계층적 $\mathcal{F}$-클러스터링: 트리 및 유계 직경 그래프로의 클러스터링의 근사와 난해성
Hierarchical $\mathcal{F}$-Clustering: Approximation and Hardness of Clustering into Trees and Bounded Diameter Graphs
계층적 클러스터링(Hierarchical Clustering) 문제의 다음과 같은 변형을 고려한다. 일반적으로 계층적 클러스터링을 구축할 때는 각 클러스터가 단일 원소(singleton)가 될 때까지 데이터를 재귀적으로 분할한다. 우리는 재귀 과정의 중단 조건을 완화하여, 남은 클러스터가 클래스 $\mathcal{F}$에 속하는 그래프가 되는 시점에 멈추도록 한다. 이 문제를 계층적 $\mathcal{F}$-클러스터링이라 하며, 임의의 해법의 품질은 수정된 Dasgupta의 클러스터링 목적 함수로 측정한다. $\mathcal{F}$의 두 가지 자연스러운 선택인 트리와 유계 직경(bounded diameter) 그래프를 연구한다. 트리로의 클러스터링과 유계 직경 그래프로의 클러스터링에 대해 각각 최초의 다항 시간 $\mathcal{O}(\log n\cdot\log\log n)$ 및 $\mathcal{O}(\log n)$ 근사 알고리즘을 제시한다. 주요 기술적 기여는 선형 계획법(linear programming)에 기반한 이러한 문제의 근사를 위한 프레임워크이다. 실제로 우리의 접근법을 적용할 수 있는 그래프 클래스 $\mathcal{F}$를 특성화하고, 이 클래스가 트리와 유계 직경 그래프를 모두 포함함을 보인다. 그러나 우리의 아이디어는 이들에 국한되지 않으며 다른 구조에도 유용할 수 있다. 넓게 말하면, 우리의 프레임워크는 대응하는 평면(flat) 클러스터링 문제—$p_{\mathcal{F}}$-Partitioning이라 부르는—가 자연스러운 ILP 정식화와 증명 가능한 근사 보장을 갖는 라운딩(rounding) 절차를 함께 허용할 때 적용된다. 직관적으로, 터미널(terminal)이라 불리는 정점 집합이 주어졌을 때 문제는 각 터미널에 대해 정점 의존적 구조적 술어(predicate)를 만족하도록 하는 간선 집합을 제거하는 것이다. 그런 다음 이러한 요소들을 사용하여 앞서 언급한 근사 보장을 갖는 클러스터링 트리를 구축한다. 이 결과를 보완하기 위해, 트리로의 계층적 클러스터링과 유계 직경 그래프로의 계층적 클러스터링 모두 소규모 집합 확장 가설(Small Set Expansion Hypothesis) 하에서 임의의 상수 배수 이내로 근사될 수 없음을 보인다.