[論文レビュー] Constructing an Interaction Behavior Model for Web Image Search

Xiaohui Xie, Jiaxin Mao+4 more|arXiv (Cornell University)|May 8, 2018

Advanced Image and Video Retrieval Techniques参考文献 34被引用数 3

ひとこと要約

本稿では、マウスカーソルのホーバーとクリックデータを活用してユーザーの閲覧行動と結果の関連性を推定する、Web画像検索向けの非教師あり相互作用行動モデルであるグリッドベースユーザー閲覧モデル（GUBM）を提案する。GUBMは、行動予測およびランク付け効果性において最先端のモデルを上回り、ホーバー行動が関連性の強力な指標であることが示され、トピック的関連性および画像品質指標を顕著に向上させることができる。

ABSTRACT

User interaction behavior is a valuable source of implicit relevance feedback. In Web image search a different type of search result presentation is used than in general Web search, which leads to different interaction mechanisms and user behavior. For example, image search results are self-contained, so that users do not need to click the results to view the landing page as in general Web search, which generates sparse click data. Also, two-dimensional result placement instead of a linear result list makes browsing behaviors more complex. Thus, it is hard to apply standard user behavior models (e.g., click models) developed for general Web search to Web image search. In this paper, we conduct a comprehensive image search user behavior analysis using data from a lab-based user study as well as data from a commercial search log. We then propose a novel interaction behavior model, called grid-based user browsing model (GUBM), whose design is motivated by observations from our data analysis. GUBM can both capture users' interaction behavior, including cursor hovering, and alleviate position bias. The advantages of GUBM are two-fold: (1) It is based on an unsupervised learning method and does not need manually annotated data for training. (2) It is based on user interaction features on search engine result pages (SERPs) and is easily transferable to other scenarios that have a grid-based interface such as video search engines. We conduct extensive experiments to test the performance of our model using a large-scale commercial image search log. Experimental results show that in terms of behavior prediction (perplexity), and topical relevance and image quality (normalized discounted cumulative gain (NDCG)), GUBM outperforms state-of-the-art baseline models as well as the original ranking. We make the implementation of GUBM and related datasets publicly available for future studies.

研究の動機と目的

• Web画像検索におけるユーザー相互作用パターン、特にクリック以外のカーソルホーバーの役割を理解すること。
• クリック数が少なく、結果レイアウトが非線形である画像検索における従来のクリックモデルの限界を解消すること。
• グリッドベースの閲覧パターンを捉え、画像検索における順序バイアスを軽減する行動モデルを開発すること。
• 手動でラベル付けされたデータを必要とせず、観察可能な相互作用特徴のみを用いる、移植可能な非教師ありモデルを構築すること。
• ホーバー行動をユーザーの検討状態と関連性の代理指標として統合することで、結果のランク付けを改善すること。

提案手法

• 本モデルは3つの核心的仮定に基づいている：ユーザーは方向性のあるグリッド走査で結果を検討する、ホーバーは検討を示す、ユーザーは縦横の両方向で結果をスキップする可能性がある。
• GUBMは、グリッドベースの検索結果ページ（SERP）における観察可能な相互作用シーケンス（クリックとホバー）を用い、検討確率やクエリ-画像関連性といった内部パラメータを推定する。
• 手動ラベル付き関連性データを必要としない非教師あり学習フレームワークを採用しており、大規模な商用検索ログを用いた学習が可能である。
• ユーザーの閲覧行動を、相互作用頻度およびシーケンスパターンに基づいた遷移確率を持つ、グリッド位置上のマルコフ過程としてモデル化する。
• 相互作用シーケンスの尤度スコアを計算し、それを用いて画像結果の関連性を推定する。
• GUBMは、動画や商品検索エンジンなどの他のグリッドベースインターフェースへも移植可能であるように設計されている。

実験結果

リサーチクエスチョン

• RQ1 Web画像検索において、特にホービング行動が、検討行動および関連性とどのように相関するか。
• RQ2 グリッドベースの画像検索インターフェースにおけるユーザー閲覧行動の支配的パターンは何か。
• RQ3 クリックの希少性を考慮しても、ホービング行動が画像検索における関連性推定の信頼できるシグナルとして利用可能か。
• RQ4 従来のWeb検索とは異なり、画像検索の特異なレイアウトおよび相互作用パターンに適応するには、ユーザー行動モデルをどのように変更すべきか。
• RQ5 観察可能な相互作用データのみを用いた非教師ありモデルが、教師ありベースラインをどれほど上回るランク付け効果性を達成できるか。

主な発見

• 画像結果のホーバーはクリックの8〜10倍の頻度で発生しており、関連性推定に向けた豊富で未利用のシグナルであることが示された。
• ユーザーは方向性を持って結果を検討する傾向があり、縦横の両方向で項目をスキップすることが多く、従来のクリックモデルが仮定する順次的検討とは対照的である。
• 大規模な商用画像検索ログを用いた評価において、GUBMは、パープレキシティ（perplexity）を指標として用いた行動予測において、元のランク付けモデルおよび最先端のベースラインモデルを顕著に上回った。
• 関連性評価の観点から、GUBMはトピック的関連性および画像品質の両方において、正規化済み累積利益割合（NDCG）を向上させた。
• ホバーデータのモデル統合により、明確なパフォーマンス向上が得られ、ホービングがユーザーの検討状態の強力な代理指標であることが裏付けられた。
• 本モデルは頑健で移植可能であり、動画や商品検索などの他のグリッドベース検索インターフェースへの応用が期待できる。