[論文レビュー] SpeedReader: Reader Mode Made Fast and Private

Mohammad Ghasemisharif, Peter Snyder+2 more|arXiv (Cornell University)|Nov 8, 2018

Web Data Mining and Analysis参考文献 27被引用数 5

ひとこと要約

SpeedReaderは、91%の精度を持つ機械学習分類器を用いて、レンダリング前に読み取り可能なウェブページを特定・変換する、画期的なプリレンダリングリーダーモードを提案する。これにより、最大27倍の高速化、84倍の帯域幅削減、トラッカーと広告のほぼ完全な排除を達成し、従来のリーダーモードに比べてパフォーマンス、プライバシー、使いやすさの面で顕著な向上を実現する。

ABSTRACT

Most popular web browsers include "reader modes" that improve the user experience by removing un-useful page elements. Reader modes reformat the page to hide elements that are not related to the page's main content. Such page elements include site navigation, advertising related videos and images, and most JavaScript. The intended end result is that users can enjoy the content they are interested in, without distraction. In this work, we consider whether the "reader mode" can be widened to also provide performance and privacy improvements. Instead of its use as a post-render feature to clean up the clutter on a page we propose SpeedReader as an alternative multistep pipeline that is part of the rendering pipeline. Once the tool decides during the initial phase of a page load that a page is suitable for reader mode use, it directly applies document tree translation before the page is rendered. Based on our measurements, we believe that SpeedReader can be continuously enabled in order to drastically improve end-user experience, especially on slower mobile connections. Combined with our approach to predicting which pages should be rendered in reader mode with 91% accuracy, it achieves drastic speedups and bandwidth reductions of up to 27x and 84x respectively on average. We further find that our novel "reader mode" approach brings with it significant privacy improvements to users. Our approach effectively removes all commonly recognized trackers, issuing 115 fewer requests to third parties, and interacts with 64 fewer trackers on average, on transformed pages.

研究の動機と目的

• ウェブのボリューム過多を解消し、ページの複雑さ、読み込み時間、リソース使用量を低減すること。
• ページのレンダリング前に第三者のトラッカーと広告を排除することで、ユーザーのプライバシーを向上させること。
• 事前にコンテンツを変換することで、低スペックデバイスや遅い接続環境でもパフォーマンスを向上させること。
• 電子書籍に似た継続的かつ常に有効なリーダーモード体験を実現し、ウェブコンテンツの利用可能性を保つこと。
• 高精度かつ最小限のパフォーマンスオーバーヘッドで、スケーラブルにリーダーモードを適用できることを実証すること。

提案手法

• 2,833のラベル付きウェブサイトを用いてトレーニングされた機械学習分類器が、ページがリーダーモードに適しているかどうかを予測し、2ms未満で91%の精度を達成する。
• 分類器は、パーストやレンダリングの前段階での初期HTMLのみを分析するため、早期の意思決定が可能になる。
• 適切なページに対しては、先行研究のヒューリスティクスを用いたドキュメントツリー変換パイプラインが、主要コンテンツを抽出・簡素化する。
• 簡素化された、リーダーモード対応のDOMがブラウザのレンダーレイヤーに渡され、サブリソースの取得を回避する。
• 既存のコンテンツ抽出技術（例：CDOM、CNN、HMM）を用いて、コンテンツ関連のノードを特定・グループ化する。
• パイプラインはレンダリングプロセスに統合されており、スティッキーなブラウザ機能としての継続的デプロイに適している。

実験結果

リサーチクエスチョン

• RQ1 初期HTMLのみを用いて、機械学習モデルがリーダーモードに適したウェブページを正確に予測できるか？
• RQ2 レンダリング前にリーダーモードを適用することで、ネットワーク使用量の削減と読み込み時間の短縮が顕著に達成できるか？
• RQ3 プリレンダリングされたリーダーモードが、トラッカーと広告のブロッキングによってユーザーのプライバシーをどの程度向上できるか？
• RQ4 このアプローチは、ポピュラーなウェブサイトやソーシャルメディア共有ページを含め、さまざまな種類のウェブサイトにどの程度広く適用可能か？
• RQ5 この手法は、レイテンシを引き起こさずにブラウザレンダリングパイプラインに効率的に統合可能か？

主な発見

• SpeedReaderは、従来のレンダリングと比較して、最大27倍の高速化と84倍の帯域幅削減を達成する。
• 変換済みページでは、メモリ使用量が平均2.4倍削減される。
• テスト済みの19,765ページのうち、EasyListおよびEasyPrivacyがラベル付けした広告およびトラッキング関連リソースの100%が、SpeedReaderによって取得が防止される。
• 分類器は2ms未満で91%の精度を達成しており、レンダリングパイプラインへのリアルタイム統合に実用的である。
• Alexaのポピュラーなリストから抽出したページの22.0%およびソーシャルメディア共有ページの46.27%がリーダーモードに変換可能である。
• SpeedReaderは、ページあたり平均115件の第三者リクエストを削減し、64件のトラッカーとやり取りしなくなることで、ユーザーのプライバシーを顕著に向上させる。