[논문 리뷰] Exploiting Social Annotation for Automatic Resource Discovery

Anon Plangprasopchok, Kristina Lerman|arXiv (Cornell University)|2007. 04. 12.

Peer-to-Peer Network Technologies참고 문헌 16인용 수 35

한 줄 요약

이 논문은 del.icio.us의 사회적 애너테이션을 활용하여 기능적으로 유사한 정보 자원을 자동으로 탐지할 수 있는 확률적 토픽 모델을 제안한다. 사용자 관심사와 자원 토픽을 별도로 모델링함으로써, 게비스 샘플링과 EM 기반 파rameter 추정을 사용하여 태그에서 잠재 토픽을 추론함으로써 실험 평가에서 높은 정밀도로 자원 간의 유사성 탐지를 달성한다.

ABSTRACT

Information integration applications, such as mediators or mashups, that require access to information resources currently rely on users manually discovering and integrating them in the application. Manual resource discovery is a slow process, requiring the user to sift through results obtained via keyword-based search. Although search methods have advanced to include evidence from document contents, its metadata and the contents and link structure of the referring pages, they still do not adequately cover information sources -- often called ``the hidden Web''-- that dynamically generate documents in response to a query. The recently popular social bookmarking sites, which allow users to annotate and share metadata about various information sources, provide rich evidence for resource discovery. In this paper, we describe a probabilistic model of the user annotation process in a social bookmarking system del.icio.us. We then use the model to automatically find resources relevant to a particular information domain. Our experimental results on data obtained from \emph{del.icio.us} show this approach as a promising method for helping automate the resource discovery task.

연구 동기 및 목표

• 정보 통합 응용 프로그램에서 수작업으로 이루어지는 오랜 자원 탐색 과제를 해결하기 위해.
• del.icio.us의 사회적 태깅 데이터를 자원 탐지의 풍부한 커뮤니티 생성 메타데이터로 활용하기 위해.
• 사용자 관심사와 자원 토픽을 모두 포괄하는 확률적 모델을 개발하여 자원 유사성 탐지 성능을 향상시키기 위해.
• 정적 메타데이터나 문법적 WSDL 분석에 의존하지 않고 기능적으로 동일한 자원을 자동으로 식별할 수 있도록 하기 위해.
• 기본 자원 기반 탐색을 넘어 자연어 쿼리를 효과적인 태그 쿼리로 변환함으로써 쿼리 기반 자원 탐색을 지원할 수 있도록 방법을 일반화하기 위해.

제안 방법

• 사회적 북마크 시스템에서 태그를 생성하는 잠재 요인으로서 사용자 관심사와 자원 토픽을 별도로 고려하는 새로운 삼중 모델을 제안한다.
• 저자-토픽 모델 프레임워크를 변형하여 사용자를 저자, 자원을 문서로 간주하여 토픽 분포를 추론한다.
• 매개변수 추정을 위해 EM 알고리즘을 사용하고 추론을 위해 게비스 샘플링을 적용하여 희소하고 노이즈가 많은 사회적 태그에서 강력한 토픽 학습을 가능하게 한다.
• 각 자원을 토픽 분포로 표현하고, 코사인 유사도를 사용하여 다른 자원과 비교함으로써 기능적으로 유사한 자원을 식별한다.
• 사용자 간 태깅 행동의 이질성과 태그 사용의 다양성을 고려하기 위해 확률적 생성 모델을 활용한다.
• 기존의 pLSA를 개선하여 자원 전용 토픽과 별개로 사용자별 관심사를 별도의 잠재 변수로 포함시킨다.

실험 결과

연구 질문

• RQ1 del.icio.us의 사회적 애너테이션이 기능적으로 유사한 정보 자원을 자동으로 탐지하는 데 효과적으로 기여할 수 있는가?
• RQ2 사회적 북마크 시스템에서 사용자 관심사와 자원 토픽이 태그 생성에 어떻게 함께 영향을 미치는가?
• RQ3 사용자 관심사와 자원 토픽을 별도로 모델링하는 것이 통합 모델링 대비 자원 유사성 탐지 성능을 향상시키는가?
• RQ4 사회적 태그 기반의 확률적 토픽 모델이 등장하는 자원을 식별하는 데 있어 전통적인 키워드 기반 또는 문법 기반 검색보다 얼마나 뛰어난가?
• RQ5 자연어 쿼리를 효과적인 태그 쿼리로 변환함으로써 모델이 쿼리 기반 탐색을 지원할 수 있도록 일반화될 수 있는가?

주요 결과

• 제안된 모델은 del.icio.us 사용자들의 집단적 태깅 행동을 활용하여 자원 탐색 정확도를 크게 향상시킨다.
• 사용자 관심사와 자원 토픽을 분리함으로써 통합 모델링에 비해 더 강력하고 해석 가능한 토픽 표현을 얻을 수 있다.
• 심지어 동일한 키워드로 명시적으로 레이블링되지 않은 자원이라도 기능적으로 동일한 자원을 높은 정밀도로 식별할 수 있다.
• 실세계 del.icio.us 데이터를 대상으로 한 실험 결과, 단순한 태그 공존 또는 pLSA 기반 기준 모델보다 모델이 뛰어난 성능을 보였다.
• 통제된 어휘에 의존하는 것보다 다양한 태깅 스타일을 가진 자원 간의 효과적인 유사성 탐지가 가능해졌으며, 이를 통해 감소된 의존도를 보였다.
• 인간의 간섭 없이도 정보 시스템 내 자원 모델링과 통합을 자동화할 수 있는 잠재력을 입증하였다.