[論文レビュー] A semantically enriched web usage based recommendation model

C. Ramesh, K. Venkateswara Rao+1 more|arXiv (Cornell University)|Nov 10, 2011

Recommender Systems and Techniques参考文献 9被引用数 3

ひとこと要約

本稿では、分類的意味的モデリングと順序パターンマイニングを統合することで、Web推薦の質を向上させる意味的豊か化されたWeb利用マイニングフレームワークを提案する。頻繁なナビゲーションパターンを生のページビューではなく、オントロジーインスタンスとして抽出することにより、より知的で文脈に配慮した推薦が生成される。これは、意味的豊か化がパターンの関連性と個人向けWebサービスにおけるシステム機能性を向上させることを示している。

ABSTRACT

With the rapid growth of internet technologies, Web has become a huge repository of information and keeps growing exponentially under no editorial control. However the human capability to read, access and understand Web content remains constant. This motivated researchers to provide Web personalized online services such as Web recommendations to alleviate the information overload problem and provide tailored Web experiences to the Web users. Recent studies show that Web usage mining has emerged as a popular approach in providing Web personalization. However conventional Web usage based recommender systems are limited in their ability to use the domain knowledge of the Web application. The focus is only on Web usage data. As a consequence the quality of the discovered patterns is low. In this paper, we propose a novel framework integrating semantic information in the Web usage mining process. Sequential Pattern Mining technique is applied over the semantic space to discover the frequent sequential patterns. The frequent navigational patterns are extracted in the form of Ontology instances instead of Web page views and the resultant semantic patterns are used for generating Web page recommendations to the user. Experimental results shown are promising and proved that incorporating semantic information into Web usage mining process can provide us with more interesting patterns which consequently make the recommendation system more functional, smarter and comprehensive.

研究の動機と目的

• ドメイン知識を欠いた低レベルのアクセスログに依存する従来のWeb利用マイニングの限界を解決すること。
• 意味的文脈の欠如により、従来の推薦システムで発見されるパターンの品質が低いという問題を克服すること。
• ドメイン固有の意味的情報を（オントロジーを介して）Web利用マイニングプロセスに統合し、推薦の関連性を向上させること。
• ユーザーのナビゲーションシーケンスを意味的パターンに変換するフレームワークを構築し、より意味のある推薦を実現すること。
• 利用行動と意味的関係の両方を活用することで、Web推薦システムの包括性と知能を向上させること。

提案手法

• ユーザー行動を生のページビューではなく、意味的インスタンスとして表現するため、ナビゲーションシーケンスをオントロジーでモデル化する。
• 意味的空間において順序パターンマイニング技術を適用し、頻繁なナビゲーションパターンを発見する。
• ユーザーのアクセスパターンをドメイン固有のオントロジーのインスタンスとして表現することで、意味的文脈と関係性を保持する。
• 得られた意味的パターンを基に、ユーザー行動とドメイン知識に基づいたパーソナライズドWebページ推薦を生成する。
• 使用ログから意味的ナビゲーションパターンの知識ベースを構築し、より豊富な推論と推薦論理を可能にする。
• 意味的モデルを推薦エンジンと統合し、意味的に整合性があり文脈的に関連するコンテンツを優先する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして意味的情報をWeb利用マイニングに効果的に統合し、推薦品質を向上させることができるか？
• RQ2 生のページビューではなく意味的空間に表現された場合、頻繁なナビゲーションパターンの特徴は何か？
• RQ3 オントロジーを介してドメイン知識を組み込むことで、Web推薦の関連性と包括性はどの程度向上するか？
• RQ4 従来の利用ベースのアプローチと比較して、意味的豊か化はより意味的で機能的な推薦パターンをもたらすか？
• RQ5 オントロジーインスタンスの使用は、Web推薦システムの解釈可能性とパフォーマンスをどのように向上させるか？

主な発見

• Web利用マイニングに意味的情報を統合することで、より興味深く文脈に配慮したナビゲーションパターンが得られる。
• オントロジーインスタンスとして抽出された意味的パターンは、従来のページビューに基づくシーケンスよりも、ユーザー行動をより豊かに表現する。
• 提案されたモデルは、ドメイン知識と意味的関係を活用することで、より機能的で包括的な推薦を生成する。
• 実験結果は、意味的豊か化がWeb利用マイニングにおける発見されたパターンの質と関連性を向上させることを示している。
• このフレームワークは、意味的文脈に基づいたよりスマートでパーソナライズされたWeb体験を提供することで、情報過多の削減に有望である。
• オントロジーの使用により、単なる同時訪問頻度を超えて、推薦システムにおけるより良い一般化と推論が可能になる。