Analyzing, labeling and interacting with SOMs for knowledge management

Abstract

Self-Organizing Maps are a popular way to display complex relations of high dimensional data. This work improves the map visualization by revealing the cluster structures in a Self-Organizing Map: First, different algorithms are implemented to determine the cluster structure. Afterwards, methods are derived to display and suitably label these clusters on the Self-Organizing Map in a way that is intuitive and easy-to-understand for the user. A data set of 20,000 newsgroup postings was used for experimental verification.<br />

Self-Organizing Maps erfreuen sich großer Beliebtheit, wenn es darum geht, komplexe Zusammenhänge hochdimensionaler Daten vereinfacht darzustellen. Um diese Karten für einen Anwender leichter lesbar zu machen wurden im Rahmen dieser Arbeit Algorithmen implementiert die Clusterstrukturen in einer Self-Organizing Map aufzeigen. Das Wissen über die Struktur alleine ist aber noch nicht ausreichend; diese muss auch verständlich und übersichtlich dargestellt werden. Dazu wurden Methoden entwickelt die Cluster darzustellen und sie mit geeigneten Beschriftungen zu versehen. Die Anwendbarkeit wurde anhand einer Datenbasis von 20.000 Newsgroup Beiträgen untersucht.