[논문 리뷰] Measuring Similarity in Large-scale Folksonomies

Giovanni Quattrone, Emilio Ferrara외 2명|arXiv (Cornell University)|2012. 07. 25.

Topic Modeling참고 문헌 23인용 수 6

한 줄 요약

이 논문은 파wr-법 분포를 띠는 희박한 포크소노미에서 전통적인 유사도 측정법(예: 코사인 유사도)이 실패하는 문제를 해결하기 위해 태그와 자원 간 상호 강화를 활용하는 새로운 반복적 유사도 메트릭을 제안한다. BibSonomy, MovieLens, CiteULike에서 평가한 결과, 제안된 메트릭은 실질적인 희박한 데이터셋에서 코사인 유사도보다 유의미하게 높은 정밀도와 재현율을 확보하였다.

ABSTRACT

Social (or folksonomic) tagging has become a very popular way to describe content within Web 2.0 websites. Unlike taxonomies, which overimpose a hierarchical categorisation of content, folksonomies enable end-users to freely create and choose the categories (in this case, tags) that best describe some content. However, as tags are informally defined, continually changing, and ungoverned, social tagging has often been criticised for lowering, rather than increasing, the efficiency of searching, due to the number of synonyms, homonyms, polysemy, as well as the heterogeneity of users and the noise they introduce. To address this issue, a variety of approaches have been proposed that recommend users what tags to use, both when labelling and when looking for resources. As we illustrate in this paper, real world folksonomies are characterized by power law distributions of tags, over which commonly used similarity metrics, including the Jaccard coefficient and the cosine similarity, fail to compute. We thus propose a novel metric, specifically developed to capture similarity in large-scale folksonomies, that is based on a mutual reinforcement principle: that is, two tags are deemed similar if they have been associated to similar resources, and vice-versa two resources are deemed similar if they have been labelled by similar tags. We offer an efficient realisation of this similarity metric, and assess its quality experimentally, by comparing it against cosine similarity, on three large-scale datasets, namely Bibsonomy, MovieLens and CiteULike.

연구 동기 및 목표

• 파워-법 태그 분포를 특징으로 하는 대규모 실세계 포크소노미에서 코사인 및 재난드 유사도와 같은 전통적인 유사도 측정법의 한계를 해결하기 위해.
• 태그 공존 빈도가 희박한 비독립적 데이터에서 기존 메트릭의 낮은 성능을 극복하기 위해.
• 태그와 자원 간 상호 강화를 통해 의미적 관련성을 포착하는 유사도 메트릭을 개발하기 위해.
• 제안된 메트릭을 실세계의 원본 데이터셋에서 코사인 유사도와 비교하여 실증적으로 평가하기 위해.
• 반복적이고 상호 강화 기반의 유사도 계산이 현실적인 환경에서 기존 방법보다 높은 정밀도와 재현율을 제공함을 보여주기 위해.

제안 방법

• 이 방법은 상호 강화 원리에 기반한다: 태그가 유사한 자원에 함께 공존하면 태그는 유사하다고 간주되며, 유사한 태그로 태깅된 자원은 유사하다고 간주된다.
• 반복 알고리즘을 사용하여 태그와 자원의 유사도를 동시에 계산하며, 각 라운드에서 다른 엔티티 집합의 현재 상태에 기반해 유사도 점수를 갱신한다.
• 실험 결과에 따르면 세 개의 대규모 데이터셋에서 빠르게 수렴함을 확인했으며, 데이터의 희박성에도 불구하고 효율적으로 실현 가능하다.
• 태그 할당이 핵심 데이터 구조가 되는 사용자, 자원, 태그로 구성된 삼중 포크소노미 모델에 기반한 유사도 계산이다.
• 코사인 유사도와 달리 태그의 의미적 독립성을 가정하지 않으며, 동의어 및 다의어를 자연스럽게 처리하도록 설계되어 있다.
• 비가공된 실세계 데이터셋에서 코사인 유사도와의 비교를 위해 정밀도와 재현율 메트릭을 사용하여 평가하였다.

실험 결과

연구 질문

• RQ1 파워-법 태그 분포를 가진 실세계의 대규모 포크소노미에서 코사인 유사도와 같은 전통적인 유사도 측정법이 태그 관련성을 효과적으로 측정할 수 있는가?
• RQ2 태그와 자원 간 상호 강화 원리가 희박한 포크소노미 데이터에서 표준 메트릭보다 더 정확한 유사도 추정을 이끌어낼 수 있는가?
• RQ3 제안된 반복적 유사도 메트릭은 비가공된 실세계 데이터셋에서 코사인 유사도에 비해 정밀도와 재현율 측면에서 어떻게 성능을 발휘하는가?
• RQ4 태그의 상호의존성과 공존 빈도의 희박성이 포크소노미에서 표준 유사도 측정법의 신뢰성에 어느 정도 영향을 미치는가?
• RQ5 피드백 기반의 반복적 유사도 계산은 대규모 희박한 포크소노미 환경에서 신속하게 수렴하고 의미 있는 결과를 제공할 수 있는가?

주요 결과

• 제안된 상호 강화 유사도 메트릭은 BibSonomy, MovieLens, CiteULike와 같은 비가공된 실세계 데이터셋에서 코사인 유사도보다 유의미하게 높은 정밀도와 재현율을 확보하였다.
• 실제 포크소노미에서 태그의 파워-법 분포와 극도로 낮은 공존 빈도로 인해 코사인 유사도와 같은 전통적 메트릭은 거의 영향을 미치지 못하는 유사도 점수를 기록한다.
• 제안된 방법의 반복적 성격 덕분에 매우 희박한 데이터 환경에서도 태그와 자원의 유사도를 효과적으로 학습할 수 있다.
• 이 방법은 사전 정의된 온톨로지나 데이터 조작 없이도 포크소노미 내 의미적 관련성을 성공적으로 포착한다. 특히 동의어 및 다의어를 포함하여.
• 실제로 알고리즘이 매우 신속하게 수렴하여 실세계 추천 및 검색 시스템에서 대규모 구현에 적합하다.
• 실증 결과는 상호 강화 원리가 독립성 기반 메트릭(예: 코사인 유사도)보다 더 견고하고 정확한 유사도 추정을 이끌어낸다는 것을 보여준다.