[論文レビュー] Tracking User Attention in Collaborative Tagging Communities

Elizeu Santos‐Neto, Matei Ripeanu+1 more|ArXiv.org|May 7, 2007

Recommender Systems and TechniquesComputer Science参考文献 15被引用数 17

ひとこと要約

本稿では、CiteULike や Bibsonomy などの共同タグ付けコミュニティにおけるユーザーの注目度を追跡・モデル化するフレームワークを提案する。タグ付け行動とユーザーの関心の類似性を分析することで、広範な関心を持つコアユーザー群と、ユニークでニッチな関心を持つ多数のユーザーからなるコミュニティ構造が明らかになる。この構造は、拡大する知識空間におけるコンテンツナビゲーションとスケーラビリティの向上に寄与する。

ABSTRACT

Collaborative tagging has recently attracted the attention of both industry and academia due to the popularity of content-sharing systems such as CiteULike, del.icio.us, and Flickr. These systems give users the opportunity to add data items and to attach their own metadata (or tags) to stored data. The result is an effective content management tool for individual users. Recent studies, however, suggest that, as tagging communities grow, the added content and the metadata become harder to manage due to an ease in content diversity. Thus, mechanisms that cope with increase of diversity are fundamental to improve the scalability and usability of collaborative tagging systems. This paper analyzes whether usage patterns can be harnessed to improve navigability in a growing knowledge space. To this end, it presents a characterization of two collaborative tagging communities that target scientific literature: CiteULike and Bibsonomy. We explore three main directions: First, we analyze the tagging activity distribution across the user population. Second, we define new metrics for similarity in user interest and use these metrics to uncover the structure of the tagging communities we study. The structure we uncover suggests a clear segmentation of interests into a large number of individuals with unique preferences and a core set of users with interspersed interests. Finally, we offer preliminary results that demonstrate that the interest-based structure of the tagging community can be used to facilitate content usage as communities scale.

研究の動機と目的

• CiteULike や Bibsonomy などの共同タグ付けコミュニティにおけるユーザーの注目度の分布を理解すること。
• ナビゲーション性やコンテンツの発見可能性に影響を与えるユーザーのタグ付け行動の構造的パターンを特定すること。
• コミュニティの組織を解明するために、ユーザー関心の類似性を測定するためのメトリクスを開発すること。
• コミュニティの拡大に伴って、関心に基づくコミュニティ構造がコンテンツへのアクセスをどのように改善できるかを評価すること。
• デジタル図書館におけるパーソナライズドでスケーラブルなメタデータアクセスの基盤を提供すること。

提案手法

• 貢献頻度のべき乗則的パターンを特定するために、ユーザーごとのタグ付け活動の分布を分析する。
• 共有タグとタグの共起をもとに、新しい類似性メトリクスを定義し、ユーザーの関心の一致度を測定する。
• CiteULike や Bibsonomy の実世界のデータセットを用いて、これらのメトリクスを適用し、ユーザー関心クラスタをマッピングする。
• 得られた関心構造を用いて、コアユーザーとニッチユーザーに分類されたコミュニティのセグメンテーションをモデル化する。
• コンテンツ発見やナビゲーションへの応用可能性を示すことで、この構造の実用性を検証する。
• 統計的およびネットワーク解析手法を用いて、タグの共起パターンから潜在的なコミュニティ組織を解明する。

実験結果

リサーチクエスチョン

• RQ1 共同タグ付けコミュニティにおけるタグ付け活動は、ユーザーごとにどのように分布しているか？
• RQ2 タグの共起と類似性を分析した際、ユーザーの関心にどのような構造的パターンが現れるか？
• RQ3 重複する関心を持つコアユーザー群を特定できるか。また、それらのユーザーは一意な関心を持つユーザーとどのように関係しているか？
• RQ4 識別された関心ベースの構造は、コンテンツナビゲーションとスケーラビリティをどのように支援するか？
• RQ5 ユーザーの注目度パターンを活用することで、拡大するデジタル図書館におけるメタデータアクセスをどの程度改善できるか？

主な発見

• 明確なユーザー関心のセグメンテーションが生じる：ユニークで特異的なタグ付けパターンを持つ多数のユーザーと、重複する関心を持つ少数のコアユーザー群が存在する。
• コアユーザー群は、タグ付け行動の面で高い相互類似性を示しており、共通の関心を持つことと、協調フィルタリングの可能性を示唆している。
• タグ付け活動の分布はべき乗則に従うことが判明し、少数のユーザーが大多数のタグを貢献していることが示された。
• 関心ベースのコミュニティ構造は、コアユーザーがコンテンツ発見のハブとして機能する階層的組織を示している。
• 提案された類似性メトリクスは、ユーザー関心の一致度を効果的に捉えており、パーソナライズドなコンテンツアクセスを支援できる。
• 予備的な結果から、この構造を活用することで、大規模な共同タグ付けシステムにおけるナビゲーション性とスケーラビリティが向上することが示唆された。