降维可视化中语义对齐与局部邻域保持的可分离性：基于SSC-SP框架的分析

《Scientific Reports》：Semantic alignment can diverge from local neighborhood preservation in dimensionality reduction visualizations

　　

摘要

降维产生的可视化结果通常被解释为空间邻近性反映了语义相似性。这假设了两个性质——语义对齐（布局中的成对距离是否追踪语义参考空间）和结构保持（原始关系几何是否得以维持）——是同步变化的，而这很少被直接检验。在此我们表明，语义对齐与局部邻域保持是可分离的：它们对受控操纵的反应不同，并且在实证降维演示中可能出现分化。我们使用 SSC-SP 框架将两者分开——语义空间相关性（SSC）是一种全局距离秩对齐度量，结构保持（SP）则分解为局部邻接、全局顺序和聚类分量。在坐标扰动下，SP 退化而 SSC 保持接近零；当语义信息被注入布局时，两者在构造上相互权衡。应用于人类相似性判断（THINGS 数据集）时，语义对齐最高的方法（MDS）显示出最低的局部邻域保持——这种分化未被单一指标评估所捕获。按分量分析表明，这种分化是由局部邻接保持所承载的，而全局顺序分量与 SSC 近乎冗余。SSC-SP 最好被理解为一个用于分解可视化质量的轻量级、可复现的报告框架，而非形式化概率检验。