[논문 리뷰] Onomastics 2.0 - The Power of Social Co-Occurrences

Folke Mitzlaff, Gerd Stumme|arXiv (Cornell University)|2013. 03. 03.

Names, Identity, and Discrimination Research참고 문헌 1인용 수 4

한 줄 요약

이 논문은 위키백과와 트위터의 소셜 웹 공출현 네트워크를 활용하여 주어진 이름과 도시 이름 간의 의미 관계를 네트워크 기반 유사도 메트릭을 사용해 탐색하는 데이터 마이닝 접근법을 제안한다. 공출현 그래프 내의 구조적 유사도와 의미적 관련성 간에 강한 상관관계가 존재함을 보여주며, 특히 위키백과 데이터에서 두드러진다. 이를 바탕으로 이름 검색 플랫폼인 Nameling을 개발하였고, 이는 4개월 만에 30,000명 이상의 사용자를 확보하는 데 성공하였다.

ABSTRACT

Onomastics is "the science or study of the origin and forms of proper names of persons or places." ["Onomastics". Merriam-Webster.com, 2013. http://www.merriam-webster.com (11 February 2013)]. Especially personal names play an important role in daily life, as all over the world future parents are facing the task of finding a suitable given name for their child. This choice is influenced by different factors, such as the social context, language, cultural background and, in particular, personal taste. With the rise of the Social Web and its applications, users more and more interact digitally and participate in the creation of heterogeneous, distributed, collaborative data collections. These sources of data also reflect current and new naming trends as well as new emerging interrelations among names. The present work shows, how basic approaches from the field of social network analysis and information retrieval can be applied for discovering relations among names, thus extending Onomastics by data mining techniques. The considered approach starts with building co-occurrence graphs relative to data from the Social Web, respectively for given names and city names. As a main result, correlations between semantically grounded similarities among names (e.g., geographical distance for city names) and structural graph based similarities are observed. The discovered relations among given names are the foundation of "nameling" [http://nameling.net], a search engine and academic research platform for given names which attracted more than 30,000 users within four months, underpinningthe relevance of the proposed methodology.

연구 동기 및 목표

• 소셜 웹 데이터를 활용하여 주어진 이름 간의 잠재적 관계를 탐색하는 방법론을 개발하는 것.
• 네트워크 기반 유사도 메트릭이 명시적 실체 간 의미적 유사성을 얼마나 잘 포착하는지 평가하는 것.
• 다양한 언어 편집판 위키백과에서 유도된 공출현 네트워크의 구조적 및 의미적 특성을 비교하는 것.
• 소셜 네트워크 분석과 정보 검색 기법을 기반으로 한 실용적인 이름 추천 시스템을 구축하는 것.
• 공출현 네트워크가 언어 및 문화적 기원에 따라 명시적 실체를 분류하는 데 어떤 잠재력을 지니는지 탐색하는 것.

제안 방법

• 노드로 주어진 이름 또는 도시 이름을, 엣지로 텍스트 내에서의 공출현을 기반으로 한 위키백과 및 트위터 데이터에서 공출현 그래프를 구축한다.
• 공통 이웃을 기반으로 표준 유사도 함수인 코사인 유사도와 재즈카드 계수를 적용하여 노드 간의 구조적 유사도를 측정한다.
• 통계적 오염 요소를 배제하고 유의미성을 평가하기 위해 관측된 유사도 추세를 무작위 모델 그래프와 비교한다.
• 네트워크 근접도의 대체 지표로 최단 경로 거리를 사용하고, 의미적 관련성(예: 도시의 경우 지리적 거리, 이름의 경우 의미 유사도)과 상관관계를 분석한다.
• 외부 의미적 측정 기준(지리적 거리 또는 알려진 이름 변형)과의 상관관계를 비교하여 유사도 메트릭의 성능을 평가한다.
• 실제 사용자 데이터 수집을 위해 Nameling 플랫폼을 활용하여 추천 맥락에서의 유사도 함수 검증을 수행한다.

실험 결과

연구 질문

• RQ1 위키백과와 트위터에서 유도된 공출현 그래프의 구조적 유사도가 주어진 이름 간의 의미적 관련성과 얼마나 관련이 있는가?
• RQ2 공통 이웃 기반의 유사도 메트릭은 도시 이름의 경우 지리적 근접성과 얼마나 상관되는가?
• RQ3 위키백과와 트위터에서 유도된 공출현 네트워크는 의미적으로 어떤 차이를 보이는가?
• RQ4 위키백과 공출현 네트워크의 언어별 특징을 활용해 주어진 이름을 언어적 또는 문화적 기원에 따라 분류할 수 있는가?
• RQ5 기본적인 네트워크 유사도 함수는 실제 이름 추천 시나리오에서 얼마나 효과적인가?

주요 결과

• 위키백과 기반 공출현 네트워크에서는 최단 경로 거리가 증가함에 따라 평균 유사도(코사인 및 재즈카드)가 강하게 단조 감소하는 경향을 보이며, 이는 인접한 이름 간의 의미적 유사도가 높다는 것을 시사한다.
• 위키백과 네트워크에서 직접 이웃인 노드 쌍은 무작위 노드 쌍보다 유의미하게 더 유사하며, 거리가 2인 쌍은 우연의 경우보다 더 낮은 유사도를 보여, 구조적 유사도가 의미적 관련성을 잘 반영함을 확인한다.
• 위키백과 네트워크에서 도시 이름의 경우 최단 경로 거리와 지리적 거리 간에 정적 상관관계가 존재하며, 대부분의 거리에서 통계적으로 유의미하다.
• 반면, 트위터 기반 네트워크에서는 도시 이름의 경우 최단 경로 거리와 지리적 거리 간에 역관계가 존재하여, 트위터의 공출현 의미 구조가 위키백과와 근본적으로 다름을 시사한다.
• 발견된 이름 관계를 기반으로 구축한 Nameling 플랫폼은 4개월 만에 30,000명 이상의 사용자를 확보하여 이 방법론의 실용적 유의미성을 입증하였다.
• 고유벡터 중심성 분석을 통해 다국어 위키백과 공출현 네트워크에서 언어별로 명확한 특징이 드러나며, 언어 인식 기반 실체 분류 가능성에 잠재력을 지닌다.