[論文レビュー] Probabilistic Generative Model of Social Network Based on Web Features

Mahyuddin K. M. Nasution, Shahrul Azman Mohd Noah|arXiv (Cornell University)|Jul 17, 2012

Advanced Text Analysis Techniques参考文献 27被引用数 7

ひとこと要約

本稿では、検索スニペット、URL、固有表現などのウェブ特徴から社会的ネットワークを構築する確率的生成モデルを提案する。ベイズ推論と期待最大化（EM）アルゴリズムを用いて潜在的トピックを通じて関係性をモデル化することで、非構造的ウェブデータから動的で属性ベースの社会的ネットワークの発見が可能になる。

ABSTRACT

In this paper, we develop a dynamic framework for the modeling and analysis of social networks to work with web documents. We illustrate the model with features of web, design a form to analyze relationships of attributes as a modality of social structure, and create the optimization of generative model based on Bayes Theorem.

研究の動機と目的

• ウェブドキュメントと特徴を用いて、動的で生成的なフレームワークを構築すること。
• ウェブスニペット、固有表現、語句頻度を確率的モデルとして社会的構造に統合すること。
• 検索結果内の語のクラスタから導出される潜在的トピックを通じて、アクター間の関係性をモデル化すること。
• ベイズの定理と期待最大化（EM）アルゴリズムを用いて生成モデルを最適化すること。
• 明示的なリンクやメタデータに依存せずに、非構造的ウェブデータから社会的ネットワークを推論可能にすること。

提案手法

• 潜在的トピック $ z \in \mathcal{Z} $ を用いて、ドキュメント、アクター（名前）、語の間の連合確率分布として社会的ネットワークをモデル化する。
• 生成モデルを $ P(S,a,w) = \sum_{z \in \mathcal{Z}} P(z)P(S|z)P(w|z)P(a|z) $ で定義する。ここで $ S $ はスニペットのリスト、$ a $ はアクター、$ w $ は語を表す。
• ウェブ検索結果から条件付き確率 $ P(w|a) $、$ P(w|S) $、$ P(a|z) $ をベイズ推論により推定する。
• 期待最大化（EM）アルゴリズムを用いて、ウェブスニペットと固有表現の出現からモデルパラメータを学習する。
• 各アクターの文脈をスニペットからの語のバッグとして表現し、トピックモデリングにより潜在的属性を特定する。
• 類似性および関係性モデリングの向上を目的として、シングルトンおよびダブルトン語を特徴量として導入する。

実験結果

リサーチクエスチョン

• RQ1 非構造的ウェブドキュメントおよび検索エンジンのスニペットから、どのように社会的ネットワークの関係性を推論できるか？
• RQ2 潜在的トピックを用いて、アクター、語、ドキュメントの連合分布をモデル化する確率的フレームワークは何か？
• RQ3 ベイズ推論とEM最適化は、ウェブ特徴からの社会的ネットワーク再構築の正確性をどのように向上させるか？
• RQ4 ウェブスニペットと固有表現の出現は、アクターの属性と社会的結束をどのようにモデル化に寄与するか？
• RQ5 語のクラスタから導出される潜在的トピックは、社会的構造と関係性を効果的に表現できるか？

主な発見

• 提案されたモデルは、潜在的トピックを用いてドキュメント、アクター、語の間の生成プロセスとして社会的ネットワークを効果的に表現できた。
• 連合確率モデル $ P(S,a,w) = \sum_{z} P(z)P(S|z)P(w|z)P(a|z) $ により、共有トピックを通じてアクター間の関係性を推論可能となった。
• ウェブスニペットは語のバッグとしてモデル化され、条件付き確率 $ P(w|a) $ と $ P(w|S) $ が文脈に特化したアクター-語関連性を捉えた。
• スニペット内の語のクラスタから導出される潜在変数 $ z $ は、社会的属性や役割の代理として機能し、トピックベースのアクタークラスタリングを可能にした。
• ウェブコンテンツにおける共有トピックと語の共起パターンを通じて、動的ネットワーク構築が可能となった。
• EMアルゴリズムを用いてモデルをパラメータ化・最適化し、ベイズ確率とトピックモデリングの理論的裏付けを有する。