[논문 리뷰] Automatic Detection of Search Tactic in Individual Information Seeking: A Hidden Markov Model Approach

Shuguang Han, Zhen Yue외 1명|arXiv (Cornell University)|2013. 04. 06.

Information Retrieval and Search Behavior참고 문헌 11인용 수 10

한 줄 요약

이 논문은 개인의 정보 탐색 행동에서 검색 전략을 자동으로 탐지하고 모델링하기 위해 은닉 마르코프 모델(HMMs)을 제안한다. 기존 수동 코드화 및 이전 자동화 방법의 한계를 극복하며, HMM 결과는 마르키오니니의 정보 탐색 모델과 일치하는 전략 탐지 결과를 보여주며, 사용자 행동과 연결된 전략 간 전이를 드러내어 HMM이 검색 행동의 대규모 분석에 유용함을 입증한다.

ABSTRACT

Information seeking process is an important topic in information seeking behavior research. Both qualitative and empirical methods have been adopted in analyzing information seeking processes, with major focus on uncovering the latent search tactics behind user behaviors. Most of the existing works require defining search tactics in advance and coding data manually. Among the few works that can recognize search tactics automatically, they missed making sense of those tactics. In this paper, we proposed using an automatic technique, i.e. the Hidden Markov Model (HMM), to explicitly model the search tactics. HMM results show that the identified search tactics of individual information seeking behaviors are consistent with Marchioninis Information seeking process model. With the advantages of showing the connections between search tactics and search actions and the transitions among search tactics, we argue that HMM is a useful tool to investigate information seeking process, or at least it provides a feasible way to analyze large scale dataset.

연구 동기 및 목표

• 개인의 정보 탐색에서 검색 전략을 식별하는 데 있어 수동 코드화 및 이전 자동화 방법의 한계를 해결하기 위해.
• 검색 행동의 순서를 모델링하고 그 뒤에 숨겨진 전략을 추론하는 자동 기법을 개발하기 위해.
• 탐지된 전략이 잘 알려진 마르키오니니의 정보 탐색 과정 모델과 일치하는지 검증하기 위해.
• HMM을 사용하여 대규모 사용자 검색 행동 분석의 가능성을 탐색하기 위해.
• 검색 전략 간 전이와 특정 사용자 행동과의 연결 고리를 드러내기 위해.

제안 방법

• 저자들은 사용자 검색 행동의 순서를 관측치로 간주하고, 숨겨진 검색 전략을 상태로 간주하여 은닉 마르코프 모델(HMMs)을 적용한다.
• 행동(예: 쿼리 작성, 결과 브라우징 등)을 관측 가능한 발화로 간주하여 로그된 검색 세션 데이터를 기반으로 HMM을 학습시킨다.
• 다양한 검색 전략 간 전이 확률과 특정 행동이 주어진 전략일 확률을 모델이 학습한다.
• 은닉 상태의 수는 스캐닝, 정제, 탐색과 같은 구체적인 검색 전략을 나타내도록 결정된다.
• 관측된 행동의 순서가 주어졌을 때 가장 가능성 높은 전략 순서를 도출하기 위해 비터비 알고리즘(Viterbi algorithm)을 사용한다.
• 마르키오니니의 정보 탐색 모델 이론적 프레임워크와의 비교를 통해 접근의 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 HMM은 개인의 정보 탐색 세션에서 검색 전략을 자동으로 탐지하고 모델링할 수 있는가?
• RQ2 탐지된 검색 전략은 마르키오니니의 정보 탐색 과정 모델의 알려진 단계와 일치하는가?
• RQ3 검색 전략 간 전이와 관측 가능한 사용자 행동은 어떻게 관련되어 있는가?
• RQ4 HMM은 대규모에서의 정보 탐색 행동의 동적 특성을 효과적으로 표현할 수 있는가?
• RQ5 HMM으로 식별된 전략은 정보 탐색의 정성적 모델과 일관성이 있는가?

주요 결과

• HMM 기반 접근법은 마르키오니니의 정보 탐색 과정 모델의 단계와 일치하는 검색 전략을 성공적으로 탐지했다.
• 모델은 사용자 행동에 기반해 '스캐닝'에서 '정제'로의 의미 있는 전이를 드러냈다.
• 다양한 사용자 세션에서 동일한 전략이 일관되게 탐지되어 패턴 인식의 신뢰성을 입증했다.
• 수동 코드화 없이도 대규모 검색 세션 데이터 분석의 가능성을 입증했다.
• HMM 접근법은 특정 사용자 행동과 그 뒤에 숨겨진 검색 전략 간의 연결 고리를 효과적으로 드러내어 해석 가능성 향상을 이뤘다.
• 결과적으로 HMM은 정보 탐색의 시간적 동적 특성을 모델링하는 타당하고 유용한 도구임을 시사한다.