[論文レビュー] Building MultiView Analyst Profile From Multidimensional Query Logs: From Consensual to Conflicting Preferences

Eya Ben Ahmed, Ahlem Nabli+1 more|arXiv (Cornell University)|Mar 15, 2012

Data Management and Algorithms参考文献 16被引用数 7

ひとこと要約

本稿では、OLAPクエリログを分析して、ユーザーの好みを共感的、準対立的、対立的の3つのカテゴリに分類するマルチビュー分析者プロファイリング手法を提案する。個人的、職業的、行動的視点を統合することで、多様な分析者行動を捉える包括的かつアノテーション付きのプロファイルを構築し、多次元データ分析環境における推薦精度を向上させる。

ABSTRACT

In order to provide suitable results to the analyst needs, user preferences summarization is widely used in several domains. In this paper, we introduce a new approach for user profile construction from OLAP query logs. The key idea is to learn the user's preferences by drawing the evidence from OLAP logs. In fact, the analyst preferences are clustered into three main pools : (i) consensual or non conflicting preferences referring to same preferences for all analysts; (ii) semi-conflicting preferences corresponding to similar preferences for some analysts; (iii) conflicting preferences related to disjoint preferences for all analysts. To build generic and global model accurately describing the analyst, we enrich the obtained characteristics through including several views, namely the personal view, the professional view and the behavioral view. After that, the multiview profile extracted from multidimensional database can be annotated.

研究の動機と目的

• 多次元データ分析環境における多様で対立するユーザーの好みを捉える課題に対処すること。
• 複数の視点から分析者行動を正確に表現できる汎用的かつグローバルなモデルの開発。
• OLAPクエリログから得られる個人的、職業的、行動的視点を統合して、ユーザープロファイリングを強化すること。
• 共感的と相違する分析者好みの違いを区別することで、より正確でパーソナライズされたクエリ推薦を可能にすること。
• 多次元データベースから導出されるマルチビュー・プロファイルのアノテーションを支援し、意思決定支援を向上させること。

提案手法

• OLAPクエリログを分析して、ユーザーのインタラクションパターンと好みを抽出する。
• 好みを3つのカテゴリにクラスタリングする：共感的（全員が共有）、準対立的（サブセットが共有）、対立的（互いに排他的）。
• 個人的、職業的、行動的という3つの異なる視点を統合し、包括的な分析者プロファイルを構築する。
• クエリログからの証拠を用いて、複数の分析者にわたる好みをスケーラブルに推定・表現する。
• 結果として得られるマルチビュー・プロファイルに、好みのタイプとユーザー役割を反映した意味的ラベルを付与する。
• プロファイル構築の整合性と完全性を保証するため、多次元的分析フレームワークを適用する。

実験結果

リサーチクエスチョン

• RQ1 OLAPクエリログをどのように効果的に活用して、分析者の好みを推定・分類できるか？
• RQ2 分析者クエリ行動から生じる、明確な好みのパターン（共感的、準対立的、対立的）とは何か？
• RQ3 個人的、職業的、行動的という複数の視点を、1つの整合的で一貫性のある分析者プロファイルに統合する方法は何か？
• RQ4 マルチビュー・プロファイルは、OLAP環境におけるパーソナライズされた推薦の正確性をどの程度向上できるか？
• RQ5 対立する好みは、全体のプロファイル整合性を損なわず、どのようにして検出・表現できるか？

主な発見

• 提案手法は、分析者の好みを共感的、準対立的、対立的という3つの明確なタイプに成功して特定・分類した。
• 個人的、職業的、行動的視点の統合により、得られる分析者プロファイルの豊かさと正確性が顕著に向上した。
• モデルは、多次元データベースから導出されるマルチビュー・プロファイルのアノテーションを可能にし、意味的解釈を支援した。
• 本手法は、対立する好みが異常事態ではなく、正確なプロファイリングに不可欠な意味のあるパターンであることを示した。
• クエリログを証拠として用いることで、明示的なユーザーフィードバックを必要とせず、スケーラブルかつデータ駆動型のユーザープロファイル構築が可能になった。
• フレームワークは、共有と相違する分析者行動を両方反映するグローバルで汎用的なモデルの開発を支援した。