CO-INFORMATIC GENERATIVE ADVERSARIAL NETWORKS FOR EFFICIENT DATA CO-CLUSTERING

• Main Authors: LEE, Hyunchul, PALCZEWSKI, Tomasz Jan, LEE, Jaejun
• Format: Patent
• Language: English; French
• Published: 08.04.2021
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; PHYSICS

A method implemented by one or more computing systems includes accessing a first data matrix including a plurality of row data and a plurality of column data. The method further includes providing, to a first generative adversarial network (GAN), a first data input including a plurality of row vectors corresponding to the plurality of row data, and providing, to a second GAN, a second data input including a plurality of column vectors corresponding to the plurality of column data. The method further includes generating, by simultaneous co-clustering the plurality of row vectors and the plurality of column vectors by the first GAN and the second GAN, a co-clustered correlation matrix based on the plurality of row vectors and the plurality of column vectors. The method further includes the co-clustered correlation matrix includes co-clustered associations between the plurality of row data and the plurality of column data. L'invention concerne un procédé mis en œuvre par un ou plusieurs systèmes informatiques qui consiste à accéder à une première matrice de données comprenant une pluralité de données de rangées et une pluralité de données de colonnes. Le procédé consiste en outre à fournir, à un premier réseau antagoniste génératif (GAN), une première entrée de données comprenant une pluralité de vecteurs de rangées correspondant à la pluralité de données de rangées, et à fournir, à un second GAN, une seconde entrée de données comprenant une pluralité de vecteurs de colonnes correspondant à la pluralité de données de colonnes. Le procédé consiste en outre à générer, par co-regroupement simultané de la pluralité de vecteurs de rangées et de la pluralité de vecteurs de colonnes par le premier GAN et le second GAN, une matrice de corrélation co-regroupée sur la base de la pluralité de vecteurs de rangées et de la pluralité de vecteurs de colonnes. Le procédé consiste en outre en ce que la matrice de corrélation co-regroupée comprend des associations co-regroupées entre la pluralité de données de rangée et la pluralité de données de colonne.