共クラスタリングのための自己教師付き非劣ソートモデル

複雑なデータに潜むグループを見つける

ユーザーによる映画評価、患者ごとの遺伝子、顧客ごとの商品といった現代のデータ表は巨大かつ入り組んでおり、明確なパターンを一目で把握するのは難しいことが多い。本稿は、Self-supervised Non-dominated Sorted Model for Co-clustering（SNSC）と呼ばれる、新しい隠れ構造の発見手法を提案する。人だけ、あるいは項目だけをまとめるのではなく、SNSCは行と列の両方の有意なグループを同時に探し、どの行と列の部分集合が実際に一緒に属しているかを明らかにする。既存データからより多くの洞察を引き出すスマートなアルゴリズムに関心がある読者に向けて、本研究は進化的手法、自己教師あり学習、多目的最適化のアイデアを組み合わせて強力な道具を作る方法を示している。

行と列を同時にまとめることが重要な理由

従来のクラスタリング手法は通常、表の類似した行をまとめる――例えば、似た購買行動を持つ顧客群――ことに注目し、すべての列を等しく重要と見なす。共クラスタリングは一歩進んで、行と列の両方を同時にまとめることで、特定の顧客の部分集合が特定の商品の部分集合で似た振る舞いをするようなデータのブロックを発見する。この種の「二重のグルーピング」は、ソーシャルネットワークのコミュニティや画像のセグメントなど、より明確で有用なパターンを露呈することが多い。しかし、既存の多くのアプローチはこの本質的に多面的な問題を単一の目的に押し込めようとするため、現実を過度に単純化し、結果の品質が恣意的な重み付けの選択に過敏になることがある。

共クラスタリングを多くの目的の同時達成へ

著者らは共クラスタリングを真の多目的課題として扱う。SNSCモデルは同時に四つの目的を最適化する：サンプルがどれだけ緊密にまとまっているか、特徴グループがどれだけ明確に分離されているか、そして両者がデータから直接学んだ類似性情報とどれだけ一致しているか、である。人手によるラベルを使う代わりに、SNSCは元のデータ空間での近さに基づいて、サンプル用と特徴用の二つの類似マップを構築する。これらのマップは内部的なガイダンスの役割を果たし、生データに基づいて似ているもの同士が同じクラスタに入るよう穏やかに促すが、手法を完全な教師ありシステムには変えない。全体構造とこれらの局所的な手掛かりを均衡させることで、SNSCはコンパクトでデータの内的幾何に忠実なクラスタを見つけることを目指す。

進化によりより良いグルーピングを探索する

膨大な可能なグルーピング空間を探索するために、著者らは自然選択に着想を得た遺伝的アルゴリズムを採用する。各候補解はサンプルと特徴のクラスタ割り当てを完全に符号化する。こうした候補群を多数世代にわたって進化させ、有望な解を組み合わせてわずかに変異させ、効果の低いものを淘汰する。重要なのは、SNSCが四つの目的を単一のスコアに潰さない非劣ソートという手法を用いる点である。代わりに、どの目的においても他に劣らない「非劣」な解の集合を保持する。目的空間の参照点が解の多様な分布を維持するのに役立ち、アルゴリズムが狭い可能性領域に閉じ込められるのを防ぐ。

ラベルなしで良い開始点を学ぶ

SNSCの重要な革新はこの進化的探索の初期化方法にある。純粋にランダムな推測から始めるのではなく、ハイブリッド戦略を採る。初期解の半分はランダムで幅広い探索を担い、残りの半分はデータとその転置に標準的なクラスタリング手法（k-means、ファジィクラスタリング等）を適用して作られる。これらの「ブートストラップ」候補はデータ自身から得られた自己教師的手掛かりとして機能し、進化過程を有用なパターンにより近い位置から開始させることが多い。実験では、このランダム性と自己教師あり初期化の混合が堅牢性を高め、悪い局所最適に落ち着くリスクを減らすことが示されている。

実データセットでの検証とその意義

著者らは画像、マルチメディア、従来の機械学習コレクションからの14の実データセットでSNSCを評価し、複数の既知の共クラスタリング手法と比較した。精度や二乗誤差和の変種など、一般に受け入れられているクラスタ品質の指標を用いて、SNSCはしばしば代替手法を上回り、多くのデータセットで統計的に有意な改善を示した。最速の手法ではない――類似性構築や遺伝的探索は計算負荷が高い――ものの、一貫して強く安定した結果を出しており、速度より品質が重要な場面に特に適していることが示唆される。

計算コストを伴うより明確なパターン

平たく言えば、本論文は共クラスタリングを多目的問題として扱い、進化的プロセスによりバランスの取れた解を探索させることで、複雑なデータ表においてより明確で信頼できるパターンを明らかにできることを示している。自己教師的類似マップは、人手のラベルを必要とせずにデータに既に存在する構造を手法が利用するのを助ける。代償は計算コストであり、特に巨大なデータセットではSNSCはより多くの時間と資源を要求する。著者らは将来の課題として、例えば遺伝的探索の高速化や並列化など、手法のスケーラビリティ改善に取り組むべきだと述べている。それでも、二種類の実体間の複雑な関係を理解することが重要な応用領域では、SNSCは見かけ上の混沌の中に秩序を見出す有望で微妙な手段を提供する。

引用: Li, X., Wang, H., Yang, W. et al. Self-supervised non-dominated sorted model for co-clustering. Sci Rep 16, 12088 (2026). https://doi.org/10.1038/s41598-026-42498-9

キーワード: 共クラスタリング, 多目的最適化, 自己教師あり学習, 遺伝的アルゴリズム, データマイニング