[論文レビュー] Wikipedia graph mining: dynamic structure of collective memory

Volodymyr Miz, Kirell Benzi+2 more|arXiv (Cornell University)|Oct 1, 2017

Wikis in Education and Collaboration参考文献 19被引用数 6

ひとこと要約

本稿では、Wikipediaの動的訪問活動とハイパーリンク構造から集団的記憶を抽出・想起するためのホフリートネットワークベースのモデルを提案する。時間的ページビュー記録に修正されたハイブニアン学習則を適用することで、関連する記事のクラスタを記憶パターンとして同定し、Charlie Hebdo攻撃のような出来事に対し、部分的な入力データでも高い再現正確度（最大90％）を達成する。

ABSTRACT

Wikipedia is the biggest encyclopedia ever created and the fifth most visited website in the world. Tens of millions of people surf it every day, seeking answers to various questions. Collective user activity on its pages leaves publicly available footprints of human behavior, making Wikipedia an excellent source for analysis of collective behavior. In this work, we propose a distributed graph-based event extraction model, inspired by the Hebbian learning theory. The model exploits collective effect of the dynamics to discover events. We focus on data-streams with underlying graph structure and perform several large-scale experiments on the Wikipedia visitor activity data. We show that the presented model is scalable regarding time-series length and graph density, providing a distributed implementation of the proposed algorithm. We extract dynamical patterns of collective activity and demonstrate that they correspond to meaningful clusters of associated events, reflected in the Wikipedia articles. We also illustrate evolutionary dynamics of the graphs over time to highlight changing nature of visitors' interests. Finally, we discuss clusters of events that model collective recall process and represent collective memories - common memories shared by a group of people.

研究の動機と目的

• 神経ネットワーク理論の原則を用いて、Wikipediaのような大規模な共同知識ベースにおける集団的記憶形成をモデル化すること。
• 従来、偏りのある自己報告に依存してきたが、一般化され、データ駆動型の集団的記憶形成モデルの欠如に取り組むこと。
• Wikipediaの動的グラフ構造と訪問ログから、時間的に整合性のある記憶パターンを抽出するスケーラブルで教師なしの手法を開発すること。
• コンテンツアドレスブル記憶システムを用いて、集団的記憶が高精度で学習および想起可能であることを示すこと。
• 強力で分散型のグラフアルゴリズムを用いて、時間的変化する公的関心の動的分析を可能にすること。

提案手法

• 集団的記憶ダイナミクスをモデル化するため、時間分解能1時間のWikipediaページビュー記録とハイパーリンクネットワークを入力として用いる。
• ページビューの同時発生がリンクされた記事間の結合を強化するように、Wikipediaグラフに修正されたハイブニアン学習則を適用する。
• 各記憶パターンが特定の出来事中に活性化された意味的に関連するWikipediaページのクラスタに対応するホフリートネットワークを構築する。
• 月次スナップショットのWikipediaグラフと訪問活動を用いて、ネットワークを教師なし学習で訓練する。
• 大規模なWikipediaデータに対するスケーラビリティを実現するため、Apache Spark GraphXを用いた分散実装を採用する。
• コンテンツアドレスブル記憶による想起を実施：部分的な活性化パターン（例：20％のデータ欠損）が与えられた場合、モデルは完全な出来事クラスタを再構成する。

実験結果

リサーチクエスチョン

• RQ1 Wikipediaのページビューの動的相互作用とハイパーリンク構造から、集団的記憶パターンが出現するか？
• RQ2 部分的またはノイズ混じりの訪問活動データから、ホフリートネットワークモデルがどれほど正確に出来事ベースの記憶クラスタを再構成できるか？
• RQ3 ページビューの時間的ダイナミクスは、公的関心を引き起こした現実の出来事とどの程度相関するか？
• RQ4 Wikipediaのグラフ構造に適用された修正ハイブニアン学習則が、自己組織的に行なってコンテンツアドレスブル記憶システムを形成できるか？
• RQ5 入力データの劣化度合いが変化する条件下で、モデルの耐性および再現正確度はどの程度か？

主な発見

• モデルは、Charlie Hebdo攻撃のような現実の出来事に対応する集団的記憶パターンを効果的に同定し、関連する記事のクラスタがページビューの急増を同時に示すことを確認した。
• 20％の入力データ欠損がある状態でも、出来事パターンの再構成正確度が最大90％に達し、高い耐性を示した。
• 72時間のピーク活動期間における再現正確度が、7か月間の期間よりも高かった。これは、孤立または低活動ページによるノイズが減少したためである。
• 出力で1つの活性化があれば十分な「緩い再現メトリクス」を用いることで、性能が向上した。これは、モデルがコアとなる出来事ダイナミクスを効果的に捉えていることを示している。
• ハイパーパramータのチューニングに対して高い耐性を示したため、実世界の応用において実用的であると示唆された。
• Apache Spark GraphXを用いた分散実装により、大規模なWikipediaデータの効率的処理が可能となり、リアルタイムまたは準リアルタイム分析を支援した。