Model-based co-clustering for the effective handling of sparse data

با رشد چشمگیر اسناد متنی در وب، نیاز واقعی به تکنیک هایی وجود دارد که مرتبا اصطلاحات و اسناد را به خوشه های معنی دار سازماندهی می کنند و از این طریق مجموعه داده های بزرگ را برای رسیدگی و تفسیر آسان تر می کنند. چندین الگوریتم خوشه بندی مورب بلوک موفق به شناسایی خوشه های مشترک اسناد و کلمات شده اند. با این وجود، با وجود کارایی آنها، اکثر روش های موجود یک مدل پارامتر برای حل مشکل شناسایی قطر بلوک ارائه نمی دهند. در این مقاله، ما بر مدل های مخلوط، که پایه های نظری قوی و انعطاف پذیری قابل توجهی دارند، تکیه می کنیم. دقیق تر، ما یک مدل بلوک ناپیوسته بر اساس مخلوط توزیع پواسون را پیشنهاد می دهیم و برای داده هایی با ابعاد کم اطلاعات مانند ماتریس های مستند مدت طراحی شده است. برای به کار بردن پارامترهای مدل، دو الگوریتم همگام سازی مقیاس پذیر را براساس استنتاج واریانس بدست آوریم. نتایج تجربی حاصل از چندین دیتا متن در دنیای واقعی، مزایای مدل پیشنهادی و الگوریتم های مربوط به همکاری خوشه ای را برجسته می کنند.