[論文レビュー] DisC Diversity: Result Diversification based on Dissimilarity and Coverage

Marina Drosou, Evaggelia Pitoura|arXiv (Cornell University)|Aug 17, 2012

Data Management and Algorithms被引用数 12

ひとこと要約

本稿では、可変半径パラメータを用いて相互の類似性を保証しながら、すべての照合結果をカバーする最小のオブジェクトサブセットを選択する、新しい結果多様化手法であるDisC diversityを提案する。この手法はヒューリスティクスとMツリーに基づくインデキシングを用い、半径を調整することで動的「ズームイン／ズームアウト」を実現し、効率的な性能と直感的な結果の適応性を実証する実験結果を得た。

ABSTRACT

Recently, result diversification has attracted a lot of attention as a means to improve the quality of results retrieved by user queries. In this paper, we propose a new, intuitive definition of diversity called DisC diversity. A DisC diverse subset of a query result contains objects such that each object in the result is represented by a similar object in the diverse subset and the objects in the diverse subset are dissimilar to each other. We show that locating a minimum DisC diverse subset is an NP-hard problem and provide heuristics for its approximation. We also propose adapting DisC diverse subsets to a different degree of diversification. We call this operation zooming. We present efficient implementations of our algorithms based on the M-tree, a spatial index structure, and experimentally evaluate their performance.

研究の動機と目的

• 固定サイズ選択やしきい値ベースのスコアリングに依存する従来の多様性モデルの限界を克服し、統一的かつ直感的な多様性の定義を提示すること。
• 結果多様化を最小r-DisC多様サブセット問題として形式化し、照合結果の完全カバレッジと選択されたオブジェクト間の相互類似性の欠如を保証すること。
• 再計算を再び開始することなく、サブセットサイズと多様性レベルを制御する半径パラメータの調整によって、多様性の動的調整（ズームイン／ズームアウト）を可能にすること。
• 大規模データセット向けにスケーラブルな効率的アルゴリズムを開発し、ブルートフォース法やグリーディ法よりも性能を向上させるために空間インデキシング（Mツリー）を活用すること。
• 解の品質に関する理論的バウンディングを提示し、実データおよび合成データを用いた実験により実用的有効性を示すこと。

提案手法

• DisC多様性を、結果セット内のすべてのオブジェクトが少なくとも1つの選択済みオブジェクトから距離r以内に存在し、かつ選択済みオブジェクト同士が互いに距離r以内に存在しないr-DisC多様サブセットとして定義する。
• 距離r以内に存在するオブジェクト同士を結ぶ辺を持つグラフ上で独立支配集合（IDS）問題として問題をモデル化し、最適なDisC多様サブセットとして最小IDSを求める。
• 速度と解のサイズのトレードオフを実現するため、基本的およびグリーディなヒューリスティクスを複数提案し、最小DisC多様サブセットの近似を図る。
• 半径rの減少（ズームイン）および増加（ズームアウト）に対応するインクリメンタルアルゴリズムを設計し、過去の計算結果を再利用することで計算コストを削減する。
• 近隣探索の高速化とクエリ効率の向上を図るため、Mツリーのインデックス構造を用いてアルゴリズムを実装する。
• 将来的な拡張として、重み付きDisC集合や個々のオブジェクトごとの半径を導入し、関連性を統合する可能性を示唆するが、本手法の核心は純粋な多様性に焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 照合結果を完全にカバーしつつ、選択されたオブジェクト同士の相互類似性を保証する多様性の定義は、どのように可能か？
• RQ2 最小r-DisC多様サブセットを求める計算の複雑度は何か？ そして、その効率的近似はどのように達成できるか？
• RQ3 多様性レベルを動的半径チューニング（すなわちズーム）によって適応的に調整可能か？ そして、再計算なしに効率的に実現できるか？
• RQ4 提案されたヒューリスティクスおよびインクリメンタルズームアルゴリズムは、実世界および合成データセットにおいて、解の品質と性能の観点でどのように比較されるか？
• RQ5 Mツリーのような空間インデキシング構造は、r-DisC多様サブセットの計算をどの程度高速化できるか？

主な発見

• 最小r-DisC多様サブセットを求める問題はNP困難であることが判明し、ヒューリスティクスによる近似手法の必要性が裏付けられた。
• 基本的ヒューリスティクスはグリーディなバージョンよりも高速であるが、より大きなサブセットを生成するため、効率性とコンパクトネスのトレードオフが明確に示された。
• 類似性条件を緩和しても実際にはサブセットサイズが顕著に減少しないことが示され、厳密な類似性の欠如が意味のある多様性を実現する上で効果的かつ必須であることが示唆された。
• インクリメンタルズームアルゴリズムは、ユーザーの期待に近い結果セットを生成し、再計算によるサブセットと同等のサイズを維持しながら、計算コストを削減した。
• Mツリーに基づく実装は、特にスケーラビリティに不可欠な近隣探索において、効率的な性能を示した。
• 提案されたズームメカニズムにより、ユーザーが多様性レベルをグローバルに、また特定のオブジェクトの周囲でローカルに動的に調整できる直感的なインタラクションが可能になった。