CoCo: Comparative and Collaborative Visual Analysis of Clustering and Co-clustering Ensembles

Según fue planteado por el equipo investigador en su propuesta a la agencia DFG, el “clustering” agrupa automáticamente elementos de datos complejos y crea abstracciones basadas en la similitud entre los datos. Sin embargo, existen distintos criterios para calcular la similitud entre entidades, así como diferentes algoritmos de agrupamiento, todos los cuales producen agrupaciones distintas de las entidades. La variedad resultante de conjuntos de resultados de clustering suele intentar minimizarse; no obstante, nosotros vemos valor y oportunidades en dicha diversidad.
Solo los expertos humanos pueden juzgar la calidad de los resultados y elegir entre las múltiples verdades que estos reflejan. Ellos pueden considerar las particularidades de cada caso de uso y construir una agrupación general a partir de diversos resultados. La colaboración entre múltiples expertos puede ser recomendable para incorporar un conjunto más amplio de conocimientos

Explorar el espacio de diseño para modelar conjuntos de resultados de clustering y, respectivamente, de co-clustering, a partir de abstracciones de datos ya establecidas

simulaciones comp