[論文レビュー] Local Community Identification through User Access Patterns

Rodrigo B. Almeida, Virgı́lio Almeida|ArXiv.org|Dec 16, 2002

Web Data Mining and Analysis参考文献 17被引用数 3

ひとこと要約

本稿では、サーバーログからのアクセスパターンに依存することで、著者によるリンクに依存しない、ウェブサービスにおけるローカルユーザーコミュニティを同定する新規手法を提案する。ユーザーのアクセス行動をグラフ構造に変換し、修正されたHITSアルゴリズムを適用することで、リンクのない環境においても、意味的に整合性のあるコミュニティを、オンライン書籍販売サービスおよび音声ストリーミングサービスの両方で効果的に同定できた。

ABSTRACT

Community identification algorithms have been used to enhance the quality of the services perceived by its users. Although algorithms for community have a widespread use in the Web, their application to portals or specific subsets of the Web has not been much studied. In this paper, we propose a technique for local community identification that takes into account user access behavior derived from access logs of servers in the Web. The technique takes a departure from the existing community algorithms since it changes the focus of in terest, moving from authors to users. Our approach does not use relations imposed by authors (e.g. hyperlinks in the case of Web pages). It uses information derived from user accesses to a service in order to infer relationships. The communities identified are of great interest to content providers since they can be used to improve quality of their services. We also propose an evaluation methodology for analyzing the results obtained by the algorithm. We present two case studies based on actual data from two services: an online bookstore and an online radio. The case of the online radio is particularly relevant, because it emphasizes the contribution of the proposed algorithm to find out communities in an environment (i.e., streaming media service) without links, that represent the relations imposed by authors (e.g. hyperlinks in the case of Web pages).

研究の動機と目的

• ポータルや専門プラットフォームなどのローカルウェブサービスにおいて、従来のリンクベースのアルゴリズムが中央集権的かつハイパーリンクのない構造のため機能しないというコミュニティ検出のギャップを埋める。
• ハイパーリンクなどの著者によるリンクに依存する既存のコミュニティ検出アルゴリズムの限界を克服する。多くの現代的ウェブサービスでは、これらのリンクが存在しない、あるいは無関係である。
• ユーザーのアクセス行動を暗黙的な関係の代理として活用し、実際のユーザーの関心や行動を反映するコミュニティを同定する。
• 意味的関連性と順位相関を組み合わせた、同定されたコミュニティの品質を検証するための堅牢な評価手法を開発する。
• 本手法が、オンラインラジオや電子商取引プラットフォームなどの実世界のリンクのない環境において、適用可能で効果的であることを実証する。

提案手法

• ユーザーのアクセスログを、リソース（例：書籍、楽曲）をノードとし、アクセス順序や同時訪問をエッジとするグラフ構造に変換する。
• HITS（ハイパーリンク誘導トピック検索）アルゴリズムを変更し、頻繁に同時にアクセスされるリソースをコミュニティの指標として扱う。
• tf-idf順位付け方式を適用し、リソースのアクセス頻度に基づいて、各同定されたコミュニティ内の主要なトピックやテーマを抽出する。
• スピアマン順位相関を用いて、コミュニティ間のペアワイズ距離を計算し、階層的クラスタリングとサモンマッピングによる可視化を可能にする。
• 平均リンク法を用いた階層的クラスタリングを実施し、順位付けされたトピックプロファイルから導かれる意味的類似性に基づいてコミュニティをグループ化する。
• 明示的なメタデータやリンクが欠落している状況においても、コミュニティコンテンツおよび意味的整合性の定性的分析を用いて結果を検証する。

実験結果

リサーチクエスチョン

• RQ1 著者によるリンクに依存せずに、ユーザーのアクセスパターンのみを用いて、意味的に整合性のあるローカルウェブサービス上のコミュニティを効果的に同定できるか？
• RQ2 中央集権的かつハイパーリンクのないサービスにおいて、本手法は従来のリンクベースのコミュニティ検出アルゴリズムと比較して、関連性の高いユーザーコミュニティをいかに効果的に同定できるか？
• RQ3 tf-idfと順位相関に基づく評価手法が、同定されたコミュニティの意味的整合性と関連性をどれほど正確に反映できるか？
• RQ4 書籍販売サービスと音声ストリーミングプラットフォームという、多様なコンテンツタイプを持つサービス間で、コミュニティの構造的および意味的特性にどのような違いが生じるか？
• RQ5 明示的なメタデータやユーザーのタグ付けが存在しない状況でも、地域的音楽嗜好といった社会学的に有意義な行動パターンをアルゴリズムが検出できるか？

主な発見

• 提案手法は、オンライン書籍販売データセットにおいて10の明確に分離されたコミュニティを同定した。これらのコミュニティは、特定のプログラミング言語やコンピュータサイエンスの分野といった、整合性のある関心を反映していた。
• 音声ストリーミングデータセットでは、アルゴリズムが地域的・文化的な焦点を持つコミュニティを検出しており、国際的コンテンツと同等に利用可能であったにもかかわらず、ブラジル音楽に特化した明確なグループが同定された。
• オンラインラジオデータセットのコミュニティは、サモンマッピングにおいてより広範に分散しており、平均リンク距離が高かった。これは、書籍販売サービスと比較して、ユーザー関心の多様性と特異性がより顕著であることを示している。
• tf-idfとスピアマン相関を組み合わせた評価手法は、意味的整合性を効果的に捉えており、コミュニティのトピック順位と実際のユーザー行動との間に高い相関が確認された。
• アルゴリズムは社会的に有意義なパターンを明らかにした。例えば、ブラジルにおける国内音楽の消費が強く、音楽パクリと現地産業の存続に関する実世界のデータと整合していた。
• リンクのない環境でも本手法は堅牢であることが示された。ストリーミングメディアのような、リソース間に明示的な関係が存在しないサービスにおいても、本手法は有効に機能した。