[論文レビュー] Usage-based vs. Citation-based Methods for Recommending Scholarly Research Articles

André Vellino|arXiv (Cornell University)|Mar 28, 2013

Recommender Systems and Techniques参考文献 15被引用数 11

ひとこと要約

本研究では、スコラールアーティクルの推薦システムとしての使用ベース（bXシステム）と引用ベース（Sarkanto）の推薦システムを、シードアーティクルと推薦結果の間の意味的類似度を評価することで比較した。全テキストの語句から得られるジャーナルレベルの意味的ベクトルを用いて、引用ベースの推薦が使用ベースの推薦よりも意味的に多様であることが判明した。両手法は推薦カバレッジにおいて基本的に補完的であることが示された。

ABSTRACT

There are two principal data sources for collaborative filtering recommenders in scholarly digital libraries: usage data obtained from harvesting a large, distributed collection of Open URL web logs and citation data obtained from the journal articles. This study explores the characteristics of recommendations generated by implementations of these two methods: the 'bX' system by ExLibris and an experimental citation-based recommender, Sarkanto. Recommendations from each system were compared according to their semantic similarity to the seed article that was used to generate them. Since the full text of the articles was not available for all the recommendations in both systems, the semantic similarity between the seed article and the recommended articles was deemed to be the semantic distance between the journals in which the articles were published. The semantic distance between journals was computed from the "semantic vectors" distance between all the terms in the full-text of the available articles in that journal and this study shows that citation-based recommendations are more semantically diverse than usage-based ones. These recommenders are complementary since most of the time, when one recommender produces recommendations the other does not.

研究の動機と目的

• 使用ベースおよび引用ベースの手法がスコラールデジタルライブラリーにおいて生成する推薦の意味的多様性を評価・比較すること。
• 各手法がスコラールアーティクル間の意味的関係をどの程度効果的に捉えられるかを調査すること。
• 実際の運用において、使用ベースおよび引用ベースの推薦システムがどの程度相補的であるかを特定すること。
• 全テキストデータが入手不能な状況において、ジャーナルレベルの意味的ベクトルを用いて、シードアーティクルと推薦アーティクル間の意味的類似度を代理指標として評価すること。

提案手法

• ユーザーのインタラクションを記録するOpen URLウェブログに基づいて、使用ベースの推薦にbXシステムを用いた。
• ジャーナルアーティクルの引用データを用いて、引用ベースの推薦システム（Sarkanto）を実装した。
• 各ジャーナルに属するアーティクルの全テキスト語句から得られる「意味的ベクトル」を用いて、ジャーナル間の意味的距離を計算した。
• 全テキストデータがすべての推薦に対して入手できないことを踏まえ、ジャーナル間の意味的距離を、アーティクル間の意味的類似度の代理指標として扱った。
• シードアーティクルのジャーナルと推薦アーティクルのジャーナルとの間の意味的類似度（距離）を比較することで、推薦の質を測定した。
• 推薦されたアーティクルの重複度を分析することで、両システムの相補性を評価した。

実験結果

リサーチクエスチョン

• RQ1 使用ベースと引用ベースの推薦システムは、推薦の意味的多様性においてどのように異なるか？
• RQ2 使用ベースと引用ベースの推薦システムは、どの程度推薦するアーティクルが重複するか？
• RQ3 全テキストが入手不能な状況において、ジャーナルレベルの意味的ベクトルは、スコラールアーティクル間の意味的類似度を信頼できる代理指標として機能するか？
• RQ4 引用ベースの推薦は、使用ベースの推薦と比較して、シードアーティクルにどの程度意味的に近接しているか？

主な発見

• 引用ベースの推薦は、使用ベースの推薦と比べて顕著に意味的に多様性が高いことが示された。
• ジャーナル間の意味的距離は、アーティクル間の意味的類似度を信頼できる代理指標として機能し、全テキストへのアクセスが制限される状況下でも有効な比較が可能であった。
• 使用ベースと引用ベースの推薦システムは、ほとんど重複のない推薦を生成しており、強い相補性が確認された。
• 平均して、引用ベースの推薦は使用ベースの推薦よりも、シードアーティクルのジャーナルから意味的に離れていることが判明した。これは、関連トピックのより広範な探索がなされていることを示唆している。
• 本研究では、引用ベースのシステムが意味的に多様でありながらも関連性の高いスコラールアーティクルを効果的に推薦できることを確認した。