[論文レビュー] A Fuzzy Co-Clustering approach for Clickstream Data Pattern

R. Rathipriya, K. Thangavel|arXiv (Cornell University)|Sep 30, 2011

Recommender Systems and Techniques参考文献 9被引用数 5

ひとこと要約

本稿では、ナビゲーション行動に基づいてユーザーとウェブページを同時にグループ化することで、クリックストリームデータに隠れたパターンを解明するためのファジィ共同クラスタリング手法を提案する。ユーザーが複数のユーザークラスタに部分的所属するのと、ページが複数のページクラスタに部分的所属することを許容することで、ユーザーの関心の特定を向上させ、ターゲティングマーケティング戦略を強化する。実データを用いた実験により、意味のある共同クラスタを明らかにできることが確認され、有効性が裏付けられている。

ABSTRACT

Web Usage mining is a very important tool to extract the hidden business intelligence data from large databases. The extracted information provides the organizations with the ability to produce results more effectively to improve their businesses and increasing of sales. Co-clustering is a powerful bipartition technique which identifies group of users associated to group of web pages. These associations are quantified to reveal the users' interest in the different web pages' clusters. In this paper, Fuzzy Co-Clustering algorithm is proposed for clickstream data to identify the subset of users of similar navigational behavior /interest over a subset of web pages of a website. Targeting the users group for various promotional activities is an important aspect of marketing practices. Experiments are conducted on real dataset to prove the efficiency of proposed algorithm. The results and findings of this algorithm could be used to enhance the marketing strategy for directing marketing, advertisements for web based businesses and so on.

研究の動機と目的

• ウェブサイトにおける類似したナビゲーション行動を示すユーザーグループを特定する課題に対処すること。
• 類似したユーザー群を引きつけるウェブページのクラスタを発見することで、パーソナライゼーションおよびマーケティングの向上を図ること。
• 従来の共同クラスタリングを改善するため、ファジィ所属度を組み込み、ユーザーおよびページが複数のクラスタに、異なる程度の関連性で所属可能であるようにすること。
• クリックストリームデータからの行動可能なインサイトの抽出を通じて、ウェブ利用マイニングを強化し、ビジネスインテリジェンスを向上させること。
• 実世界のデータセットを用いた実験を通じて、本手法の実用的適用可能性を検証すること。

提案手法

• 提案手法は、ユーザーとウェブページを同時にファジィクラスタに分割する共同クラスタリングフレームワークにおいて、ファジィc-平均クラスタリングを適用する。
• ユーザーとページのクラスタが、ファジィ所属度に基づいて反復的に更新される二部グラフクラスタリングアプローチを採用する。
• ユーザーおよびページのクラスタ内距離をバランスさせる目的関数を最小化するアルゴリズムであり、ファジィ所属度の重みを組み込む。
• ファジィ所属度は、標準的なファジィc-平均の定式化に従って更新され、ユーザーが複数のクラスタに、異なる類似度で所属可能であるようにする。
• 所属度スコアを用いてユーザーがウェブページクラスタに対して関心を示す度合いを定量化することで、ユーザー行動の微細な分析が可能になる。
• 反復的最適化プロセスを収束するまで継続することで、安定的かつ意味のある共同クラスタが得られる。

実験結果

リサーチクエスチョン

• RQ1 ファジィ共同クラスタリングは、クリックストリームデータにおけるユーザーとウェブページの二重クラスタリングをどのように効果的にモデル化できるか？
• RQ2 ハードクラスタリングと比較して、ファジィ所属度はユーザー関心の特定精度をどの程度向上させるか？
• RQ3 提案されたアルゴリズムは、実世界のウェブ利用データにおいて、ターゲティングマーケティングに役立つ行動可能なユーザーおよびページのグループ化を明らかにできるか？
• RQ4 実際のクリックストリームデータセットにおいて、アルゴリズムのクラスタリング品質および安定性はどの程度か？
• RQ5 得られたファジィ共同クラスタを通じて、ユーザーのナビゲーション行動に関するどのようなインサイトを抽出できるか？

主な発見

• ファジィ共同クラスタリング手法は、実際のクリックストリームデータから意味のあるユーザーおよびウェブページクラスタを効果的に特定し、ナビゲーション行動のパターンを明らかにした。
• 部分的所属を許容することで、ユーザー関心の解釈性が向上し、現実のブラウジング行動をより的確に反映している。
• 実データセットを用いた実験により、安定的かつ一貫性のある共同クラスタを生成する本手法の有効性が確認された。
• 特定のウェブページクラスタに類似した関心を示すユーザーグループを特定することで、プロモーション活動のターゲティングがより効果的になった。
• 結果として、ファジィ共同クラスタリングは、従来のハード共同クラスタリングよりも、ユーザー行動の微細なパターンをよりよく捉えられると判明した。
• 本手法は、ウェブベースのマーケティングおよび広告戦略の強化に役立つ行動可能なビジネスインテリジェンスを提供する。