[論文レビュー] Geo-Social Group Queries with Minimum Acquaintance Constraint

Qijun Zhu, Haibo Hu+3 more|arXiv (Cornell University)|Jun 28, 2014

Data Management and Algorithms参考文献 25被引用数 15

ひとこと要約

本稿では、各メンバーが少なくとも *c* 人の他のメンバーを知っていることを要件とする最小熟知制約を備えたGeo-Social Group Queries (GSGQs) を提案する。GSGQs を大規模なLBSNで効率的に処理するため、SaR-tree および SaR*-tree と呼ばれる2つの新しい社会的関係を考慮した空間インデックスを導入しており、Gowalla や Twitter-2010 といった実世界のデータセットにおいて、ベースラインのRツリーに基づく手法に比べて、クエリ性能と更新効率の両面で優れた性能を発揮している。

ABSTRACT

The prosperity of location-based social networking services enables geo-social group queries for group-based activity planning and marketing. This paper proposes a new family of geo-social group queries with minimum acquaintance constraint (GSGQs), which are more appealing than existing geo-social group queries in terms of producing a cohesive group that guarantees the worst-case acquaintance level. GSGQs, also specified with various spatial constraints, are more complex than conventional spatial queries; particularly, those with a strict $k$NN spatial constraint are proved to be NP-hard. For efficient processing of general GSGQ queries on large location-based social networks, we devise two social-aware index structures, namely SaR-tree and SaR*-tree. The latter features a novel clustering technique that considers both spatial and social factors. Based on SaR-tree and SaR*-tree, efficient algorithms are developed to process various GSGQs. Extensive experiments on real-world Gowalla and Dianping datasets show that our proposed methods substantially outperform the baseline algorithms based on R-tree.

研究の動機と目的

• 既存のジオスポーチャルグループクエリでは、空間的に近接しているにもかかわらずメンバー同士が互いに不慣れであることがあり、そのようなグループの結束性に欠ける問題に対処するため。
• 各グループメンバーが少なくとも *c* 人の他のメンバーを知っていることを保証する最小熟知制約 *c* を課す新しいジオスポーチャルグループクエリ（GSGQ）のクラスを形式化するため。
• 効率的なクエリ処理を可能にする、空間的および社会的距離を統合したスケーラブルな外部記憶装置用インデックス構造（SaR-tree および SaR*-tree）を設計するため。
• 最小熟知制約の下で、k-NN や範囲クエリを含むさまざまなGSGQのバリエーションを処理する最適化されたアルゴリズムを開発するため。
• 提案手法を実世界のデータセットで評価し、クエリおよび更新ワークロードの両面で、ベースラインのRツリーに基づく手法に比べて優れた性能を示すため。

提案手法

• クエリ発行者 *q*、空間的制約 *Λ*（例：k-NN または範囲）、および熟知制約 *c* の3つのパラメータで定義される新しいGSGQのファミリーを提案し、各グループメンバーが少なくとも *c* 人の他のメンバーを知っていることを保証する。
• 空間的近接性と社会的つながりの両方に基づいてユーザーをクラスタリングする社会的関係を考慮した空間インデックスであるSaR-treeを設計し、クエリ処理中のプルーニング効果を向上させる。
• クラスタリングプロセスに空間的距離と社会的距離の両方を組み込むことで、SaR-tree をさらに改善し、SaR*-tree を構築。これにより、インデックス品質とクエリ性能が向上する。
• SaR-tree および SaR*-tree の階層的構造を活用して、I/Oおよび計算量を最小限に抑えるために、k-NN やリラックスk-NN クエリを処理するための新しいアルゴリズムを開発。
• 動的SNS環境を想定し、位置情報および社会的関係の更新をバッチ処理することで、インデックスの一貫性を最小限のオーバーヘッドで維持するラージ更新モデルを実装。
• 候補のプルーニングや早期終了といった最適化技術を採用し、探索空間を削減してクエリ効率を向上させる。

実験結果

リサーチクエスチョン

• RQ1 実世界の応用において、グループメンバー間の熟知度を最低限保証することで、グループの結束性を向上させることは可能か？
• RQ2 大規模かつ動的なLBSNにおいて、最小熟知制約を満たすGSGQsを効率的にサポートするインデックス構造は何か？ これによりI/Oおよび計算コストを最小限に抑えることができるか？
• RQ3 実世界のデータセットにおいて、提案されたSaR-treeおよびSaR*-treeは、従来のRツリーに基づく手法に比べて、クエリ性能と更新効率の両面で優れているか？
• RQ4 バッチ更新サイズおよび更新頻度が、動的環境下でのGSGQ処理の性能に与える影響は何か？
• RQ5 最小熟知制約を課すことで、従来の手法に比べてユーザーの好みやグループ推薦の質感がどの程度向上するか？

主な発見

• 提案されたGSGQモデルは、最小熟知制約 *c* を課すことで、各メンバーが少なくとも *c* 人の他のメンバーを知っていることを保証し、グループ内の社会的相互作用の質を向上させる点で顕著な効果を示している。
• SaR*-tree は、Gowalla および Twitter-2010 データセットの両方で、クエリスループットにおいて SaR-tree やベースラインの CR/R-tree 手法を上回り、あらゆるワークロードで最高の性能を達成している。
• Gowalla では、クエリ対更新比率が高い状況下で、CR よりも最大1.8倍、Rツリー よりも最大2.5倍のスループットを達成しており、スケーラビリティの優位性が明確に示されている。
• SaRツリーの平均アムオリタイズド更新時間は、バッチサイズが大きくなるに従い、CBR（候補ブロック参照）の無効化が減少するため、短くなる。これは、更新効率の向上を示している。
• ユーザーの好みに関する調査では、78%の参加者がGSGQの結果をSSGQの結果よりも好んだ。これは、熟知制約が認識された有用性および社会的質の向上に寄与していることを裏付けている。
• SaR*-tree を用いたGSGQのクエリ実行時間およびページアクセスコストは、ベースライン手法に比べ常に低く抑えられており、Twitter-2010 では高負荷の更新状況下で最大3.2倍のI/Oコスト削減が達成されている。