[논문 리뷰] Query Representation with Global Consistency on User Click Graphs

Daqiang Zhang, Rongbo Zhu외 2명|arXiv (Cornell University)|2013. 09. 01.

Advanced Graph Neural Networks인용 수 2

한 줄 요약

이 논문은 클릭 그래프 내에서 URL의 국소적(클릭 빈도) 및 전역적(역질의 빈도) 특성을 통합하는 쿼리 표현을 위한 글로벌 일관성 모델을 제안한다. 역URL 빈도를 새로운 전역 측정치로 도입함으로써, 모델은 표현 학습을 향상시켜 AOL 검색 로그 데이터셋에서 기존 방법보다 뛰어난 성능을 달성한다.

ABSTRACT

The Internet of Things aggregates large-scale query logs. A query log is generally represented as a bipartite graph on a query set and a URL set. Most of the traditional methods used the raw click frequency to weigh the link between a query and a URL on the click graph. In order to address the disadvantages of raw click frequency, researchers proposed the entropy-biased model, which incorporates raw click frequency with inverse query frequency of the URL as the weighting scheme for query representation. In this paper, we observe that the inverse query frequency can be considered a global property of the URL on the click graph, which is more informative than raw click frequency, which can be considered a local property of the URL. Based on this insight, we develop the global consistency model for query representation, which utilizes the click frequency and the inverse query frequency of a URL in a consistent manner. Furthermore, we propose a new scheme called inverse URL frequency as an effective way to capture the global property of a URL. Experiments have been conducted on the AOL search engine log data. The result shows that our global consistency model achieved better performance than the current models.

연구 동기 및 목표

• 원시 클릭 빈도의 한계를 극복하기 위해 클릭 그래프 내 전역 URL 특성을 통합함으로써 쿼리 표현을 향상시키기 위해.
• 역질의 빈도를 더 정보적인 측정치로 사용하여 클릭 그래프 내 URL의 전역 일관성을 모델링하기 위해.
• 클릭 그래프 전반에서 URL 특성을 더 잘 포착하기 위해 새로운 전역 측정치인 역URL 빈도를 제안하기 위해.
• 일관된 프레임워크 내에서 URL의 국소적 및 전역적 특성을 통합함으로써 쿼리 표현 학습을 향상시키기 위해.
• 제안된 모델의 효과성을 실제 검색 로그 데이터에서 평가하기 위해.

제안 방법

• 글로벌 일관성 모델은 클릭 그래프 내에서 URL의 원시 클릭 빈도(국소적 특성)와 역질의 빈도(전역적 특성)를 통합된 표현 프레임워크에 통합한다.
• 모델은 전체 클릭 그래프에서 URL과 연결된 총 질의 수의 역수로 계산되는 새로운 전역 측정치인 역URL 빈도를 도입한다.
• 가중치 부여 방식은 관련성과 분포 정보를 균형 있게 반영하는 일관된 공식을 사용하여 국소적 및 전역적 특성을 통합한다.
• 모델은 질의-URL 클릭 그래프의 이분 구조를 활용하여 전역 일관성 신호를 전파하고 집계한다.
• 모델은 표준 검색 및 랭킹 메트릭을 사용하여 AOL 검색 엔진 로그 데이터셋에서 학습 및 평가된다.
• 기존 기준 모델(엔트로피 편향 모델 포함)과의 비교를 통해 모델의 우수성을 검증한다.

실험 결과

연구 질문

• RQ1 클릭 그래프 내 URL의 전역적 특성은 국소적 클릭 빈도를 초월하여 쿼리 표현을 어떻게 향상시킬 수 있는가?
• RQ2 역질의 빈도를 전역 측정치로 통합할 경우 쿼리 표현에 어떤 영향을 미치는가?
• RQ3 국소적 및 전역적 특성을 통합한 통합 프레임워크는 기존 모델을 초월할 수 있는가?
• RQ4 제안된 역URL 빈도 측정치는 클릭 그래프 내 의미 있는 전역 패턴을 얼마나 잘 포착하는가?
• RQ5 글로벌 일관성 모델은 실제 검색 로그에서 검색 성능 향상에 기여하는가?

주요 결과

• 글로벌 일관성 모델은 엔트로피 편향 접근 방식을 포함한 기존 모델들을 모두 능가하는 성능을 보였다.
• 역URL 빈도를 전역 측정치로 도입함으로써 모델이 의미 있는 URL 특성을 포착하는 능력이 크게 향상되었다.
• 국소적 및 전역적 특성을 일관된 방식으로 통합함으로써 더 견고하고 정보가 풍부한 쿼리 표현이 도출되었다.
• 모델은 AOL 검색 엔진 로그 데이터셋에서 뛰어난 성능을 달성하여 실제 환경에서의 효과성을 입증하였다.
• 결과는 원시 클릭 빈도만으로는 부족하며, 역질의 빈도와 같은 전역적 특성이 더 정보가 풍부한 신호를 제공한다는 것을 확인하였다.
• 제안된 방법은 표준 평가 메트릭 전반에서 일관된 향상을 보이며, 설계 선택의 타당성을 입증하였다.