[논문 리뷰] Social Network Extraction: Superficial Method and Information Retrieval

Mahyuddin K. M. Nasution, Shahrul Azman Mohd Noah외 1명|arXiv (Cornell University)|2016. 01. 12.

Information Retrieval and Data Mining참고 문헌 9인용 수 15

한 줄 요약

이 논문은 URL 구조와 TF-IDF 가중 키워드를 활용하여 정보 검색 기반의 비지도 학습 방법을 제안하며, 단순 공존을 넘어서 관계 추출을 향상시킨다. URL 기반 유사도(USR)를 사용할 경우 70%의 재현율과 9%의 정밀도를 달성하여 키워드 중심 방법보다 뛰어나며, URL 분석이 비구조화된 웹 데이터에서 사회적 관계를 식별할 때의 모호성을 줄이는 데 기여한다.

ABSTRACT

Social network has become one of the themes of government issues, mainly dealing with the chaos. The use of web is steadily gaining ground in these issues. However, most of the web documents are unstructured and lack of semantic. In this paper we proposed an Information Retrieval driven method for dealing with heterogeneity of features in the web. The proposed solution is to compare some approaches have shown the capacity to extract social relation: strength relations and relations based on online academic database.

연구 동기 및 목표

• 비구조적이고 의미적으로 모호한 웹 문서에서 사회적 네트워크를 추출하는 데 도전하는 것.
• 동의어와 다의어 문제를 줄이기 위해 키워드 공존 기반 기존 방법을 개선하기 위해 URL 구조와 TF-IDF를 통합하는 것.
• 학술 사회 네트워크에서 키워드 유사도와 URL 기반 매칭을 조합하여 관계 추출의 효과성을 평가하는 것.
• 표준 정보 검색 메트릭을 사용하여 수동으로 코딩된 DBLP 기반 사회 네트워크와의 성능을 비교 평가하는 것.
• 비지도 네트워크 추출에서 URL 패턴을 의미적 관계의 대체 지표로 사용할 수 있는지 탐색하는 것.

제안 방법

• 웹 스니펫에서 관련 키워드를 선별하기 위해 TF-IDF를 사용하며, 최대 TF-IDF 점수의 30% 이상을 차지하는 키워드만 필터링한다.
• 키워드 클러스터에 대해 공존 및 유사도 측정을 기반으로 한 임계치 기반 관계 추출 방법(SRS)을 적용한다.
• 웹 페이지의 URL 간 유사도를 계산하여 사회적 관계를 추론하는 URL 기반 유사도 방법(USR)을 도입한다.
• 추출된 네트워크와 기준 네트워크 간의 유사도를 측정하기 위해 자카르 계수를 사용하며, 평가 지표로 재현율, 정밀도, F-측정치를 사용한다.
• 결과 검증을 위해 DBLP의 저자-공저자 관계에서 유도된 기준 그래프를 사용한다.
• 비교를 위한 기준 네트워크를 생성하기 위해 연관 규칙 마이닝(ARS)을 적용한다.

실험 결과

연구 질문

• RQ1 URL 구조는 키워드 공존을 넘어서 사회적 관계 추출에 효과적으로 활용될 수 있는가?
• RQ2 학술 사회 네트워크 추출에서 URL 기반 유사도의 성능은 키워드 기반 유사도와 비교해 어떻게 다른가?
• RQ3 TF-IDF와 URL 분석을 통합할 경우 비지도 학습 기반 사회적 네트워크 추출의 재현율과 정밀도는 어느 정도 향상되는가?
• RQ4 제안된 방법은 웹 기반 관계 추출에서 발생하는 동의어와 다의어 문제로 인한 모호성을 줄이는 데 기여하는가?
• RQ5 다수의 인물 이름과 잠재적 관계에 대해 이 방법이 어떤 정도로 확장 가능한가?

주요 결과

• URL 기반 유사도 방법(USR)은 70%의 재현율과 9%의 정밀도를 기록하였으며, 이는 키워드 중심 방법(SRS)의 47% 재현율과 10% 정밀도보다 뚜렷이 뛰어나다.
• USR는 α=0.01일 때 잠재 관계의 86%(19,513개 관계)를 식별하였고, SRS는 α=0.0001일 때 잠재 관계의 53%(12,621개 관계)를 식별하였다.
• USR와 기준 네트워크 간 자카르 유사도는 0.009로, SRS의 0.0094보다 略로 높아 기준 네트워크와의 일치도가 더 높음을 시사한다.
• 클러스터당 키워드 수를 제한함으로써 잡음이 많은 낮은 품질의 또는 관련 없는 용어로 인한 영향을 줄여 F-측정치를 향상시켰다.
• 이 방법은 URL이 관계 추론에 있어 안정적이고 모호성이 없는 신호로 기능할 수 있음을 입증하였으며, 키워드 기반 방법의 동의어 및 다의어 문제를 줄이는 데 기여한다.
• 결과는 URL 구조가 비지도 학습 기반 웹 문서에서 사회적 네트워크 추출에 있어 가치 있고, 아직 충분히 활용되지 않은 신호임을 시사한다.