[논문 리뷰] Semantic Annotation for Microblog Topics Using Wikipedia Temporal Information

Tuan Tran, Nam Khanh Tran외 2명|arXiv (Cornell University)|2017. 01. 14.

Web Data Mining and Analysis참고 문헌 25인용 수 5

한 줄 요약

이 논문은 트위터에서 유행하는 해시태그의 의미적 주석을 내림표 기반 학습 알고리즘을 활용하여 위키피디아 편집 기록과 페이지 조회 기록의 시간적 동향을 활용함으로써 새로운 방법을 제안한다. 이 방법은 급격한 활동 증가 기간 동안 해시태그와 위키피디아 엔티티 간의 시간적 상관관계를 모델링하여 엔티티 연결 정확도를 향상시킨다. 이는 최신 기준보다 17-28% 높은 성능을 달성한다.

ABSTRACT

Trending topics in microblogs such as Twitter are valuable resources to understand social aspects of real-world events. To enable deep analyses of such trends, semantic annotation is an effective approach; yet the problem of annotating microblog trending topics is largely unexplored by the research community. In this work, we tackle the problem of mapping trending Twitter topics to entities from Wikipedia. We propose a novel model that complements traditional text-based approaches by rewarding entities that exhibit a high temporal correlation with topics during their burst time period. By exploiting temporal information from the Wikipedia edit history and page view logs, we have improved the annotation performance by 17-28\%, as compared to the competitive baselines.

연구 동기 및 목표

• 트위터에서 유행하는 해시태그의 의미적 주석에 관한 연구가 부족한 점을 해결하기 위해, 자주 모호하고 맥락에 의존하는 해시태그에 대해 연구한다.
• 위키피디아의 시간적 동향을 통합함으로써 정적이고 콘텐츠 기반의 엔티티 연결의 한계를 극복한다.
• 정점 활동 기간 동안 유행하는 해시태그를 가장 관련성이 높은 위키피디아 엔티티에 자동으로 연결하는 자동화되고 확장 가능한 방법을 개발한다.
• 시간적 신호로 위키피디아 페이지 조회 통계와 편집 기록을 통합하여 주석 성능을 향상시킨다.
• 사람이 레이블을 붙인 데이터가 없이도 사회적 미디어에서 정보 확산을 모방하는 학습 알고리즘을 설계한다.

제안 방법

• 위키피디아 페이지 조회 기록과 편집 기록을 사용하여 해시태그 급증 기간 동안 엔티티에 대한 대중의 관심을 반영하는 시간 시리즈 신호를 추출한다.
• 시간 시리즈 유사도 측정법을 사용하여 유행하는 해시태그와 후보 위키피디아 엔티티 간의 시간적 상관관계를 모델링하며, 해시태그의 급증 기간과 높은 일치도를 보이는 엔티티에 보상을 부여한다.
• 영향력 확산 기반의 새로운 학습 알고리즘이 콘텐츠 기반 유사도(예: 언어 모델)와 시간 기반의 주목도를 하나의 순위 매기기 프레임워크에 통합한다.
• 사람이 레이블을 붙인 학습 데이터가 필요 없이도 유사도 측정법의 최적 가중치를 자동으로 학습한다.
• 유사한 정보 확산 패턴을 보이는 다른 소셜 미디어 플랫폼에 일반화 가능하도록 설계되어 있다.
• 지역적 언급 맥락과 전역적 시간적 주목도를 결합한 하이브리드 유사도 측정법을 사용하여 후보 엔티티를 평가한다.

실험 결과

연구 질문

• RQ1 위키피디아 편집 기록과 페이지 조회 기록에서 유도된 시간 신호가 유행하는 트위터 해시태그의 의미적 주석 정확도를 향상시키는가?
• RQ2 시간에 기반한 엔티티 역학을 통합할 경우 정적 콘텐츠 기반 방법에 비해 엔티티 연결 성능이 어떻게 향상되는가?
• RQ3 영향력 확산 기반 학습 전략이 기존의 기준 기반 방법에 비해 자동 해시태그 주석에서 얼마나 뛰어난 성능을 보이는가?
• RQ4 내생적(미모 기반) 해시태그와 외생적(사건 기반) 해시태그 간에 이 방법의 성능 특성이 어떻게 다를까?
• RQ5 특히 포화 상태나 노이즈가 많은 기간 동안 부스터 윈도우 크기가 변할 경우 이 방법의 안정성은 어떻게 되는가?

주요 결과

• 제안된 방법은 경쟁 기준보다 주석 성능을 17-28% 향상시켜 정밀도와 평균 평균 정밀도 측면에서 뚜렷한 향상을 보였다.
• 이 방법은 다양한 부스터 윈도우 크기에서 모든 기준 기반 방법을 능가하며, 포화 상태에서 노이즈가 증가할수록 높은 안정성을 유지한다.
• 영향력 확산 기반 학습 알고리즘이 콘텐츠와 시간 신호를 효과적으로 통합하여 인간 레이블이 없는 조건에서도 뛰어난 성능을 달성한다.
• 전통적인 방법에서는 내생적 해시태그(예: 미모)의 성능이 저하되지만, 제안된 방법은 깊이 있는 의미 주석이 필요한 외생적, 사고 기반 해시태그에서 뛰어난 성능을 보인다.
• 시간 기반 유사도 측정법(예: f_t)이 언어 모델과 같은 콘텐츠 기반 방법보다 우수하며, 특히 트위터와 위키피디아 간의 어휘 및 분포 차이로 인해 더욱 두드러진다.
• 이 방법은 윈도우 크기 변화에 뛰어난 내성성을 보이며, 유행 기간이 연장되거나 명확하지 않을 경우에도 일관되게 뛰어난 성능을 유지한다.