Generative adversarial networks for hierarchical clustering

Abstract

Métodos de clusterização profunda alcançaram recentemente um progresso substancial, aproveitando o poder de representação de arquiteturas de aprendizagem profunda para aprender representações que são ideais para análise de clusters. No entanto, poucos esforços foram feitos para tentar combinar clusterização hierárquica, uma abordagem clássica muito útil que não assume um número fixo de clusters, com métodos profundos. Neste trabalho, propomos uma nova maneira de realizar clusterização profunda de forma hierárquica \textit{top-down}, onde cada divisão binária em uma árvore de subdivisões é realizada por uma rede generativa antagônica de dois geradores. Mostramos o quão bem nosso método se compara a outras técnicas de clusterização profunda em bases de dados para clusterização, obtendo resultados competitivos, bem como uma exploração da árvore de clusterização hierárquica, verificando como ela organiza com precisão os dados de treinamento em uma hierarquia de características semanticamente coerentes, conforme esperado.