মাল্টি-রিলেশনাল ক্লাস্টারিং (Multirelational clustering) হল ডেটা অবজেক্টকে তাদের সাদৃশ্যের ওপর ভিত্তি করে ক্লাস্টারের একটি গোষ্ঠীতে পার্টিশন করার প্রক্রিয়া, একাধিক রিলেশনে ডেটা ব্যবহার করে। CrossClus হল Cross-relational Clustering with user guidance। এটি মাল্টি-রিলেশনাল ক্লাস্টারিং-এর একটি অ্যালগরিদম যা ব্যবহারকারী গাইডেন্স ক্লাস্টারিং-এ কীভাবে ব্যবহার করতে হয় এবং টাপল আইডি প্রোপাগেশন ব্যবহার করে ফিজিক্যাল জয়েন এড়াতে বিশ্লেষণ করে।
প্রধান চ্যালেঞ্জ
মাল্টি-রিলেশনাল ক্লাস্টারিং-এ প্রধান চ্যালেঞ্জ হল একাধিক রিলেশনে অনেক অ্যাট্রিবিউট থাকে, এবং সাধারণত কেবল তাদের একটি ছোট অংশই একটি নির্দিষ্ট ক্লাস্টারিং টাস্কের জন্য প্রাসঙ্গিক।
ছাত্ররা ক্লাস্টার করার সময়, অ্যাট্রিবিউটে তথ্যের অনেক দিক থাকে, যেমন ছাত্ররা নেওয়া কোর্স, ছাত্রদের পাবলিকেশন, অ্যাডভাইজার এবং রিসার্চ টিম, ইত্যাদি।
একজন ব্যবহারকারী সাধারণত ডেটার একটি নির্দিষ্ট দিক ব্যবহার করে ছাত্ররাকে ক্লাস্টার করতে আগ্রহী (যেমন গবেষণা ক্ষেত্র অনুযায়ী ছাত্ররা ক্লাস্টার করা)। ব্যবহারকারীরা তাদের অ্যাপ্লিকেশন প্রয়োজন এবং ডেটা সিমান্টিক্সের ভালো ধারণা রাখেন। তাই, একটি সহজ কোয়ারি রূপে ব্যবহারকারীর গাইডেন্স ব্যবহার করে হাই-ডাইমেনশনাল মাল্টি-রিলেশনাল ক্লাস্টারিং-এর কার্যকারিতা এবং গুণমান উন্নত করা যায়।
CrossClus কীভাবে কাজ করে
CrossClus ব্যবহারকারী কোয়ারি গ্রহণ করে যেটি একটি টার্গেট রিলেশন এবং এক বা একাধিক প্রাসঙ্গিক অ্যাট্রিবিউট ধারণ করে, যা ব্যবহারকারীর ক্লাস্টারিং লক্ষ্য সংজ্ঞায়িত করে। মাল্টি-রিলেশনাল ক্লাস্টারিং প্রক্রিয়ায়, CrossClus একাধিক রিলেশনের ওপর প্রাসঙ্গিক অ্যাট্রিবিউট খুঁজে বের করতে হয়।
সার্চিং ফেজে CrossClus দুটি বড় চ্যালেঞ্জ সমাধান করতে হয়। প্রথম, টার্গেট রিলেশন Rₜ সাধারণত প্রতিটি নন-টার্গেট রিলেশন R-এর সাথে একাধিক জয়েন পথ দিয়ে জয়েন করতে পারে, এবং R-এ প্রতিটি অ্যাট্রিবিউট একটি মাল্টি-রিলেশনাল অ্যাট্রিবিউট হিসেবে ব্যবহার করা যায়। এই বড় সার্চ স্পেসে যেকোনো এক্সহাস্টিভ সার্চ বাস্তবায়ন করা অসম্ভব। দ্বিতীয়, বড় সংখ্যক অ্যাট্রিবিউটের মধ্যে কিছু ব্যবহারকারী কোয়ারির সাথে প্রাসঙ্গিক আর কিছু অপ্রাসঙ্গিক (যেমন ছাত্রদের ক্লাসমেটের ব্যক্তিগত ডেটা)।
CrossClus সার্চ ফেজ সীমাবদ্ধ করতে হয়। এটি রিলেশনাল স্কিমাকে একটি গ্রাফ হিসেবে বিবেচনা করে, যেখানে রিলেশন নোড এবং জয়েন এজ। এটি একটি হিউরিস্টিক পদ্ধতি আডোপ্ট করে, যা ব্যবহারকারী-নির্দিষ্ট অ্যাট্রিবিউট থেকে সার্চ শুরু করে, এবং তারপর বর্তমান অ্যাট্রিবিউটের প্রতিবেশে প্রাসঙ্গিক অ্যাট্রিবিউট বারবার খুঁজে বের করে। এই পদ্ধতিতে, এটি ক্রমশ সার্চ সুযোগ প্রসারিত করে সংযুক্ত রিলেশনের দিকে, কিন্তু যাদুকরী দিকে দূরে যায় না।
CrossClus দেখে কীভাবে অ্যাট্রিবিউট টার্গেট টাপলকে ক্লাস্টার করে। প্রাসঙ্গিক অ্যাট্রিবিউট বেছে নেওয়া হয় ব্যবহারকারী-নির্দিষ্ট অ্যাট্রিবিউটের সাথে তাদের সম্পর্কের ওপর ভিত্তি করে। যদি দুটি অ্যাট্রিবিউট টাপলকে খুব আলাদা করে ক্লাস্টার করে, তাদের সাদৃশ্য কম এবং তারা সম্পর্কিত হওয়ার সম্ভাবনা কম। যদি তারা টাপলকে একইভাবে ক্লাস্টার করে, তবে সেগুলো অবশ্যই সম্পর্কিত বলে বিবেচনা করা উচিত।
