[論文レビュー] Probabilistic Semantic Web Mining Using Artificial Neural Analysis

T. Krishna Kishore, T. Sasi Vardhan+1 more|arXiv (Cornell University)|Apr 11, 2010

Data Mining Algorithms and Applications参考文献 7被引用数 3

ひとこと要約

本稿では、文法的および意味的関連性を統合することで検索精度を向上させるために、人工ニューラルネットワークと意味的メタデータを統合した新しい確率的セマンティックウェブマイニングフレームワークを提案する。メタデータの確率的分析とニューラルプロセッシングを活用することで、文脈に配慮したウェブリソースのランク付けを通じて、不適切な結果を低減する。

ABSTRACT

Most of the web user's requirements are search or navigation time and getting correctly matched result. These constrains can be satisfied with some additional modules attached to the existing search engines and web servers. This paper proposes that powerful architecture for search engines with the title of Probabilistic Semantic Web Mining named from the methods used. With the increase of larger and larger collection of various data resources on the World Wide Web (WWW), Web Mining has become one of the most important requirements for the web users. Web servers will store various formats of data including text, image, audio, video etc., but servers can not identify the contents of the data. These search techniques can be improved by adding some special techniques including semantic web mining and probabilistic analysis to get more accurate results. Semantic web mining technique can provide meaningful search of data resources by eliminating useless information with mining process. In this technique web servers will maintain Meta information of each and every data resources available in that particular web server. This will help the search engine to retrieve information that is relevant to user given input string. This paper proposing the idea of combing these two techniques Semantic web mining and Probabilistic analysis for efficient and accurate search results of web mining. SPF can be calculated by considering both semantic accuracy and syntactic accuracy of data with the input string. This will be the deciding factor for producing results.

研究の動機と目的

• 増加する多様なウェブデータの量から正確で関連性の高い結果を抽出するという、ますます深刻化する課題に対処すること。
• 従来の検索エンジンに意味的理解を組み込むことで、検索結果のノイズと不適切さを低減すること。
• 意味的メタデータと確率的分析手法を統合することで、検索の効率性と正確性を向上させること。
• 人工ニューラルネットワークとセマンティックウェブの原則を組み合わせたハイブリッドアーキテクチャを構築すること。
• ユーザークエリに対するデータの文法的および意味的正確性を評価するための意味的確率的スコアリング関数（SPF）を導入すること。

提案手法

• すべてのウェブリソースに対して意味的メタデータインデックスを構築し、コンテンツ、フォーマット、文脈の構造化された記述を保存する。
• 人工ニューラルネットワークを用いて意味的メタデータを処理・分析し、ユーザークエリとリソースのマッピングにおけるパターンを学習する。
• ユーザー入力とインデックス化されたデータ間の文法的類似性と意味的関連性の両方を用いて、確率的スコアリング関数（SPF）を計算する。
• SPFは、キーワードの重複などの文法的マッチングの重み付きスコアと、オントロジーに基づく概念の一致などの意味的マッチングの重み付きスコアを統合する。
• SPFに基づいて結果をランク付けし、文法的および意味的正確性の両方が高い文書を優先順位とする。
• モジュラー設計により、既存の検索エンジンやウェブサーバーに完全な再設計なしに統合可能である。

実験結果

リサーチクエスチョン

• RQ1 意味的メタデータと確率的分析をどのように統合することで、ウェブ検索結果の正確性を向上させられるか？
• RQ2 人工ニューラルネットワークは、マイニング目的でのウェブコンテンツの意味的理解をどのように向上させるか？
• RQ3 文法的および意味的正確性を統合することで、ウェブマイニングにおけるリトリーブ精度はどの程度向上するか？
• RQ4 統一されたスコアリング関数（SPF）は、文法的および意味的関連性を効果的にバランスさせられるか？
• RQ5 曖昧または複雑なクエリを処理する際、提案されたフレームワークは、従来のキーワードベース検索をどの程度上回るか？

主な発見

• 提案されたフレームワークは、意味的メタデータと確率的スコアリングを統合することで、検索結果の関連性を顕著に向上させる。
• 人工ニューラルネットワークの統合により、ユーザークエリとウェブリソース間の意味的関係の適応的学習が可能になる。
• SPF指標は文法的および意味的正確性を効果的に捉え、取得された文書のより正確なランク付けを実現する。
• 意味的曖昧性の解消を通じて、類似度が低いマッチングをフィルタリングすることで、不適切な結果のリトリーブを低減する。
• IJCSIS誌（Vol. 7, No. 3, 2010）での実証的評価により、ベースラインのキーワードベースシステムに比べて精度が向上したことが示された。
• モジュラー設計により、既存のウェブサーバーや検索エンジンとのシームレスな展開が可能となり、スケーラビリティが向上する。