[論文レビュー] Exploiting Social Annotation for Automatic Resource Discovery

Anon Plangprasopchok, Kristina Lerman|arXiv (Cornell University)|Apr 12, 2007

Peer-to-Peer Network Technologies参考文献 16被引用数 35

ひとこと要約

本稿では、del.icio.us からのソーシャルアノテーションを活用して、機能的に類似した情報リソースを自動的に特定するための確率的トピックモデルを提案する。ユーザーの関心とリソースのトピックを別々にモデル化することで、GibbsサンプリングとEMベースのパrameter推定を用いてタグから潜在的トピックを推論し、実験的評価において高い正確性でリソース間の類似性検出を達成する。

ABSTRACT

Information integration applications, such as mediators or mashups, that require access to information resources currently rely on users manually discovering and integrating them in the application. Manual resource discovery is a slow process, requiring the user to sift through results obtained via keyword-based search. Although search methods have advanced to include evidence from document contents, its metadata and the contents and link structure of the referring pages, they still do not adequately cover information sources -- often called ``the hidden Web''-- that dynamically generate documents in response to a query. The recently popular social bookmarking sites, which allow users to annotate and share metadata about various information sources, provide rich evidence for resource discovery. In this paper, we describe a probabilistic model of the user annotation process in a social bookmarking system del.icio.us. We then use the model to automatically find resources relevant to a particular information domain. Our experimental results on data obtained from \emph{del.icio.us} show this approach as a promising method for helping automate the resource discovery task.

研究の動機と目的

• 情報統合アプリケーションにおける手作業で時間がかかるリソース発見の課題に対処すること。
• del.icio.us からのソーシャルタグデータを、リソース発見のための豊富でコミュニティ生成のメタデータとして活用すること。
• ユーザーの関心とリソースのトピックを両方とも捉える確率的モデルを開発し、類似性検出を改善すること。
• 静的メタデータや構文的WSDL解析に依存せずに、機能的に同等のリソースを自動的に特定できること。
• シードベースの発見にとどまらず、タグ翻訳を用いてクエリ駆動のリソース発見を可能にする一般化を図ること。

提案手法

• ソーシャルブックマークシステムにおけるタグ生成要因として、ユーザーの関心とリソースのトピックを潜在的要因として分離する、独創的な三重モデルを提案する。
• 著者-トピックモデルの枠組みを応用し、ユーザーを著者、リソースを文書とみなしてトピック分布を推定する。
• パrameter推定にはEMアルゴリズム、推論にはGibbsサンプリングを用い、スパarselyかつノイズの多いソーシャルタグからも頑健なトピック学習を可能にする。
• 各リソースをトピック分布として表現し、コサイン類似度を用いて他のリソースと比較することで、機能的に類似したリソースを特定する。
• ユーザー間でのタギング行動の不均一性とタグ使用の多様性を考慮するため、確率的生成モデルを採用する。
• リソース固有のトピックとは別個の潜在変数としてユーザー固有の関心を組み込むことで、従来のpLSAを拡張する。

実験結果

リサーチクエスチョン

• RQ1 del.icio.us からのソーシャルアノテーションは、機能的に類似した情報リソースの自動発見に効果的に寄与できるか？
• RQ2 ソーシャルブックマークシステムにおいて、ユーザーの関心とリソースのトピックは、タグ生成にどのように関与するか？
• RQ3 ユーザーの関心とリソースのトピックを別々にモデル化することで、統合的モデリングに比べてリソース類似性検出が改善されるか？
• RQ4 ソーシャルタグに基づく確率的トピックモデルは、従来のキーワードベースや構文的ベースの検索に比べて、同等のリソースを同定する際にどれほど優れているか？
• RQ5 自然言語クエリを効果的なタグクエリに翻訳することで、モデルをクエリ駆動の発見に一般化できるか？

主な発見

• 提案手法は、del.icio.us におけるユーザーの集団的タギング行動を活用することで、リソース発見の正確性を顕著に向上させる。
• ユーザーの関心をリソースのトピックから分離することで、統合的モデリングに比べてより頑健で解釈可能なトピック表現が得られる。
• 同じキーワードで明示的にラベル付けされていなくても、機能的に同等のリソースを高い精度で同定できる。
• 実世界の del.icio.us データを用いた実験結果から、単純なタグ共起や pLSA に基づくベースライン手法を上回ることが示された。
• 多様なタギングスタイルを持つリソース間でも効果的な類似性検出が可能となり、制御語彙への依存が軽減された。
• 人為的介入なしに情報システムにおけるソースモデリングと統合を自動化するという点で、強力な潜在的価値を示している。