[論文レビュー] Semantic Annotation for Microblog Topics Using Wikipedia Temporal Information

Tuan Tran, Nam Khanh Tran+2 more|arXiv (Cornell University)|Jan 14, 2017

Web Data Mining and Analysis参考文献 25被引用数 5

ひとこと要約

本稿では、ウィキペディアの編集履歴およびページビュー記録からの時間的ダイナミクスを活用して、トレンドであるTwitterハッシュタグの意味的アノテーションを新たに提案する。インフォーマル最大化に基づく学習アルゴリズムを用いることで、バースト期におけるハッシュタグとウィキペディアエンティティ間の時間的相関をモデル化し、エンティティリンクの正確性を向上させる。この手法は、バースト期におけるハッシュタグとウィキペディアエンティティ間の時間的相関をモデル化することで、最先端のベースライン比17–28%の高いパフォーマンスを達成する。

ABSTRACT

Trending topics in microblogs such as Twitter are valuable resources to understand social aspects of real-world events. To enable deep analyses of such trends, semantic annotation is an effective approach; yet the problem of annotating microblog trending topics is largely unexplored by the research community. In this work, we tackle the problem of mapping trending Twitter topics to entities from Wikipedia. We propose a novel model that complements traditional text-based approaches by rewarding entities that exhibit a high temporal correlation with topics during their burst time period. By exploiting temporal information from the Wikipedia edit history and page view logs, we have improved the annotation performance by 17-28\%, as compared to the competitive baselines.

研究の動機と目的

• トレンドであるTwitterハッシュタグの意味的アノテーションに関する研究が不足していることに対処すること。これらはしばしば曖昧で文脈依存的である。
• 静的でコンテンツベースのエンティティリンクの限界を克服し、ウィキペディアからの時間的ダイナミクスを統合すること。
• ピーク活動期におけるトレンドハッシュタグを、最も関連性の高いウィキペディアエンティティに自動的かつスケーラブルにリンクする手法を開発すること。
• 時間的信号としてのウィキペディアページビュー統計と編集履歴を統合することで、アノテーションパフォーマンスを向上させること。
• 人為的ラベルデータを必要としない情報拡散の様子を模倣する学習アルゴリズムを設計し、エンティティをランク付けすること。

提案手法

• ウィキペディアのページビュー記錴と編集履歴を用いて、ハッシュタグのバースト期におけるエンティティへの注目度を反映する時系列信号を抽出する。
• 時間的相関を、トレンドハッシュタグと候補となるウィキペディアエンティティとの間で、時系列類似度測定法を用いてモデル化する。これにより、ハッシュタグのバースト期と整合性の高いエンティティが評価対象となる。
• インフォーマル最大化に着想を得た新しい学習アルゴリズムが、コンテンツベースの類似度（例：言語モデル）と時間的顕著性を統合した単一のランク付けフレームワークを提供する。
• 人為的ラベル付きトレーニングデータを必要とせず、類似度測定法の最適な重みを自動で学習する。
• 類似した情報拡散パターンを示す他のソーシャルメディアプラットフォームへも一般化可能であるように設計されている。
• 局所的なメンション文脈とグローバルな時間的顕著性を組み合わせたハイブリッド類似度測定法を用いて、候補エンティティを評価する。

実験結果

リサーチクエスチョン

• RQ1 ウィキペディアの編集履歴およびページビューからの時間的信号は、トレンドであるTwitterハッシュタグの意味的アノテーション精度を向上させることができるか？
• RQ2 時間的相関を持つエンティティダイナミクスを統合することで、静的コンテンツベースの手法と比較してエンティティリンクパフォーマンスがどのように向上するか？
• RQ3 インフォーマル最大化に基づく学習戦略は、従来のベースラインと比較して、自動ハッシュタグアノテーションにおいてどの程度優れているか？
• RQ4 エンティティの種類（内因的（ミーム駆動）対外因的（出来事駆動））によって、本手法のパフォーマンス特性はどのように変化するか？
• RQ5 特に飽和状態やノイズの多い期間において、バーストウィンドウサイズの変動に対して本手法はどの程度頑健か？

主な発見

• 提案手法は、競合するベースライン比17–28%の高いパフォーマンスを示し、精度および平均平均精度（mean average precision）の両面で顕著な向上を達成した。
• 本手法は、さまざまなバーストウィンドウサイズにおいて、すべてのベースラインを上回り、飽和状態でのノイズ増加に対しても高い安定性を維持した。
• インフォーマル最大化に基づく学習アルゴリズムは、コンテンツ信号と時間的信号を効果的に統合し、人為的ラベルなしで優れた結果を達成した。
• 従来の手法では内因的ハッシュタグ（例：ミーム）ではパフォーマンスが低下するが、本手法は外因的で出来事駆動のハッシュタグにおいて、より深い意味的アノテーションが求められる状況で優れた性能を示した。
• 時間的類似度測定法（例：f_t）は、言語モデルなどのコンテンツベース手法よりも優れており、特にTwitterとウィキペディア間の語彙的・分布的差異の影響を受ける。
• 本手法はウィンドウサイズの変動に対して頑健であり、トレンド期間が延長されたり、明確でなくなったりしても、一貫して優れた性能を示した。