[論文レビュー] Memory and Structure in Human Navigation Patterns.

Philipp Singer, Denis Helić+2 more|arXiv (Cornell University)|Feb 4, 2014

Web Data Mining and Analysis参考文献 24被引用数 9

ひとこと要約

本稿は、人間のWebナビゲーションをモデル化する際に、1次マルコフ連鎖モデルと高次マルコフ連鎖モデルの適切さを評価する。2つのナビゲーションデータセットを用いた高度な推論手法の適用により、ページレベルではメモリレスなモデルが十分である一方、トピックレベルのナビゲーションでは記憶効果が顕在化し、高次モデルの必要性が示され、文脈に配慮したナビゲーションモデル化の重要性が強調される。

ABSTRACT

One of the most frequently used models for understanding human navigation on the Web is the Markov chain model, where Web pages are represented as states and hyperlinks as probabilities of navigating from one page to another. Predominantly, human navigation on the Web has been thought to satisfy the memoryless Markov property stating that the next page a user visits only depends on her current page and not on previously visited ones. This idea has found its way in numerous applications such as Google's PageRank algorithm and others. Recently, new studies suggested that human navigation may better be modeled using higher order Markov chain models, i.e., the next page depends on a longer history of past clicks. Yet, this finding is preliminary and does not account for the higher complexity of higher order Markov chain models which is why the memoryless model is still widely used. In this work we thoroughly present a diverse array of advanced inference methods for determining the appropriate Markov chain order. We highlight strengths and weaknesses of each method and apply them for investigating memory and structure of human navigation on the Web. Our experiments reveal that the complexity of higher order models grows faster than their utility, and thus we confirm that the memoryless model represents a quite practical model for human navigation on a page level. However, when we expand our analysis to a topical level, where we abstract away from specific page transitions to transitions between topics, we find that the memoryless assumption is violated and specific regularities can be observed. We report results from experiments with two types of navigational datasets (goal-oriented vs. free form) and observe interesting structural differences that make a strong argument for more contextual studies of human navigation in future work.

研究の動機と目的

• 人間のWebナビゲーションがメモリレスなマルコフ性を満たすか、あるいは高次モデルを必要とするかを評価すること。
• 現実のナビゲーションをモデル化する際、高次マルコフ連鎖と1次モデルの複雑さと有用性を比較すること。
• 目的志向型と自由形式のブラウジング行動の間で、ナビゲーションパターンの構造的差異を調査すること。
• 抽象化がトピックレベルに及ぶと、なぜそしてどのようにメモリレス仮定が破綻するかを特定すること。
• 特にトピックレベルで記憶効果が顕在化する背景を踏まえ、文脈に配慮したナビゲーションモデル化の必要性を提唱すること。

提案手法

• 与えられたナビゲーションデータに対して最適なマルコフ連鎖の次数を特定するため、多様な高度な推論手法を適用する。
• 目的志向型と自由形式のナビゲーションという2つの異なるデータセットを用い、異なるブラウジング文脈におけるモデル性能を評価する。
• ページレベルの遷移をトピックレベルの遷移に抽象化することで、個々のページを越えた記憶効果を評価する。
• 統計的推論手法を用いて、高次マルコフ連鎖におけるモデルの複雑さと予測的有用性のバランスを比較する。
• ナビゲーションシーケンスの構造的規則性を分析し、メモリレス仮定の違反を検出する。
• モデルの複雑さと正確性のトレードオフを評価し、高次モデルの実用的適用可能性を決定する。

実験結果

リサーチクエスチョン

• RQ1 人間のWebナビゲーションはページレベルでメモリレスなマルコフ性を満たすか？
• RQ2 高次マルコフモデルの複雑さは、ナビゲーションモデル化におけるその予測的利得と比べてどの程度か？
• RQ3 トピックレベルで見ると、1次マルコフ仮定に反するナビゲーションの構造的パターンは存在するか？
• RQ4 目的志向型と自由形式のナビゲーション行動は、記憶力と構造的規則性の観点でどのように異なるか？
• RQ5 どのような条件下でメモリレス仮定が破綻し、ナビゲーションモデル化にどのような影響を及えるか？

主な発見

• 個々のページレベルでは、メモリレスな1次マルコフ連鎖モデルが実用的かつ十分なモデルのままである。
• 高次マルコフモデルは、その有用性に比して複雑さが急速に増加するため、ページレベルのモデル化には効率的でない。
• トピックレベルでは、メモリレス仮定が破綻しており、ナビゲーション行動に一貫した構造的パターンが顕在化する。
• 目的志向型と自由形式のナビゲーションは、それぞれ異なる構造的規則性を示しており、文脈依存のナビゲーションダイナミクスを示唆する。
• 今後のナビゲーション研究において、特にページレベルを超えた分析では、より文脈的かつトピックに配慮したモデル化の必要性が支持される。
• 本研究は、ナビゲーションをトピックに抽象化する際、高次モデルの必要性が実証的根拠をもって示されている（ページレベルではそれほど顕著ではないが）。