[논문 리뷰] Enabling Semantic Analysis of User Browsing Patterns in the Web of Data

Julia Hoxha, Martin Junghans외 1명|arXiv (Cornell University)|2012. 04. 12.

Service-Oriented Architecture and Web Services참고 문헌 16인용 수 15

한 줄 요약

이 논문은 도메인 온톨로지와 시간 논리 기반으로 다수의 데이터 웹 사이트를 넘는 사용자 브라우징 행동의 의미론적 형식화를 제안하며, 모델 체킹 기반 쿼리 엔진을 통해 사용자 세션에 대한 표현력 있는 쿼리 가능성을 제공한다. DBpedia 및 Semantic Web Dog Food에서의 실제 로그를 대상으로 한 실험을 통해 밀리초 수준의 응답 시간을 달성하여 지능형 사용 패턴 분석 및 추천 시스템의 실현 가능성을 입증한다.

ABSTRACT

A useful step towards better interpretation and analysis of the usage patterns is to formalize the semantics of the resources that users are accessing in the Web. We focus on this problem and present an approach for the semantic formalization of usage logs, which lays the basis for eective techniques of querying expressive usage patterns. We also present a query answering approach, which is useful to nd in the logs expressive patterns of usage behavior via formulation of semantic and temporal-based constraints. We have processed over 30 thousand user browsing sessions extracted from usage logs of DBPedia and Semantic Web Dog Food. All these events are formalized semantically using respective domain ontologies and RDF representations of the Web resources being accessed. We show the eectiveness of our approach through experimental results, providing in this way an exploratory analysis of the way users browse theWeb of Data.

연구 동기 및 목표

• 사용자 브라우징 로그의 의미론적 해석을 가능하게 하기 위해 문법적 HTTP 요청을 도메인 특화 개념으로 매핑하기 위해 온톨로지를 활용한다.
• 의미론적 제약 조건과 시간 논리를 조합하여 사용자 행동 패턴에 대한 표현력 있는 쿼리 지원을 목적으로 한다.
• 다수의 연결된 데이터 사이트를 넘는 복잡한 브라우징 패턴을 탐지하기 위한 확장 가능한 쿼리 응답 메커니즘을 설계하고 평가한다.
• 예를 들어 검색 후 복귀 또는 다중 사이트 여행 계획과 같은 교차 사이트 탐색 행동을 형식화된 로그를 통해 탐색한다.
• DBpedia 및 Semantic Web Dog Food에서의 실제 사용 로그에 대해 의미론적 및 시간 분석의 실현 가능성을 입증한다.

제안 방법

• 도메인 온톨로지(예: swrc:InProceedings, dbpedia-owl:MusicalArtist)를 사용하여 원시 사용 로그 항목을 의미론적 이벤트로 매핑한다.
• 웹 리소스와 사용자 동작을 RDF 트리플로 표현하여 기계가 이해할 수 있는 로깅을 가능하게 한다.
• 복잡한 행동 제약 조건을 지정하기 위해 SROIQ 기술 논리에 선형 시간 논리(LTL)를 통합하여 시간화된 논리인 DL-LTL를 구성한다.
• 주어진 의미론적 및 시간적 쿼리 조건을 만족하는 사용자 세션을 자동으로 검증하기 위해 모델 체킹을 핵심 기법으로 사용한다.
• 쿼리 응답을 두 단계로 분리한다: 의미론적 강화를 위한 OWL 추론과 시간 패턴 검증을 위한 모델 체킹.
• 다양한 세션 수를 가진 실제 데이터셋을 대상으로 성능을 평가하여 확장성과 응답 시간을 분석한다.

실험 결과

연구 질문

• RQ1 다수의 연결된 데이터 사이트를 넘는 사용자 브라우징 행동은 의미론적 온톨로지를 통해 어떻게 형식화될 수 있는가?
• RQ2 의미론적 제약 조건과 시간 제약 조건을 결합할 경우 사용자 행동 패턴 쿼리의 표현력은 어떻게 영향을 받는가?
• RQ3 모델 체킹 기반 쿼리 엔진은 실제 로그에서 복잡한 의미론적 및 시간 패턴을 만족하는 세션을 효율적으로 검색할 수 있는가?
• RQ4 사용자 세션 수가 증가함에 따라 쿼리 응답 메커니즘의 성능은 어떻게 스케일링되는가?
• RQ5 이 방법을 통해 어떤 종류의 교차 사이트 탐색 패턴(예: 검색 후 복귀, 다중 사이트 여행 계획 등)을 효과적으로 탐지할 수 있는가?

주요 결과

• 최대 1,000명의 사용자 세션에 대해 쿼리 응답 시간이 1.4초 이하로 확보되었으며, 다양한 세션 크기에서 평균 쿼리 응답 시간은 0.15초였다.
• OWL 추론 과정이 총 쿼리 응답 시간의 약 94%를 차지하여 추론이 주요 성능 저하 요인임을 시사한다.
• 모델 체킹 시간은 극히 짧아 시간 패턴 검증이 의미론적 강화에 비해 계산적으로 경량임을 확인하였다.
• 이 방법은 사용자가 Google에서 검색 후 이전 사이트로 복귀하거나, DBpedia에서 컆퍼런스 논문을 브라우징한 후 도시 페이지로 이동하는 복잡한 패턴을 성공적으로 탐지하였다.
• 색인화나 최적화 없이도 대규모 실제 사용 로그에 대한 실시간 구동이 가능함을 입증하여 추천 및 분석 파이프라인에의 통합 잠재력이 높음을 시사한다.
• 의미론적 형식화 덕분에 '영국 재즈 뮤지션'이나 'WWW2009 컨퍼런스 논문'과 같은 도메인 특화 개념을 포함한 패턴을 탐지할 수 있었으며, 이는 문법적 로그만으로는 표현하기 어려운 패턴이었다.