[論文レビュー] Discovery of Web Usage Profiles Using Various Clustering Techniques

Zahid Ansari, Waseem Ahmed+2 more|arXiv (Cornell University)|Sep 1, 2015

Recommender Systems and Techniques参考文献 24被引用数 4

ひとこと要約

この論文は、ウェブログデータからのウェブ利用プロファイルの発見を目的として、k-平均法、k-メディオイド法、リーダー法、DBSCANの4つのクラスタリング手法を評価している。実際のナビゲーションデータを用いてこれらの手法を実装・比較した結果、DBSCANは最小限のパrameterチューニングで、クラスタリングの妥当性と性能が最も高く、ユーザーのアクセスパターンを特定するのに優れていることが示された。

ABSTRACT

The explosive growth of World Wide Web (WWW) has necessitated the development of Web personalization systems in order to understand the user preferences to dynamically serve customized content to individual users. To reveal information about user preferences from Web usage data, Web Usage Mining (WUM) techniques are extensively being applied to the Web log data. Clustering techniques are widely used in WUM to capture similar interests and trends among users accessing a Web site. Clustering aims to divide a data set into groups or clusters where inter-cluster similarities are minimized while the intra cluster similarities are maximized. This paper reviews four of the popularly used clustering techniques: k-Means, k-Medoids, Leader and DBSCAN. These techniques are implemented and tested against the Web user navigational data. Performance and validity results of each technique are presented and compared.

研究の動機と目的

• クラスタリング手法を用いてウェブログデータからユーザーのアクセスパターンを特定・抽出すること。
• 複数のクラスタリングアルゴリズムの有効性を評価し、意味のあるウェブ利用プロファイルを発見すること。
• k-平均法、k-メディオイド法、リーダー法、DBSCANの間で、ウェブ利用マイニングの文脈における性能と妥当性指標を比較すること。
• 実世界のウェブアクセスデータに基づき、パーソナライゼーションシステムに最も適したクラスタリング手法を特定すること。

提案手法

• ユークリッド距離を用いて、ナビゲーション行動に基づいてユーザーをクラスタリングするk-平均法を適用する。
• 実際のデータポイントをクラスタ中心点として選ぶことで、k-平均法の代替としてのロバスト性を高めたk-メディオイド法を実装する。
• 近接性と密度に基づいてクラスタを形成する階層的クラスタリング手法であるリーダー法を用いる。
• コアポイントと到達可能性に基づいてクラスタを特定する密度ベースのクラスタリング手法であるDBSCANを採用する。ノイズの処理や異なる形状のクラスタの同定に適している。
• シルエットスコアやカリンチ＝ハラバシュ指数といった標準的なクラスタリング妥当性指標を用いて、各手法を評価する。
• すべてのアルゴリズムを実際のウェブログデータに適用し、ユーザーのアクセスパターンを抽出するとともに、クラスタリングの品質を評価する。

実験結果

リサーチクエスチョン

• RQ1 どのクラスタリング手法がウェブログデータにおけるユーザーのアクセスパターンを最もよく捉えられるか？
• RQ2 k-平均法、k-メディオイド法、リーダー法、DBSCANは、ウェブ利用データにおいて、クラスタリング妥当性と性能の観点でどのように比較できるか？
• RQ3 どのアルゴリズムが最小限のパrameterチューニングで、意味のあるユーザープロファイルを最も効果的に特定できるか？
• RQ4 異なる手法におけるクラスタ内類似度とクラスタ間分離度の観点から、クラスタリングの結果にどのような差が生じるか？

主な発見

• DBSCANは最高のシルエットスコアとカリンチ＝ハラバシュ指数を達成し、優れたクラスタリング品質を示した。
• k-メディオイド法は、ウェブログデータにおける外れ値に対する安定性とロバスト性がk-平均法を上回った。
• リーダー法は中程度の性能を示したが、近接性の閾値の選択に敏感であった。
• DBSCANは、形状やサイズが異なるクラスタ、およびノイズポイントを効果的に同定でき、多様なユーザー行動に適していた。
• すべての手法が明確なユーザーのアクセスパターンを明らかにしたが、DBSCANは評価指標の面で最も一貫性のある性能を示した。
• 本研究では、クラスタリングを活用したウェブ利用マイニングがパーソナライゼーションに有効であることが確認された。特に、DBSCANはプロファイル発見の観点で最も信頼性が高い手法であると判明した。