в многозначных триадических контекстах: NOAC (Numerical OAC), являющийся расширением на многозначный случай ОАС-трикластеризации, основанной на штрих-операторах, и классический алгоритм кластеризации К-Средних (KMEANS) использующий авторскую метрику для вычисления расстояний.</p><p>Работа предложенных алгоритмов проверялась на двух наборах данных: машинно-генерируемые контексты, включающие эксперименты на общую работоспособность, устойчивость к шуму и потери значений, и данные проекта GroupLens, собравшего результаты оценивания анонимизированными пользователями различных фильмов на веб сайте MovieLens (<a href="http://movielens.org/">http://movielens.org</a>).</p><p>Сравнение алгоритмов проводилось по показателям плотности, разнообразия и покрытия множества исследуемых сущностей как одиночных трикластеров, так и всего результирующего набора. Также учитывалось время работы. Эксперименты проводились для различных наборах &nbsp;параметров алгоритмов с целью выявить оптимальную настройку.</p><p>Результаты проведённых экспериментов продемонстрировали превосходство предложенного алгоритма NOAC над адаптированным методом К-Средних по большинству показателей качества поиска.</p><p><strong>Ключевые слова</strong>: кластеризация, трикластеризация, OAC-трикластеризация, вещественные данные, трикластер близких значений, многозначный контекст.</p><p>&nbsp;</p>