[論文レビュー] Using Lotkaian Informetrics for Ranking in Digital Libraries

Philipp Schaer|arXiv (Cornell University)|Jun 1, 2011

Information Retrieval and Search Behavior参考文献 8被引用数 4

ひとこと要約

本論文は、デジタル図書館における文書ランク付けを改善するために、ロトカの法則（Lotka's Law）を含む文献情報学的法則に基づくべきべき分布（power-law distributions）を用いることを提案する。多様な代表的データ構造（polyrepresentative data structures）と情報学的パターンを活用することで、語彙ベースのランク付けとは異なったアプローチを提供し、検索品質を向上させるとともに、統計的に裏付けられた新たな視点から結果を探索可能にする。

ABSTRACT

The purpose of this paper is to propose the use of models, theories and laws in bibliometrics and scientometrics to enhance information retrieval processes, especially ranking. A common pattern in many man-made data sets is Lotka's Law which follows the well-known power-law distributions. These informetric distributions can be used to give an alternative order to large and scattered result sets and can be applied as a new ranking mechanism. The polyrepresentation of information in Digital Library systems is used to enhance the retrieval quality, to overcome the drawbacks of the typical term-based ranking approaches and to enable users to explore retrieved document sets from a different perspective.

研究の動機と目的

• 従来の語彙ベースのランク付けにおける限界を是正するため、代替的なランク付けメカニズムを導入すること。
• 特にロトカの法則を含む、広く確立された情報学的法則を活用し、著者生産性および文書頻度分布をモデル化すること。
• 情報の多様な表現（polyrepresentation）を活用することで、結果セットに対する多様な視点を提供し、検索品質を向上させること。
• 統計的に裏付けられたべき乗則に基づく順序付けを用いて、散在する大規模な文書コレクションをユーザーが探索できるようにすること。
• 文献情報学的原則を情報検索システムに統合するための理論的かつ実用的な枠組みを提供すること。

提案手法

• デジタル図書館における文書および著者分布をモデル化するために、著者が特定の数の文書を出版する頻度を記述するべき乗則分布（power-law distribution）であるロトカの法則を適用する。
• 逆2乗のべき乗則関係（f(x) ∝ x^−2）を用いて、著者の生産性および文書頻度に基づくランクスコアを導出する。
• 複数の側面（例：著者、キーワード、引用）を捉える多様な代表的データモデル（polyrepresentative data model）を構築し、多様なランク付けの視点をサポートする。
• TF-IDF やその他の語彙重み付け手法と併用するか、あるいはそれらの代わりに情報学的原則を用いて、生の検索結果を順序付けられた形式に変換する。
• デジタル図書館システムにロトカ的ランク付けメカニズムを補完的または代替的なランク付けレイヤーとして統合する。
• 文献情報学の理論的基盤を活用し、著者またはトピックの生産性のべき乗則分布における位置に基づいて、文書の相対的重要性を割り当てる。

実験結果

リサーチクエスチョン

• RQ1 ロトカの法則のような情報学的法則は、デジタル図書館における文書ランク付けの改善に効果的に適用可能か。
• RQ2 ロトカ的ランク付けメカニズムは、従来の語彙ベースのランク付けと比較して、検索品質およびユーザーの探索行動においてどのように異なるか。
• RQ3 情報の多様な表現（polyrepresentation）は、デジタル図書館システムにおける情報学的ランク付けの有効性をどのように向上させるか。
• RQ4 著者の生産性から導出されるべき乗則分布が、結果セットの順序付けおよびユーザーの関連性認識に与える影響は何か。
• RQ5 ロトカ的情報学的アプローチは、情報検索におけるヒューリスティックな語彙重み付け手法の代替として、安定的かつ解釈可能であると見なせるか。

主な発見

• ロトカ的情報学的アプローチは、統計的に裏付けられた代替ランク付けメカニズムを提供し、従来の語彙ベースのアプローチと補完的である。
• 文献情報学的法則から導出されるべき乗則分布により、大規模で散在する文書セットの順序付けがより直感的かつスケーラブルに行える。
• 情報の多様な表現（polyrepresentation）により、ユーザーは結果を複数の視点から探索でき、検索品質およびユーザー参加度が向上する。
• 本手法はキーワードマッチングに依存するのを軽減し、語義の多義性や同義語の問題を緩和する。
• 理論的に妥当でスケーラブルなランク付けモデルを導入することで、デジタル図書館システムの性能向上が見込まれる。
• 要約に定量的評価指標は報告されていないが、本手法は既存の情報検索フレームワークにおける理論的・実用的延長として実現可能であると位置づけられる。