[論文レビュー] Semi-metric Behavior in Document Networks and its Application to Recommendation Systems

Luís M. Rocha|ArXiv.org|Sep 9, 2003

Recommender Systems and Techniques参考文献 30被引用数 22

ひとこと要約

本稿では、デジタル図書館やウェブなどのドキュメントネットワークにおける関連関係をモデル化するために、半距離関数に基づく距離グラフを導入し、比を用いて半距離関数の挙動を定量化することで、暗黙の関連性を同定する。本稿では、区間値型ファジィ集合とDempster-Shafer理論に基づく証拠統合アルゴリズムを提案し、推薦システム「TalkMine」における多様な距離データを統合することで、異種の証拠を強固に統合し、推薦精度を向上させる。

ABSTRACT

Recommendation systems for different Document Networks (DN) such as the World Wide Web (WWW) and Digital Libraries, often use distance functions extracted from relationships among documents and keywords. For instance, documents in the WWW are related via a hyperlink network, while documents in bibliographic databases are related by citation and collaboration networks. Furthermore, documents are related to keyterms. The distance functions computed from these relations establish associative networks among items of the DN, referred to as Distance Graphs, which allow recommendation systems to identify relevant associations for individual users. However, modern recommendation systems need to integrate associative data from multiple sources such as different databases, web sites, and even other users. Thus, we are presented with a problem of combining evidence (about associations between items) from different sources characterized by distance functions. In this paper we describe our work on (1) inferring relevant associations from, as well as characterizing, semi-metric distance graphs and (2) combining evidence from different distance graphs in a recommendation system. Regarding (1), we present the idea of semi-metric distance graphs, and introduce ratios to measure semi-metric behavior. We compute these ratios for several DN such as digital libraries and web sites and show that they are useful to identify implicit associations. Regarding (2), we describe an algorithm to combine evidence from distance graphs that uses Evidence Sets, a set structure based on Interval Valued Fuzzy Sets and Dempster-Shafer Theory of Evidence. This algorithm has been developed for a recommendation system named TalkMine.

研究の動機と目的

• ハイパーリンク、キャシテーション、キーワードから導出された距離関数を用いて、ドキュメントネットワークにおける関連関係をモデル化すること。
• 実世界のドキュメントネットワークにおける半距離関数の挙動の度合いを、定量的比を用いて特徴付けること。
• 多様なデータソースから得られる複数の距離グラフからの証拠を統合する手法を開発すること。
• 形式的な証拠統合フレームワークを用いて、多ソースの関連データを統合し、推薦システムを強化すること。
• 本アプローチをプロトタイプシステム「TalkMine」に実装し、評価すること。

提案手法

• 距離が関連性の強さを反映するが、三角不等式が厳密に満たされない場合でもよい半距離関数に基づく距離グラフを定義すること。
• 観測された距離グラフにおける半距離関数の挙動の度合いを定量化する比ベースの指標を導入すること。
• 異なる距離グラフからの不確実な証拠を、信念区間をモデル化する区間値型ファジィ集合を用いて表現すること。
• Dempster-Shafer理論を用いて、複数の距離グラフからの信念構造を統合し、統一された推薦スコアを生成すること。
• 統合された証拠を活用してパーソナライズドな推奨を提供するため、TalkMine推薦システムを設計すること。
• デジタル図書館やウェブサイトからの実世界のデータセットを用いて、半距離関数の挙動と証拠統合アプローチの有効性を検証すること。

実験結果

リサーチクエスチョン

• RQ1 実世界のドキュメントネットワークは、その距離関係においてどの程度半距離関数の挙動を示すのか。
• RQ2 半距離関数の挙動の度合いは、どのように定量的に測定され、意味のある関連性を同定するために利用できるのか。
• RQ3 信頼性や構造が異なる複数の距離グラフからの証拠を効果的に統合する方法は何か。
• RQ4 多ソースの距離証拠を統合することで、単一ソースのアプローチと比較して推薦品質がどのように向上するのか。
• RQ5 形式的な信念統合フレームワークは、ドキュメントネットワークにおける異種の関連データを効果的に統合できるか。

主な発見

• 本稿では、デジタル図書館やウェブサイトなどのドキュメントネットワークが、メトリック性の一部の性質への準拠を示す測定可能な比によって裏付けられるように、顕著な半距離関数の挙動を示すことが実証された。
• 比ベースの指標は、従来のメトリクスが失敗するようなネットワークにおいても、意味のある暗黙の関連性を効果的に同定できた。
• 区間値型ファジィ集合とDempster-Shafer理論を用いた本稿で提案する証拠統合アルゴリズムにより、多様なソースからの距離データの強固な統合が可能になった。
• 本フレームワークに基づき構築されたTalkMineシステムは、多様な関連信号を統合することで、改善された推薦品質を達成した。
• 複数のドキュメントネットワークにおける実証的評価により、半距離関数の挙動が関連性発見の信号として有効であることが確認された。
• 異種のソースからの証拠統合は、単一ソースの手法よりも、より正確で信頼性の高い推薦をもたらした。