[論文レビュー] Novelty and Social Search in the World Wide Web

Bernardo A. Huberman, Lada A. Adamic|ArXiv.org|Sep 18, 1998

Complex Network Analysis Techniques参考文献 12被引用数 6

ひとこと要約

本稿では、新奇性駆動の探索とソーシャルレコメンデーションの組み合わせを通じて、ユーザーのサイト訪問パターンを説明する、World Wide Web上の社会的検索の動的モデルを提案する。独立した発見の速度と関連する指数を持つ普遍的なべき乗則を導出し、サイトのアクセス頻度に関する実証的検証を実施。その結果、サイトや時間経過に関係なく一貫したスケーリングが確認された。

ABSTRACT

The World Wide Web is fast becoming a source of information for a large part of the world's population. Because of its sheer size and complexity users often resort to recommendations from others to decide which sites to visit. We present a dynamical theory of recommendations which predicts site visits by users of the World Wide Web. We show that it leads to a universal power law for the number of users that visit given sites over periods of time, with an exponent related to the rate at which users discover new sites on their own. An extensive empirical study of user behavior in the Web that we conducted confirms the existence of this law of influence while yielding bounds on the rate of novelty encountered by users.

研究の動機と目的

• ユーザーが個人的発見とソーシャルレコメンデーションの両方を用いてWebをどのようにナビゲートするかを理解すること。
• ユーザー行動とソーシャルインフルエンスによって駆動されるサイト人気のダイナミクスをモデル化すること。
• 多様なWebサイトにわたるWebトラフィックパターンにおける普遍的なスケーリング則を特定すること。
• ソーシャルな手がかりとは独立して、ユーザーが新規コンテンツに遭遇する速度を定量化すること。
• 理論的予測をWeb利用実験からの実際のユーザーアクセスログと照合して検証すること。

提案手法

• ユーザー訪問をモデル化する確率過程に基づく、レコメンデーションの動的理論を構築する。
• 時間経過に伴うサイト訪問者数を記述するべき乗分布を導入する。
• ユーザー行動を、新規サイトの探索（新奇性）とソーシャルレコメンデーションの従順性のバランスとしてモデル化する。
• 独立したサイト発見の速度を表すパラメータを導入し、これとべき乗則の指数を結びつける。
• 制御されたユーザー研究からのWebアクセスログを実証的に分析し、訪問頻度と新奇性率を測定する。
• 統計的分析を用いて、実世界のデータにおける理論的予測のべき乗則スケーリングを確認する。

実験結果

リサーチクエスチョン

• RQ1 新奇性とソーシャルレコメンデーションは、Web上でのユーザーのサイト訪問パターンにどのように共同で影響を与えるか？
• RQ2 サイト訪問頻度の分布の関数的形態は何か？
• RQ3 異なる種類のWebサイトにわたって成り立つ普遍的なスケーリング則は存在するか？
• RQ4 新しいサイトの独立的発見の速度は、サイト人気のべき乗則指数にどのように影響を与えるか？
• RQ5 実証的なユーザーアクセスパターンは、理論的モデルの予測とどの程度一致するか？

主な発見

• モデルは、独立した新奇性発見の速度に関連する指数を持つ、普遍的なべき乗則をサイト訪問頻度について予測する。
• ユーザー行動実験からの実証的データは、サイト人気における予測されたべき乗則分布の存在を確認する。
• ユーザーが経験する新奇性の率は上限を持つことが判明し、観察されたべき乗則指数から推定された。
• モデルは、サイト固有のパラメータを必要とせず、多様なWebサイトにおけるWebトラフィックのダイナミクスをうまく捉えている。
• ソーシャルレコメンデーションは初期の人気の影響を強化するが、全体のスケーリング行動は新奇性駆動の探索要因によって支配されている。
• 理論的枠組みは、個人のユーザー行動と集計的Webトラフィックパターンとの間の定量的関連を提供する。