[論文レビュー] Just an Update on PMING Distance for Web-based Semantic Similarity in Artificial Intelligence and Data Mining

Valentina Franzoni|arXiv (Cornell University)|Jan 1, 2017

Semantic Web and Ontologies参考文献 10被引用数 2

ひとこと要約

本稿では、PMING距離の再定式化された代数的定式化を提示する。PMING距離は、ポイントワイズ相互情報量（PMI）と正規化グーグル距離（NGD）を局所的に正規化された線形結合に統合したウェブベースの意味的類似度測定法である。更新された定義により、検索エンジンのクエリ頻度を用いた用語間の意味的接近度測定において、耐障害性と正確性が向上し、情報検索およびデータマイニングタスクにおいて、従来の定式化を上回る性能を発揮する。

ABSTRACT

One of the main problems that emerges in the classic approach to semantics is the difficulty in acquisition and maintenance of ontologies and semantic annotations. On the other hand, the Internet explosion and the massive diffusion of mobile smart devices lead to the creation of a worldwide system, which information is daily checked and fueled by the contribution of millions of users who interacts in a collaborative way. Search engines, continually exploring the Web, are a natural source of information on which to base a modern approach to semantic annotation. A promising idea is that it is possible to generalize the semantic similarity, under the assumption that semantically similar terms behave similarly, and define collaborative proximity measures based on the indexing information returned by search engines. The PMING Distance is a proximity measure used in data mining and information retrieval, which collaborative information express the degree of relationship between two terms, using only the number of documents returned as result for a query on a search engine. In this work, the PMINIG Distance is updated, providing a novel formal algebraic definition, which corrects previous works. The novel point of view underlines the features of the PMING to be a locally normalized linear combination of the Pointwise Mutual Information and Normalized Google Distance. The analyzed measure dynamically reflects the collaborative change made on the web resources.

研究の動機と目的

• 従来のオントロジーに基づく意味的モデルのスケーラビリティおよび保守性に関する限界を解消すること。
• 共同ウェブデータを用いたより強固で自動化された意味的類似度測定法の開発。
• PMING距離を、数学的に整合性があり、局所的に正規化された線形結合として形式化すること。
• 情報検索およびデータマイニングアプリケーションにおける意味的接近度推定の正確性と安定性の向上。

提案手法

• PMING距離の新しい形式的代数的定義を提案し、PMIとNGD成分の重み付き組み合わせとして定式化する。
• 検索エンジンのクエリ頻度（f(x), f(y), f(x,y)）および全ドキュメント数Mを入力として使用する。
• 文脈依存の定数μ₁（最大PMI）およびμ₂（最大正規化NGD）を用いて局所的正規化を適用する。
• PMIとNGD成分の寄与度を調整するためのバランスパラメータρを組み込む。
• 検索エンジンをブラックボックスとして扱い、意味的接近度推定に結果数のみに依存する。
• 出力を[0,1]に正規化し、距離 = 1 - 近接度として定義することで、一貫した比較が可能になる。

実験結果

リサーチクエスチョン

• RQ1 PMING距離をどのように形式的に再定式化することで、数学的整合性と性能を向上させられるか？
• RQ2 PMIとNGDを組み合わせることで、ウェブベースのアプリケーションにおける意味的接近度推定にどの程度向上効果が得られるか？
• RQ3 PMIとNGDの局所的に正規化された線形結合は、意味的類似度タスクにおいて個々の測定法を上回る性能を発揮できるか？
• RQ4 更新されたPMING定式化は、ウェブコンテンツおよびユーザーアクティビティの動的変化をどの程度適切に反映できるか？

主な発見

• 更新されたPMING定式化は、PMIとNGDの局所的に正規化された線形結合であり、理論的および実用的耐障害性が向上している。
• 意味的類似度タスクにおいて、単独のPMIおよびNGDよりも優れた性能を達成している。
• 文脈特有の正規化定数（μ₁, μ₂）の使用により、多様な検索文脈における安定性が向上している。
• パラメータρにより、PMI（近接度）とNGD（距離）成分の動的バランスが可能である。
• 手動のアノテーションを必要とせず、検索エンジンのインデックスデータを意味的知識の代理として効果的に活用できる。
• この定式化により、画像タグ付け、感情認識、クエリ拡張などのアプリケーションにおける信頼性の高い意味的接近度推定が可能になる。