[논문 리뷰] Local Community Identification through User Access Patterns

Rodrigo B. Almeida, Virgı́lio Almeida|ArXiv.org|2002. 12. 16.

Web Data Mining and Analysis참고 문헌 17인용 수 3

한 줄 요약

이 논문은 서버 로그에서의 액세스 패턴을 사용하여 웹 서비스 내 지역 사용자 커뮤니티를 식별하는 새로운 방법을 제안한다. 이는 저자에 의해 부여된 링크에 의존하지 않는 방식이다. 사용자 액세스 행동을 그래프 구조로 변환하고, 수정된 HITS 알고리즘을 적용함으로써, 하이퍼링크가 없는 환경에서도 온라인 서점과 오디오 스트리밍 서비스 모두에서 의미 있고 의미적으로 일관된 커뮤니티를 성공적으로 발견하였다.

ABSTRACT

Community identification algorithms have been used to enhance the quality of the services perceived by its users. Although algorithms for community have a widespread use in the Web, their application to portals or specific subsets of the Web has not been much studied. In this paper, we propose a technique for local community identification that takes into account user access behavior derived from access logs of servers in the Web. The technique takes a departure from the existing community algorithms since it changes the focus of in terest, moving from authors to users. Our approach does not use relations imposed by authors (e.g. hyperlinks in the case of Web pages). It uses information derived from user accesses to a service in order to infer relationships. The communities identified are of great interest to content providers since they can be used to improve quality of their services. We also propose an evaluation methodology for analyzing the results obtained by the algorithm. We present two case studies based on actual data from two services: an online bookstore and an online radio. The case of the online radio is particularly relevant, because it emphasizes the contribution of the proposed algorithm to find out communities in an environment (i.e., streaming media service) without links, that represent the relations imposed by authors (e.g. hyperlinks in the case of Web pages).

연구 동기 및 목표

• 포털 및 전문 플랫폼과 같은 지역 웹 서비스에서 기존의 하이퍼링크 기반 알고리즘이 중심화되고 하이퍼링크가 없는 구조로 인해 실패하는 상황에서 커뮤니티 탐지의 격차를 메우기 위해.
• 기존의 커뮤니티 탐지 알고리즘이 하이퍼링크와 같은 저자에 의해 부여된 링크에 의존하는 한계를 극복하기 위해, 이러한 링크가 많은 현대 웹 서비스에서 존재하지 않거나 무의미한 경우가 많기 때문이다.
• 사용자 액세스 행동을 암시적 관계의 대체 척도로 활용하여 실제 사용자 관심사와 행동을 반영하는 커뮤니티를 식별하기 위해.
• 정성적 분석과 어조 일관성, 순위 상관관계를 포함한 평가 방법론을 개발하여 식별된 커뮤니티의 품질을 검증하기 위해.
• 실제로 하이퍼링크가 없는 환경, 예를 들어 온라인 라디오 및 전자상거래 플랫폼에서 이 방법의 적용 가능성과 효율성을 입증하기 위해.

제안 방법

• 원시 사용자 액세스 로그를 자원(예: 책, 노래)을 나타내는 노드와 사용자 액세스 순서 또는 동시 방문을 나타내는 에지로 구성된 그래프 기반 구조로 변환한다.
• HITS(Hyperlink-Induced Topic Search) 알고리즘을 수정하여 액세스 그래프 내 허브와 권위를 식별하고, 자주 함께 액세스되는 자원을 커뮤니티 지표로 간주한다.
• tf-idf 순위 체계를 적용하여 자원 액세스 빈도를 바탕으로 각 식별된 커뮤니티 내 주요 주제나 테마를 추출한다.
• Spearman 순위 상관관계를 사용하여 커뮤니티 간의 쌍별 거리를 계산하고, 계층적 클러스터링 및 Sammon 매핑을 통한 시각화를 가능하게 한다.
• 평균 연결법을 사용한 계층적 클러스터링을 적용하여 순위 기반 주제 프로파일에서 유도된 의미적 유사성에 기반해 커뮤니티를 그룹화한다.
• 명시적 메타데이터나 링크가 없는 상황에서 커뮤니티 콘텐츠와 의미 일관성의 정성적 분석을 통해 결과를 검증한다.

실험 결과

연구 질문

• RQ1 저자에 의해 부여된 링크에 의존하지 않고도 사용자 액세스 패턴만으로도 지역 웹 서비스에서 의미 있고 의미적으로 일관된 커뮤니티를 효과적으로 식별할 수 있는가?
• RQ2 중앙집중식이고 하이퍼링크가 없는 서비스에서 기존의 하이퍼링크 기반 커뮤니티 탐지 알고리즘과 비교해 본다면, 제안된 방법이 관련 사용자 커뮤니티를 식별하는 데 얼마나 효과적인가?
• RQ3 tf-idf와 순위 상관관계를 기반으로 한 평가 방법론이 식별된 커뮤니티의 의미 일관성과 관련성 정도를 얼마나 정확하게 반영할 수 있는가?
• RQ4 콘텐츠 유형이 다양한 서비스, 예를 들어 온라인 서점과 오디오 스트리밍 플랫폼 간의 커뮤니티의 구조적 및 의미적 특징은 어떻게 다를까?
• RQ5 명시적 메타데이터나 사용자 태그가 없더라도 알고리즘이 지역 음악 선호도와 같은 사회학적으로 의미 있는 행동을 탐지할 수 있는가?

주요 결과

• 제안된 방법은 온라인 서점 데이터셋에서 10개의 명확히 구분되는 커뮤니티를 성공적으로 식별하였으며, 특정 프로그래밍 언어나 컴퓨터 과학의 하위 분야와 같은 일관된 관심사를 반영하고 있었다.
• 오디오 스트리밍 데이터셋에서는 강력한 지역적·문화적 초점을 가진 커뮤니티가 탐지되었으며, 국제 콘텐츠가 동일하게 이용 가능했음에도 불구하고 브라질 음악에 관심이 있는 별도의 그룹이 존재했다.
• 온라인 라디오 데이터셋의 커뮤니티는 Sammon 매핑에서 더 넓게 흩어져 있었고 평균 연결 거리가 더 높아, 서점과 비교해 사용자 관심사가 더 다양하고 구체적임을 시사했다.
• tf-idf와 Spearman 상관관계를 조합한 평가 방법론은 의미 일관성을 효과적으로 포착했으며, 커뮤니티 주제 순위와 실제 사용자 행동 간에 높은 상관관계를 보였다.
• 알고리즘은 브라질에서의 국내 음악 소비가 두드러진 사회적 의미 있는 패턴을 드러내었으며, 음악 파업과 현지 산업의 생존과 실제 세계 데이터와 일치했다.
• 이 방법은 하이퍼링크가 없는 환경에서도 강건성을 입증하였으며, 자원 간 명시적 관계가 존재하지 않는 스트리밍 미디어 서비스에서도 효과적으로 작동함을 입증했다.