[論文レビュー] Efficient Top-K Retrieval in Online Social Tagging Networks

Silviu Maniu, Bogdan Cautis|arXiv (Cornell University)|Apr 8, 2011

Data Management and Algorithms参考文献 19被引用数 7

ひとこと要約

本稿では、ユーザーのソーシャルネットワークを活用してタグ付け行動の近接性を重みづけすることで、効率的でオンラインなソーシャルブックマークイングシステムにおけるトップ-k検索を実現するTOPKSを提案する。事前計算を一切行わず、スコアをリアルタイムに計算し、完全にソーシャルな環境下でインスタンス最適性を達成するとともに、精度の損失を最小限に抑えつつ応答時間を顕著に短縮する。実世界のデータを用いた検証によりその有効性が裏付けられている。

ABSTRACT

We consider in this paper top-k query answering in social tagging systems, also known as folksonomies. This problem requires a significant departure from existing, socially agnostic techniques. In a network-aware context, one can (and should) exploit the social links, which can indicate how users relate to the seeker and how much weight their tagging actions should have in the result build-up. We propose an algorithm that has the potential to scale to current applications. While the problem has already been considered in previous literature, this was done either under strong simplifying assumptions or under choices that cannot scale to even moderate-size real world applications. We first consider a key aspect of the problem, which is accessing the closest or most relevant users for a given seeker. We describe how this can be done on the fly (without any pre-computations) for several possible choices - arguably the most natural ones - of proximity computation in a user network. Based on this, our top-k algorithm is sound and complete, while addressing the scalability issues of the existing ones. Importantly, our technique is instance optimal in the case when the search relies exclusively on the social weight of tagging actions. To further reduce response times, we then consider directions for efficiency by approximation. Extensive experiments on real world data show that our techniques can drastically improve the response time, without sacrificing precision.

研究の動機と目的

• ソーシャルタギングシステムにおける既存のトップ-k検索手法のスケーラビリティおよび適用可能性の制限を解決すること。
• ソーシャルネットワーク、タグ、クエリが動的に変化する状況において、リアルタイムでオンラインのクエリ処理を可能にすること。
• 高価な事前計算に依存せずに、ソーシャル近接性を活用してタグ付け行動の重みづけを行う手法の開発。
• 応答時間の最適化を図りながら、結果の順序付けにおける妥当性と完全性を保証すること。
• 精度を損なわせることなく計算コストをさらに削減するための近似手法の検討。

提案手法

• さまざまな類似度関数（例：最短経路、重み付き類似度）を用いて、ユーザーネットワークの即時の近接性計算メカニズムを提案。
• 近隣のユーザーからの寄与に基づき、高スコアのアイテムを特定するため、社会的ネットワークを段階的に探索するトップ-k検索アルゴリズム（TOPKS）を導入。
• 優先度キューを用いた分枝限定法を採用し、探索空間を効率的に削減することで、最も関連性の高いユーザーおよびそのタグ付け済みアイテムに焦点を当てる。
• タグの関連性とソーシャル重みを組み合わせたスコアリングモデルを採用し、ユーザーの影響力はそのクエリ発信者からの近接性によって決定される。
• 社会的探索の深さを制限し、統計的境界を用いることで計算コストを削減する近似手法を適用。
• 複数の近接性関数（例：fmul, fpow）をサポートし、クエリ実行中に動的にソーシャルスコアを計算する。

実験結果

リサーチクエスチョン

• RQ1 事前計算された近接性値に依存せずに、オンラインのソーシャルブックマークイングシステムで効率的なトップ-k検索を実現する方法は何か？
• RQ2 異なるソーシャル近接性関数（例：最短経路、類似度ベース）が、検索パフォーマンスおよびスケーラビリティに与える影響は何か？
• RQ3 完全にソーシャルな文脈下で、トップ-kアルゴリズムが妥当かつ完全でありながら、インスタンス最適性を達成できるか？
• RQ4 近似手法によって、実世界のソーシャルタギングワークロードにおいて、応答時間をどの程度短縮できるか、許容可能な精度損失の範囲で評価できるか？
• RQ5 実データセット上での効率性および正確性の観点から、本手法は既存のアプローチと比べてどのように優れているか？

主な発見

• TOPKSアルゴリズムは、完全にソーシャルな環境下でインスタンス最適性を達成しており、任意の入力インスタンスに対して、最良の可能なアルゴリズムと同等の性能を発揮する。
• 実世界のデータを用いた広範な実験から、TOPKSは先行手法と比較して応答時間を顕著に短縮していることが示され、精度の損失は最小限に抑えられている。
• 近似手法により計算コストが著しく削減されながらも高い正確性を維持しており、大規模なオンラインアプリケーションに適している。
• 本手法は幅広い近接性関数をサポートしており、ソーシャルリンクが暗黙的である場合やタグ行動から導出された場合でも効果的に機能する。
• 近接ユーザーのタグ付け行動に注目するソーシャル近接性に基づくパーソナライゼーションは、特にロングテイルアイテムにおいて非パーソナライズドモデルを上回る性能を発揮する。
• ソーシャルネットワーク、タグデータ、クエリがリアルタイムで動的に変化する状況においても、本アルゴリズムはスケーラブルかつ効率的である。