해석 가능한 클러스터링 기법 연구
최근 클러스터링 알고리즘 연구는 정확성과 효율성 향상에 집중하며 해석 가능성을 간과하는 경향이 있었습니다. 그러나 헬스케어, 금융, 자율 시스템과 같은 고위험 분야에서 클러스터링 적용이 확대됨에 따라, 투명하고 해석 가능한 결과에 대한 요구가 증대되고 있습니다. 이는 사용자 신뢰 확보뿐만 아니라 해당 분야의 윤리적, 규제적 요구사항을 충족시키기 위해 필수적입니다. 본 논문은 이러한 필요성에 부응하여 해석 가능한 클러스터링 알고리즘의 현황을 포괄적이고 체계적으로 검토합니다. 다양한 방법론을 구별하기 위한 핵심 기준을 제시하며, 연구자들이 특정 애플리케이션 맥락에 가장 적합한 해석 가능한 클러스터링 기법을 선택하는 데 실질적인 도움을 제공합니다. 이러한 통찰은 효율성과 투명성을 겸비한 클러스터링 알고리즘의 개발 및 채택을 촉진할 것입니다. 또한, 본 연구에서 제안하는 분류 체계에 따라 대표적이고 새롭게 부상하는 해석 가능한 클러스터링 방법들을 정리한 공개 저장소(https://github.com/hulianyu/Awesome-Interpretable-Clustering)를 제공하여 연구자들의 접근성과 활용도를 높였습니다.