[논문 리뷰] Geo-Social Group Queries with Minimum Acquaintance Constraint

Qijun Zhu, Haibo Hu외 3명|arXiv (Cornell University)|2014. 06. 28.

Data Management and Algorithms참고 문헌 25인용 수 15

한 줄 요약

이 논문은 각 구성원이 최소 *c*명의 다른 구성원을 알고 있는 것을 요구함으로써 그룹의 유대감을 보장하는 최소 앎 조건을 갖춘 지오소셜 그룹 쿼리(Geo-Social Group Queries, GSGQs)를 제안한다. 대규모 LBSN에서 효율적으로 GSGQ를 처리하기 위해 두 가지 새로운 사회적 인지 기반 공간 색인인 SaR-tree와 SaR*-tree를 도입하였으며, Gowalla와 Twitter-2010과 같은 실세계 데이터셋에서 기존 R-트리 기반 방법에 비해 쿼리 성능과 업데이트 효율성에서 뛰어난 성능을 보였다.

ABSTRACT

The prosperity of location-based social networking services enables geo-social group queries for group-based activity planning and marketing. This paper proposes a new family of geo-social group queries with minimum acquaintance constraint (GSGQs), which are more appealing than existing geo-social group queries in terms of producing a cohesive group that guarantees the worst-case acquaintance level. GSGQs, also specified with various spatial constraints, are more complex than conventional spatial queries; particularly, those with a strict $k$NN spatial constraint are proved to be NP-hard. For efficient processing of general GSGQ queries on large location-based social networks, we devise two social-aware index structures, namely SaR-tree and SaR*-tree. The latter features a novel clustering technique that considers both spatial and social factors. Based on SaR-tree and SaR*-tree, efficient algorithms are developed to process various GSGQs. Extensive experiments on real-world Gowalla and Dianping datasets show that our proposed methods substantially outperform the baseline algorithms based on R-tree.

연구 동기 및 목표

• 기존의 지오소셜 그룹 쿼리에서 공간적 근접성은 유지되나 구성원 간 익명성으로 인해 그룹의 유대감이 떨어지는 문제를 해결하기 위해.
• 각 그룹 구성원이 최소 *c*명의 다른 구성원을 앎으로써 그룹의 유대감을 보장하는 새로운 종류의 지오소셜 그룹 쿼리(GSGQs)를 정의하기 위해.
• 효율적인 쿼리 처리를 위해 공간적 거리와 사회적 거리를 통합한 확장 가능한 외부 메모리 색인 구조인 SaR-tree와 SaR*-tree를 설계하기 위해.
• 최소 앎 조건 하에서 k-NN 및 범위 쿼리와 같은 다양한 GSGQ 유형을 처리하기 위한 최적화된 알고리즘을 개발하기 위해.
• 실세계 데이터셋을 대상으로 제안된 방법을 평가하여 기존 R-트리 기반 접근 방식에 비해 쿼리 및 업데이트 워크로드 모두에서 뛰어난 성능을 입증하기 위해.

제안 방법

• 질의 발신자 *q*, 공간 제약 조건 *Λ* (예: k-NN 또는 범위) 및 앎 조건 *c*로 구성된 세 가지 매개변수를 갖는 새로운 GSGQ 가족을 정의하여, 각 그룹 구성원이 최소 *c*명의 다른 구성원을 앎을 보장한다.
• 공간적 근접성과 사회적 연결성을 기반으로 사용자를 군집화하는 사회적 인지 기반 공간 색인인 SaR-tree를 설계하여 쿼리 처리 중에 더 강력한 프루닝 성능을 확보한다.
• 색인 품질과 쿼리 성능 향상을 위해 군집화 과정에 공간적 거리와 사회적 거리를 모두 통합함으로써 SaR-tree를 개선한 SaR*-tree를 제안한다.
• SaR-tree 및 SaR*-tree의 계층적 구조를 활용하여 I/O 및 계산 비용을 최소화하는 GSGQ 처리를 위한 새로운 알고리즘을 개발한다. 이는 k-NN 및 느슨한 k-NN 쿼리 유형을 포함한다.
• 동적 사회망을 고려하여 지연 업데이트 모델을 구현하여 위치 및 사회적 업데이트를 배치로 처리함으로써 색인 일관성을 유지하면서 최소한의 오버헤드를 유도한다.
• 후보자 pruning 및 조기 종료 최적화 기법을 적용하여 검색 공간을 줄이고 쿼리 효율성을 향상시킨다.

실험 결과

연구 질문

• RQ1 실세계 응용 프로그램에서 그룹 구성원 간의 상호작용 품질을 향상시키기 위해, 지오소셜 그룹 쿼리를 어떻게 개선하여 구성원 간 최소 수준의 친밀감을 보장할 수 있는가?
• RQ2 대규모 동적 LBSN 환경에서 최소 앎 조건을 갖춘 GSGQ를 효율적으로 지원할 수 있는 색인 구조는 무엇이며, I/O 및 계산 비용을 최소화할 수 있는가?
• RQ3 실세계 데이터셋에서 기존의 R-트리 기반 접근 방식에 비해 제안된 SaR-tree 및 SaR*-tree는 쿼리 성능과 업데이트 효율성 측면에서 어떻게 비교되는가?
• RQ4 배치 업데이트 크기와 업데이트 빈도는 동적 환경에서 GSGQ 처리 성능에 어떤 영향을 미치는가?
• RQ5 기존 방법에 비해 최소 앎 조건을 적용함으로써 사용자 선호도와 그룹 추천의 인식 품질이 얼마나 향상되는가?

주요 결과

• 제안된 GSGQ 모델은 최소 앎 조건 *c*를 강제함으로써 각 구성원이 최소 *c*명의 다른 구성원을 앎을 보장함으로써 그룹의 유대감을 크게 향상시키며, 이는 사회적 상호작용의 품질에 핵심적인 영향을 미친다.
• SaR*-tree는 SaR-tree 및 기존의 CR/R-트리 방법에 비해 쿼리 처리량에서 뛰어난 성능을 보이며, Gowalla 및 Twitter-2010 데이터셋에서 모든 워크로드에서 최고의 성능을 기록한다.
• Gowalla에서, 고도의 쿼리 대 업데이트 비율 조건 하에서 SaR*는 CR 대비 최대 1.8배, R-트리 대비 최대 2.5배 높은 처리량을 기록하여 뛰어난 확장성을 입증한다.
• SaR-트리의 평균 분할 업데이트 시간은 배치 크기가 커질수록 감소하며, 이는 CBR(Candidate Block Reference)의 무효화 횟수가 줄어들기 때문이다. 이는 업데이트 효율성 향상에 기여한다.
• 사용자 선호도 조사에서 참가자 78%가 GSGQ 결과를 SSGQ 결과보다 선호하였으며, 이는 앎 조건이 인식된 유용성과 사회적 품질을 향상시킨다는 것을 확인한다.
• SaR*-tree를 사용한 GSGQ의 쿼리 실행 시간과 페이지 액세스 비용은 기존 방법에 비해 일관되게 낮으며, 고업데이트 부하 조건 하에서 Twitter-2010에서 I/O 비용이 최대 3.2배까지 감소하였다.