[論文レビュー] Motivation for hyperlink creation using inter-page relationships

Patrick Kenekayoro, Kevan Buckley+1 more|arXiv (Cornell University)|Oct 24, 2013

Web visibility and informetrics参考文献 35被引用数 4

ひとこと要約

本論文は、UKの学術的ウェブサイトにおけるハイパーリンク動機を、ページ間関係を分析することで自動的に分類する機械学習的手法を提案する。リンクパターンに基づいてウェブページを8つのタイプに分類することで、手動での検査なしにスケーラブルかつ正確にハイパーリンクの目的を特定可能となり、大規模なウェビオメトリクス研究における効率を著しく向上させる。

ABSTRACT

Using raw hyperlink counts for webometrics research has been shown to be unreliable and researchers have looked for alternatives. One alternative is classifying hyperlinks in a website based on the motivation behind the hyperlink creation. The method used for this type of classification involves manually visiting a webpage and then classifying individual links on the webpage. This is time consuming, making it infeasible for large scale studies. This paper speeds up the classification of hyperlinks in UK academic websites by using a machine learning technique, decision tree induction, to group web pages found in UK academic websites into one of eight categories and then infer the motivation for the creation of a hyperlink in a webpage based on the linking pattern of the category the webpage belongs to.

研究の動機と目的

• ウェビオメトリクスにおいて文脈的信頼性に欠ける生ハイパーリンク数の限界を是正する。
• 大規模な研究において非現実的である手動によるハイパーリンク分類の非効率性を克服する。
• ウェブページ内の構造的パターンに基づいて、ハイパーリンク作成動機を自動的に推定する手法を開発する。
• 機械学習を用いて、UKの学術的ウェブサイト全体におけるハイパーリンク作成動機のスケーラブルな分析を可能にする。
• ハイパーリンクの目的をページの種別とリンク行動に結びつけることで、ウェビオメトリクス研究の正確性と効率性を向上させる。

提案手法

• UKの学術的ウェブサイトのウェブページを、ページ間リンクパターンに基づいて8つのカテゴリのいずれかに分類する意思決定木インダクションを用いる。
• 出リンクの数や種別といった、各ウェブページのリンク構造からの特徴量を抽出し、分類に活用する。
• ハイパーリンク動機が手動で分類済みのラベル付きデータを用いて意思決定木モデルを学習する。
• 意思決定木がウェブページをどのカテゴリに割り当てたかに基づき、特定のウェブページにおけるハイパーリンク作成の動機を推定する。
• 同じカテゴリに属するページは類似したハイパーリンク作成行動を示すという仮定を活用する。
• 学習済みモデルを新しいウェブページに適用し、スケールに応じて自動的にハイパーリンク動機を予測する。

実験結果

リサーチクエスチョン

• RQ1 ページ間リンクパターンを用いることで、学術的ウェブサイトにおけるハイパーリンク動機を信頼性高く推定できるか？
• RQ2 意思決定木インダクションが、ハイパーリンク目的を反映するカテゴリにウェブページを正確に分類できる程度はどの程度か？
• RQ3 自動分類手法の性能は、正確性とスケーラビリティの観点から手動分類と比べてどの程度か？
• RQ4 UKの学術機関における異なる種類のウェブページ内に、支配的となるハイパーリンク動機のパターンは何か？
• RQ5 ウェブページの構造的特徴に基づいて学習された機械学習モデルは、ハイパーリンク作成の意図を効果的に予測できるか？

主な発見

• 意思決定木モデルは、リンク行動に基づいてウェブページをカテゴリに分類する際に高い正確性を達成した。
• ページのカテゴリからハイパーリンク動機が成功裏に推定され、手動での検査の必要性が削減された。
• 本手法により、従来の手動手法では不可能であった、UKの学術的ウェブサイト全体におけるハイパーリンク動機の大規模分析が可能になった。
• 類似したカテゴリに属するページは一貫したハイパーリンク作成パターンを示し、カテゴリベースの推定手法の妥当性が裏付けられた。
• 本手法は、信頼性を保ちつつ、ハイパーリンク分類に要する時間と労力を著しく削減した。
• 本研究では、ページ間関係が学術的ウェブ文脈におけるハイパーリンク動機の強力な予測要因であることが示された。