[論文レビュー] Semantic Social Network Analysis

Guillaume Erétéo, Fabien Gandon+2 more|ArXiv.org|Apr 23, 2009

Complex Network Analysis Techniques参考文献 12被引用数 52

ひとこと要約

本稿では、従来のソーシャルネットワーク分析（SNA）と意味ウェブ技術を統合することで、オンラインソーシャルネットワークのモデリング、統合、分析を向上させるフレームワークである意味的ソーシャルネットワーク分析（SSNA）を提案する。RDF、オントロジー、意味的推論を活用することで、SSNAはより豊かな、機械可読性の高い社会的関係の表現を可能にし、ネットワーク分析の正確性を向上させるとともに、異種のソーシャルデータソースにおける高度な推論を可能にする。

ABSTRACT

Social Network Analysis (SNA) tries to understand and exploit the key features of social networks in order to manage their life cycle and predict their evolution. Increasingly popular web 2.0 sites are forming huge social network. Classical methods from social network analysis (SNA) have been applied to such online networks. In this paper, we propose leveraging semantic web technologies to merge and exploit the best features of each domain. We present how to facilitate and enhance the analysis of online social networks, exploiting the power of semantic social network analysis.

研究の動機と目的

• Web 2.0プラットフォームから得られる異種的で意味的に豊かなソーシャルデータを扱う古典的SNAの限界を解消すること。
• より表現力があり相互運用性のあるネットワークモデリングを実現するため、ソーシャルネットワーク分析と意味ウェブ技術のギャップを埋めること。
• 形式的オントロジーと意味的メタデータを用いて、自動推論と推論を可能にする。
• 強化されたデータ意味論を活用して、オンラインソーシャルネットワークのライフサイクル管理と進化予測を支援すること。

提案手法

• ユーザー、関係、属性を構造的で機械処理可能な三元組としてモデル化するため、RDF（リソース記述枠組み）を用いたソーシャルネットワークの表現。
• 友人関係、信頼、コンテンツ共有などのソーシャルネットワーク要素を意味的にアノテートするための分野特化型オントロジーの定義。
• 意味的メディエーションおよびオントロジー整合技術を用いて、複数のソーシャルネットワークデータソースを統合する。
• 意味的推論エンジンを適用して、明示的なリンク以外のパターンを検出する、暗黙の関係を推論する。
• SPARQLベースのクエリを用いて、意味的ネットワーク構造および特性の抽出と分析を行う。
• SNA指標（例：中心性、クラスタリング）と意味的拡張を組み合わせることで、解釈可能性とインサイト生成の質を向上させる。

実験結果

リサーチクエスチョン

• RQ1 意味ウェブ技術を従来のソーシャルネットワーク分析と効果的に統合することで、データモデリングと分析の質をどのように向上させられるか？
• RQ2 オントロジーと意味的メタデータは、オンラインソーシャルネットワークの表現力と相互運用性をどの程度向上させられるか？
• RQ3 意味的推論は、文法的リンク解析のみでは捉えきれない、隠れたまたは暗黙の社会的関係を明らかにできるか？
• RQ4 意味的拡張は、中心性やコミュニティ検出といったネットワーク指標の正確性と実用性にどのように影響を与えるか？

主な発見

• RDFとオントロジーの統合により、異種プラットフォーム間でのデータ統合を容易にする、より表現力があり標準化されたソーシャルネットワーク表現が可能になる。
• 意味的推論により、信頼や共有の関心など、暗黙の関係が推論可能となり、ネットワーク分析の深さが向上する。
• SPARQLを用いたクエリ処理により、スケーラブルなソーシャルネットワークの照会と分析が可能になり、複雑なパターンの発見が可能になる。
• SNA指標と意味的メタデータの組み合わせにより、ネットワーク構造とダイナミクスに関するより意味的で文脈に即したインサイトが得られる。