[論文レビュー] From Linked Data to Relevant Data -- Time is the Essence

Markus Kirchberg, Ryan K. L. Ko+1 more|arXiv (Cornell University)|Mar 25, 2011

Semantic Web and Ontologies参考文献 5被引用数 11

ひとこと要約

本稿では、リンク構造と利用パターンを統合することで、時間窓を用いたWebサーバーログのマイニング手法を提案し、リンクデータにおける関連性を特定する。時間的アクセスパターン、特に現実世界の出来事の周辺におけるパターンが、静的リンク構造を超えた意味のある文脈に依存する関連性を明らかにすることを示している。主な貢献は、特定の時間窓内における移動深さ、リンクのファンアウト、アクセス頻度の相互作用から生じる関連性のフレームワークの構築である。

ABSTRACT

The Semantic Web initiative puts emphasis not primarily on putting data on the Web, but rather on creating links in a way that both humans and machines can explore the Web of data. When such users access the Web, they leave a trail as Web servers maintain a history of requests. Web usage mining approaches have been studied since the beginning of the Web given the log's huge potential for purposes such as resource annotation, personalization, forecasting etc. However, the impact of any such efforts has not really gone beyond generating statistics detailing who, when, and how Web pages maintained by a Web server were visited.

研究の動機と目的

• 従来のリンク解析と利用マイニングの限界に対処する。これらは時間を直交的要因として扱い、出来事駆動の関連性を捉えられない。
• Webサーバーログにおける時間的パターンが、リンクデータシステムにおいて意味のある文脈に依存する関連性を明らかにできるかどうかを調査する。
• 利用行動（アクセスパス）とリソース連結性（リンク構造）を統合する手法を開発し、特定の時間窓内での関連性を同定する。
• 関連性が静的ではなく、国際会議や災害などの現実世界の出来事の周囲で動的に生じることを検証する。
• 目的を持った積極的なユーザーコミュニティ（例：SWDF）は、受動的または汎用的なデータソース（例：DBpedia）よりも解釈可能な関連性信号を示すことを示す。

提案手法

• 本手法は、Webサーバーログに時間窓の視点を適用し、アクセスパターンを離散的な時間間隔（例：出来事の前、中、後）に分割する。
• リンク解析と利用解析を統合し、リソースからの送出リンク数（ファンアウト）、出発点からの移動深さ（トレーバーサルデプス）、パス訪問頻度（アクセスウェイト）を測定する。
• Kandinskyグラフを用いて、時間窓ごとに変化する関連アクセスパスの構造を可視化および探索する。
• 現実世界の出来事（例：ISWC 2010会議、ハイチ地震）周辺のアクセスパターンを、ベースラインまたは非出来事期間と比較することで関連性を評価する。
• ユーザーのアクセスパスを関連性の証拠とみなす。頻度が高く、深く、良好に接続された移動が、顕著な情報であることを示す。
• 目的を持った積極的なユーザーコミュニティ（例：SWDF）と、受動的または汎用的なデータソース（例：DBpedia）を区別し、後者では解釈可能な関連性信号が得られないことを主張する。

実験結果

リサーチクエスチョン

• RQ1 時間窓を用いたWebログ分析は、静的リンク構造を超えて、リンクデータにおける動的関連性を明らかにできるか？
• RQ2 学術会議や災害などの現実世界の出来事の間、アクセスパターンとリンク構造はどのように共-evolve するか？
• RQ3 ユーザーのアクセスパスは、特定の時間的出来事の周囲で、データリソースの関連性をどの程度反映しているか？
• RQ4 なぜ一部のデータソース（例：SWDF）は出来事の周囲で明確な関連性信号を示すが、他のソース（例：DBpedia）は、関連するコンテンツを含んでも検出できないのか？
• RQ5 定義された時間窓内における移動深さ、ファンアウト、アクセス頻度を用いて、関連性をどのように定量化・可視化できるか？

主な発見

• WWW 2010会議のページは、会議終了直後に急激に関連性が向上し、アクセス数が増加し、強いリンク接続性を示した。これは現実世界の出来事のタイミングと一致した。
• ISWC 2010会議中には、前年の会議サイトへの関心が上昇した。これはユーザー行動と情報探索の時間的連続性を示している。
• ISWC 2010会議終了後、最も関連性の高いリソースは、会議関連のコンテンツから急激に非会議関連コンテンツにシフトした。これはユーザー関心の明確な時間的移行を示している。
• ハイチと地震に関するデータを含んでも、DBpediaは時間窓分析において2010年ハイチ地震に対して検出可能な関連性を示さなかった。これは目的を持ったユーザーエンゲージメントの欠如を示している。
• マイケル・ジャクソンの葬儀に対しても同様の関連性の欠如が観察された。これにより、DBpediaの巨大さが意味のある関連性信号を保証するわけではないことが確認された。
• SWDFは、セマンティックウェブ研究に焦点を当てた積極的かつ目的を持つユーザーベースを有しており、現実世界の出来事と一致する明確で解釈可能な関連性パターンを示した。これにより、本手法の有効性が検証された。