[論文レビュー] Evolutionary Biclustering of Clickstream Data

R. Rathipriya, K. Thangavel+1 more|arXiv (Cornell University)|Jun 12, 2011

Recommender Systems and Techniques参考文献 14被引用数 10

ひとこと要約

本稿では、K-means、グリーディ探索、遺伝的アルゴリズムを組み合わせた進化的バイクラスタリング手法を提案し、クリックストリームデータにおける一貫性のあるブラウジングパターンを同定する。MSNBCデータセット上で評価した結果、重複する高品質なユーザーとウェブページのバイクラスターを効果的に特定し、ウェブ利用マイニング応用において優れた性能を示した。

ABSTRACT

Biclustering is a two way clustering approach involving simultaneous clustering along two dimensions of the data matrix. Finding biclusters of web objects (i.e. web users and web pages) is an emerging topic in the context of web usage mining. It overcomes the problem associated with traditional clustering methods by allowing automatic discovery of browsing pattern based on a subset of attributes. A coherent bicluster of clickstream data is a local browsing pattern such that users in bicluster exhibit correlated browsing pattern through a subset of pages of a web site. This paper proposed a new application of biclustering to web data using a combination of heuristics and meta-heuristics such as K-means, Greedy Search Procedure and Genetic Algorithms to identify the coherent browsing pattern. Experiment is conducted on the benchmark clickstream msnbc dataset from UCI repository. Results demonstrate the efficiency and beneficial outcome of the proposed method by correlating the users and pages of a web site in high degree.This approach shows excellent performance at finding high degree of overlapped coherent biclusters from web data.

研究の動機と目的

• ウェブ利用マイニングにおける伝統的クラスタリングの限界を克服し、ユーザーとウェブページを同時にクラスタリングすることを目的とする。
• バイクラスタリングを用いてクリックストリームデータ内に一貫性のある局所的ブラウジングパターンを同定することを目的とする。
• ウェブナビゲーション行動における重複する意味のあるユーザー-ページ関係の発見を改善することを目的とする。
• ヒューリスティクスとメタヒューリスティクス手法を統合し、バイクラスタ品質と効率性を向上させることを目的とする。
• ベンチマーククリックストリームデータセット上で手法を評価し、その有効性を検証することを目的とする。

提案手法

• 本手法は、初期クラスタリングにK-meansを用い、バイクラスタ品質を精緻化するためのグリーディ探索手順、およびグローバル最適化のための遺伝的アルゴリズムを統合したハイブリッドアプローチを採用する。
• バイクラスタは、選択されたページにおいて相関するブラウジング行動を示すユーザーおよびページの部分集合として定義され、ユーザーのアクセスパターンの分散が低いかつ一貫性が高いことで、整合性が測定される。
• 遺伝的アルゴリズムは、適合度関数に従い、選択、交叉、突然変異の操作を経て、潜在的なバイクラスタ解を進化させる。適合度関数は、整合性とカバー範囲の両方を重視する。
• 反復的に重複するユーザーおよびページの部分集合を探索することで、複数の重複を許容するバイクラスタを生成し、バイクラスタ品質を向上させる。
• 本手法はUCIレポジトリのMSNBCクリックストリームデータセットに適用され、入力行列の値としてアクセス頻度が使用される。
• 適合度評価は、バイクラスタ内均質性とバイクラスタ間相違性の両方の指標を組み合わせ、進化的探索をガイドする。

実験結果

リサーチクエスチョン

• RQ1 ハイブリッド進化的アプローチは、クリックストリームデータ内に一貫性があり重複するバイクラスタを効果的に同定できるか？
• RQ2 K-means、グリーディ探索、遺伝的アルゴリズムの統合は、単独手法と比較してバイクラスタ品質をどのように向上させるか？
• RQ3 提案手法は、実世界のクリックストリームデータにおいて意味のある局所的ブラウジングパターンをどの程度解明できるか？
• RQ4 本手法は、ウェブナビゲーションにおける重複するユーザー-ページ関係を検出する上でどの程度の性能を示すか？
• RQ5 適合度関数の設計は、高品質バイクラスタの発見にどのような影響を及えるか？

主な発見

• 提案手法は、MSNBCクリックストリームデータセットから複数の重複する一貫性のあるバイクラスタを効果的に同定し、多様なナビゲーション行動を示した。
• K-means、グリーディ探索、遺伝的アルゴリズムの統合により、個別の手法と比較してより高品質なバイクラスタが得られた。
• 本手法は、選択されたウェブページにおけるユーザーのアクセス行動の整合性が高く、局所的ブラウジングパターンを効果的に捉えている。
• 結果から、進化的アプローチが探索と活用のバランスを効果的にとることで、安定的かつ意味のあるバイクラスタが得られることを示した。
• 本手法は、大規模なクリックストリームデータにおいても、効率的な収束性と頑健性を示した。
• 適合度関数の設計が、分散が低く内部整合性の高いバイクラスタの発見に顕著に寄与した。