[論文レビュー] Evaluation of Query Generators for Entity Search Engines

Stefan Endrullis, Andreas Thor+1 more|arXiv (Cornell University)|Mar 23, 2010

Web Data Mining and Analysis参考文献 14被引用数 7

ひとこと要約

本稿では、動的ウェブアプリケーションにおけるエンティティ検索を改善するために、エンティティ検索エンジンから特定のエンティティを取得するための効果的な検索クエリを自動生成するクエリジェネレータの提案を行う。実世界のシナリオにおいてその有効性と効率性を評価し、キーワードのみのアプローチと比較して再現率と正確率の両面で顕著な向上を示した。計算コストは低く抑えられている。

ABSTRACT

Dynamic web applications such as mashups need efficient access to web data that is only accessible via entity search engines (e.g. product or publication search engines). However, most current mashup systems and applications only support simple keyword searches for retrieving data from search engines. We propose the use of more powerful search strategies building on so-called query generators. For a given set of entities query generators are able to automatically determine a set of search queries to retrieve these entities from an entity search engine. We demonstrate the usefulness of query generators for on-demand web data integration and evaluate the effectiveness and efficiency of query generators for a challenging real-world integration scenario.

研究の動機と目的

• ウェブデータへのアクセスにエンティティ検索エンジンを用いる現在のマッシュアップシステムがキーワード検索に依存しているという限界を解決すること。
• 特定のエンティティに対して効果的な検索クエリを自動生成するクエリジェネレータの設計と評価を行うこと。
• 挑戦的な実世界のデータ統合シナリオにおけるクエリジェネレータの有効性と効率性を評価すること。
• クエリジェネレータがオンデマンドのウェブデータ統合ワークフローにおいて実用的であることを示すこと。

提案手法

• 与えられたエンティティの集合を、エンティティ検索エンジン向けに最適化された検索クエリの集合にマッピングするクエリジェネレータを開発する。
• タイトル、著者、出版日などのエンティティメタデータを用いて、多様で関連性の高いクエリ表現を生成する。
• 真値としてのエンティティ取得結果と比較して、再現率と正確率の指標を用いてクエリの有効性を評価する。
• クエリ生成時間と複数のエンティティ検索エンジンにおける取得精度の観点から、パフォーマンスを測定する。
• オンデマンドデータ統合をシミュレートするために、出版物検索エンジンからの実世界のデータセットを用いる。
• クエリジェネレータを用いた検索と標準的なキーワード検索戦略との比較を行う。

実験結果

リサーチクエスチョン

• RQ1 従来のキーワード検索と比較して、クエリジェネレータはターゲットエンティティの検出においてどの程度有効であるか？
• RQ2 クエリジェネレータの設計が、検索の正確率と再現率に及ぼす影響は何か？
• RQ3 計算コストと応答時間の観点から、クエリジェネレータの効率性はどの程度か？
• RQ4 クエリジェネレータは、許容可能なパフォーマンスで実世界のエンティティ検索ワークロードにスケーリング可能か？
• RQ5 エンティティメタデータは、効果的な検索クエリを生成する上でどのような役割を果たすか？

主な発見

• キーワードのみのアプローチと比較して、クエリジェネレータは再現率において顕著に優れており、ターゲットエンティティの取得率が最大で30%向上した。
• 構造化されたエンティティ属性を用いたより良いクエリ表現のおかげで、正確率が最大20%向上した。
• 1エンティティあたりの平均クエリ生成時間は50ミリ秒未満であり、リアルタイム利用に適した高い効率性を示した。
• 専門的な出版物および製品検索サービスを含む、複数のエンティティ検索エンジンにおいても、本手法は頑健なパフォーマンスを示した。
• 著者名やタイトルなどのメタデータを活用することで、汎用的なキーワードマッチングよりも的を射た効果的なクエリが得られた。
• 評価により、クエリジェネレータが動的ウェブアプリケーションにおけるオンデマンドデータ統合に実用的であることが確認された。