[논문 리뷰] Tracking User Attention in Collaborative Tagging Communities

Elizeu Santos‐Neto, Matei Ripeanu외 1명|ArXiv.org|2007. 05. 07.

Recommender Systems and TechniquesComputer Science참고 문헌 15인용 수 17

한 줄 요약

이 논문은 CiteULike와 Bibsonomy와 같은 공동 태깅 커뮤니티에서 사용자 주의를 추적하고 모델링하기 위한 프레임워크를 제안한다. 태깅 행동과 사용자 관심 유사도를 분석함으로써, 핵심 사용자 그룹이 넓은 관심사를 공유하고, 많은 수의 사용자들이 고유하고 세분화된 선호를 가진 구조를 드러내며, 이는 성장하는 지식 공간에서 콘텐츠 탐색과 확장성 향상에 기여할 수 있다.

ABSTRACT

Collaborative tagging has recently attracted the attention of both industry and academia due to the popularity of content-sharing systems such as CiteULike, del.icio.us, and Flickr. These systems give users the opportunity to add data items and to attach their own metadata (or tags) to stored data. The result is an effective content management tool for individual users. Recent studies, however, suggest that, as tagging communities grow, the added content and the metadata become harder to manage due to an ease in content diversity. Thus, mechanisms that cope with increase of diversity are fundamental to improve the scalability and usability of collaborative tagging systems. This paper analyzes whether usage patterns can be harnessed to improve navigability in a growing knowledge space. To this end, it presents a characterization of two collaborative tagging communities that target scientific literature: CiteULike and Bibsonomy. We explore three main directions: First, we analyze the tagging activity distribution across the user population. Second, we define new metrics for similarity in user interest and use these metrics to uncover the structure of the tagging communities we study. The structure we uncover suggests a clear segmentation of interests into a large number of individuals with unique preferences and a core set of users with interspersed interests. Finally, we offer preliminary results that demonstrate that the interest-based structure of the tagging community can be used to facilitate content usage as communities scale.

연구 동기 및 목표

• CiteULike와 Bibsonomy와 같은 공동 태깅 커뮤니티에서 사용자 주의가 어떻게 분포되어 있는지 이해하기 위해.
• 내비게이션 가능성과 콘텐츠 탐색 가능성에 영향을 주는 사용자 태깅 행동의 구조적 패턴을 규명하기 위해.
• 커뮤니티 조직을 드러내기 위해 사용자 관심 유사도를 측정하는 메트릭을 개발하기 위해.
• 커뮤니티가 확장됨에 따라 관심 기반 커뮤니티 구조가 콘텐츠 접근성을 향상시킬 수 있는지 평가하기 위해.
• 디지털 도서관에서 개인화되고 확장 가능한 메타데이터 액세스의 기반을 제공하기 위해.

제안 방법

• 기여 빈도의 힘의 법칙 패턴을 식별하기 위해 사용자 간 태깅 활동 분포를 분석하기 위해.
• 공유 태그와 태그 동시 발생을 바탕으로 새로운 유사도 메트릭을 정의하여 사용자 관심 일치도를 측정하기 위해.
• CiteULike와 Bibsonomy의 실제 데이터셋을 사용하여 사용자 관심 클러스터를 맵핑하기 위해.
• 수득한 관심 구조를 바탕으로 커뮤니티 분할을 핵심 사용자와 담론 사용자로 모델링하기 위해.
• 콘텐츠 탐색 및 내비게이션을 안내할 잠재적 기능을 입증함으로써 이 구조의 유용성을 검증하기 위해.
• 통계적 및 네트워크 분석 기법을 활용하여 태그 동시 발생 패턴에서 잠재적 공동체 조직을 밝혀내기 위해.

실험 결과

연구 질문

• RQ1 공동 태깅 커뮤니티에서 사용자 간 태깅 활동는 어떻게 분포되어 있는가?
• RQ2 태그 동시 발생과 유사도를 분석할 때 사용자 관심에서 어떤 구조적 패턴이 드러나는가?
• RQ3 겹치는 관심을 가진 핵심 사용자 그룹을 식별할 수 있으며, 이들은 고유한 선호를 가진 사용자들과 어떻게 관련되어 있는가?
• RQ4 식별된 관심 기반 구조는 콘텐츠 내비게이션과 확장성에 어떻게 기여하는가?
• RQ5 성장하는 디지털 도서관에서 사용자 주의 패턴을 얼마나 활용하여 메타데이터 액세스를 향상시킬 수 있는가?

주요 결과

• 명확한 사용자 관심 분할이 나타난다: 고유하고 특수한 태깅 패턴을 가진 많은 사용자와 겹치는 관심을 가진 소수의 핵심 사용자 그룹.
• 핵심 사용자 그룹은 태깅 행동에서 높은 상호 유사도를 보이며, 공유된 관심과 협업 필터링의 잠재력을 시사한다.
• 태깅 활동의 분포는 힘의 법칙 패턴을 따르며, 소수의 사용자가 대부분의 태그를 기여하고 있음을 시사한다.
• 관심 기반 공동체 구조는 핵심 사용자가 콘텐츠 탐색의 핵심으로 기능하는 계층적 조직을 드러낸다.
• 제안된 유사도 메트릭은 사용자 관심 일치도를 효과적으로 캡처할 수 있으며, 개인화된 콘텐츠 액세스를 안내하는 데 사용될 수 있다.
• 초기 결과는 이러한 구조를 활용하면 대규모 공동 태깅 시스템에서 내비게이션 가능성과 확장성을 향상시킬 수 있음을 시사한다.