分散型データのための連邦型マルチタスククラスタリング

この論文は、データのプライバシーが懸念される分散環境におけるクラスタリングの課題に取り組んでいます。異種クライアント向けのパーソナライズされたクラスタリングモデルと、共有知識を捉えるサーバーサイドモジュールを組み合わせた新しいフレームワーク、FMTCを提案しています。パラメータ化されたマッピングモデルの使用は、信頼性の低い疑似ラベルへの依存を回避し、クライアントモデルのテンソルに対する低ランク正則化は重要な革新です。この論文の貢献は、プライバシーを保護し、連邦型設定におけるデータの異質性を考慮しながら、効果的なクラスタリングを実行できることにあります。ADMMに基づく提案されたアルゴリズムも、重要な貢献です。

• •新しい連邦型クラスタリングフレームワーク、FMTCを提案。
• •異種クライアント向けにパーソナライズされたクラスタリングモデルを採用。
• •共有知識を捉えるために、サーバーサイドのテンソル相関モジュールを使用。
• •信頼性の低い疑似ラベルへの依存を回避。
• •既存の方法と比較して優れたパフォーマンスを実証。