[논문 리뷰] Semi-metric Behavior in Document Networks and its Application to Recommendation Systems

Luís M. Rocha|ArXiv.org|2003. 09. 09.

Recommender Systems and Techniques참고 문헌 30인용 수 22

한 줄 요약

이 논문은 디지털 도서관과 웹과 같은 문서 네트워크에서 연관 관계를 모델링하기 위해 반거리수 그래프(semi-metric distance graphs)를 도입하며, 비율을 사용하여 암묵적인 연관성을 식별하기 위해 반거리수 성질(semi-metric behavior)을 정량화한다. 이는 다중 소스 거리 데이터를 통합하기 위한 증거 조합 알고리즘을 제안하며, 간격 값 퍼저니 집합(Interval Valued Fuzzy Sets)과 덴스터-샤프 이론(Dempster-Shafer Theory)을 기반으로 하여 TalkMine이라는 추천 시스템에서 추천 정확도를 향상시키기 위해 이질적인 증거를 견고하게 융합한다.

ABSTRACT

Recommendation systems for different Document Networks (DN) such as the World Wide Web (WWW) and Digital Libraries, often use distance functions extracted from relationships among documents and keywords. For instance, documents in the WWW are related via a hyperlink network, while documents in bibliographic databases are related by citation and collaboration networks. Furthermore, documents are related to keyterms. The distance functions computed from these relations establish associative networks among items of the DN, referred to as Distance Graphs, which allow recommendation systems to identify relevant associations for individual users. However, modern recommendation systems need to integrate associative data from multiple sources such as different databases, web sites, and even other users. Thus, we are presented with a problem of combining evidence (about associations between items) from different sources characterized by distance functions. In this paper we describe our work on (1) inferring relevant associations from, as well as characterizing, semi-metric distance graphs and (2) combining evidence from different distance graphs in a recommendation system. Regarding (1), we present the idea of semi-metric distance graphs, and introduce ratios to measure semi-metric behavior. We compute these ratios for several DN such as digital libraries and web sites and show that they are useful to identify implicit associations. Regarding (2), we describe an algorithm to combine evidence from distance graphs that uses Evidence Sets, a set structure based on Interval Valued Fuzzy Sets and Dempster-Shafer Theory of Evidence. This algorithm has been developed for a recommendation system named TalkMine.

연구 동기 및 목표

• 초본, 인용, 키워드에서 유도된 거리 함수를 사용하여 문서 네트워크의 연관 관계를 모델링한다.
• 실세계 문서 네트워크에서 반거리수 성질의 정도를 정량적 비율을 통해 특성화한다.
• 다양한 데이터 소스에서 유래한 다수의 거리 그래프에서 증거를 융합하는 방법을 개발한다.
• 다양한 소스의 연관 데이터를 공식적인 증거 융합 프레임워크를 사용하여 융합함으로써 추천 시스템을 향상시킨다.
• TalkMine이라는 이름의 프로토타입 시스템에서 이 접근법을 구현하고 평가한다.

제안 방법

• 거리가 연관 강도를 반영하되 삼각 부등식이 엄격히 만족되지 않더라도, 문서 간의 거리가 반거리수 성질을 가지는 거리 그래프를 정의한다.
• 관측된 거리 그래프에서 반거리수 성질의 정도를 정량화하기 위해 비율 기반 측도를 도입한다.
• 다른 거리 그래프에서 유도된 불확실한 증거를 간격 값 퍼저니 집합을 사용하여 믿음 간격을 모델링한다.
• 다양한 거리 그래프에서 유도된 믿음 구조를 덴스터-샤프 이론을 적용하여 통합된 추천 점수로 융합한다.
• 융합된 증거를 활용하여 개인화된 추천을 제공하기 위해 TalkMine 추천 시스템을 설계한다.
• 디지털 도서관과 웹 사이트에서 수집한 실세계 데이터셋을 사용하여 반거리수 성질과 증거 융합 방법의 타당성을 검증한다.

실험 결과

연구 질문

• RQ1 실세계 문서 네트워크에서 거리 관계가 어느 정도 반거리수 성질을 보이는가?
• RQ2 반거리수 성질의 정도는 어떻게 정량적으로 측정하고, 이를 의미 있는 연관성을 식별하는 데 어떻게 활용할 수 있는가?
• RQ3 신뢰도와 구조가 상이한 다수의 거리 그래프에서 증거를 효과적으로 융합하는 방법은 무엇인가?
• RQ4 다양한 소스의 거리 증거 융합은 단일 소스 접근법에 비해 추천 품질을 어떻게 향상시키는가?
• RQ5 공식적인 믿음 융합 프레임워크는 문서 네트워크에서 이질적인 연관 데이터를 효과적으로 통합할 수 있는가?

주요 결과

• 논문은 디지털 도서관과 웹 사이트와 같은 문서 네트워크가 메트릭 성질의 부분적 준수를 나타내는 측정 가능한 비율을 통해 반거리수 성질을 뚜렷이 보임을 입증한다.
• 비율 기반 측도는 전통적 메트릭이 실패할 수 있는 네트워크에서 의미 있는 암묵적 연관성을 성공적으로 식별한다.
• 간격 값 퍼저니 집합과 덴스터-샤프 이론을 사용한 제안된 증거 융합 알고리즘은 다수의 소스에서 유래한 거리 데이터를 견고하게 융합할 수 있다.
• 이 프레임워크를 기반으로 한 TalkMine 시스템은 다양한 연관 신호를 융합함으로써 향상된 추천 품질을 달성한다.
• 다양한 문서 네트워크에서의 실증적 평가를 통해 반거리수 성질이 연관성 탐색을 위한 신뢰할 수 있는 신호로 유용함을 확인한다.
• 이질적인 소스에서 유도된 증거의 융합은 단일 소스 방법에 비해 더 정확하고 신뢰할 수 있는 추천을 이끌어낸다.