[論文レビュー] A Dynamical Model for Information Retrieval and Emergence of Scale-Free Clusters in a Long Term Memory Network

Ignazio Licata|arXiv (Cornell University)|Jan 6, 2008

Complex Network Analysis Techniques参考文献 17被引用数 4

ひとこと要約

本論文は、キンツヒュシュ＝エリクソンフレームワークの原則を用いて、到着するテクストコンテンツに応じて進化する関連ネットワークとしての長期記憶（LTM）の動的モデルを提案する。時間に依存するネットワーク再構成を通じて、スケールフリ―トポロジーとパワー則度分布が生成され、情報検索が認知的構造形成を強化し、ユーザー・ネットワークシステム全体に顕在的意味的組織が生じることを示している。

ABSTRACT

The classical forms of knowledge representation fail when a strong dynamical interconnection between system and environment comes into play. We propose here a model of information retrieval derived from the Kintsch-Ericsson scheme, based upon a long term memory (LTM) associative net whose structure changes in time according to the textual content of the analyzed documents. Both the theoretical analysis carried out by using simple statistical tools and the tests show the appearing of typical power-laws and the net configuration as a scale-free graph. The information retrieval from LTM shows that the entire system can be considered to be an information amplifier which leads to the emergence of new cognitive structures. It has to be underlined that the expanding of the semantic domain regards the user-network as a whole system.

研究の動機と目的

• 動的で環境と相互作用するシステムにおける古典的知識表現の限界を解消すること。
• テクスト入力への露出を通じて進化する自己組織的ネットワークとしての長期記憶をモデル化すること。
• 意味的構造と情報検索が動的ネットワーク相互作用からどのように生じるかを調査すること。
• 情報処理中に長期記憶ネットワークにスケールフリ―トポロジーがどのように出現するかを実証すること。

提案手法

• テキスト理解のキンツヒュシュ＝エリクソンモデルを、時間的に進化する関連ネットワーク構造に適応する。
• ノードの接続と重みが入力ドキュメントの意味的内容に基づいて変化するネットワークとして長期記憶をモデル化する。
• 次数分布とクラスタリングに注目して、時間経過に伴うネットワークトポロジーを分析する統計的手法を適用する。
• テクスト入力によって駆動される反復的ネットワーク更新を用いて、認知処理と記憶形成を模擬する。
• スケールフリ―特性を同定するために、パワー則フィッティングとネットワーク分析を採用する。
• 意味的ドメインが集団的に拡張されるユーザーとネットワークを一つの適応的システムとして扱う。

実験結果

リサーチクエスチョン

• RQ1 長期記憶ネットワークは、テクスト入力にどのように動的に再構成されるか？
• RQ2 情報検索中に関連ネットワークにどのようなトポロジカル特性が生じるか？
• RQ3 意味的内容によって駆動される自己組織的プロセスを通じて、ネットワークがスケールフリ―特性を示すことができるか？
• RQ4 このシステムは、顕在的認知的構造を通じて、情報の強調をどの程度達成するか？
• RQ5 情報処理中に、集団的ユーザー・ネットワークシステムはどのように意味的ドメインを拡張するか？

主な発見

• モデルは、強固で階層的な意味的組織を示すパワー則度分布を持つスケールフリ―ネットワークトポロジーを成功裏に生成した。
• ネットワークの構造は、テキスト入力に応じて動的に進化し、リアルタイムの認知的適応を反映している。
• 統計的分析により、ノード接続におけるパワー則行動が確認され、自己組織的臨界性の特徴的側面であることが裏付けられた。
• 情報検索は顕在的ネットワーク構造を通じて強調され、認知的処理能力の向上を示唆している。
• 意味的ドメインは、個々の記憶ではなく、ユーザー・ネットワークシステムの集団的性質として拡張された。
• 継続的な入力データとの相互作用を通じて、安定的かつスケーラブルな認知的アーキテクチャへの自己組織的進化を示した。