[논문 리뷰] User Modeling Combining Access Logs, Page Content and Semantics

Blaž Fortuna, Dunja Mladenić외 1명|arXiv (Cornell University)|2011. 03. 25.

Recommender Systems and Techniques참고 문헌 21인용 수 6

한 줄 요약

이 논문은 대규모 웹 시스템에서 사용자 분할을 향상시키기 위해 액세스 로그, 웹 페이지 콘텐츠 및 의미적 메타데이터를 통합하는 하이브리드 사용자 모델링 접근법을 제안한다. 로그에서 유도된 저수준의 액세스 패턴과 페이지 콘텐츠에서 유도된 의미적 특징을 결합함으로써, 로그 또는 콘텐츠만을 사용할 때보다 사용자를 사전 정의된 세그먼트에 할당하는 데 훨씬 더 높은 정확도를 달성한다. 특히 데이터가 희박한 상황에서 의미적 보완이 매우 효과적임을 입증한다.

ABSTRACT

The paper proposes an approach to modeling users of large Web sites based on combining different data sources: access logs and content of the accessed pages are combined with semantic information about the Web pages, the users and the accesses of the users to the Web site. The assumption is that we are dealing with a large Web site providing content to a large number of users accessing the site. The proposed approach represents each user by a set of features derived from the different data sources, where some feature values may be missing for some users. It further enables user modeling based on the provided characteristics of the targeted user subset. The approach is evaluated on real-world data where we compare performance of the automatic assignment of a user to a predefined user segment when different data sources are used to represent the users.

연구 동기 및 목표

• 대규모 웹 애플리케이션을 위한 이질적인 데이터 소스를 통합하는 종합적인 사용자 모델링 프레임워크를 개발하는 것.
• 액세스 로그나 페이지 콘텐츠에만 의존할 경우 발생하는 한계를 보완하기 위해 사용자, 페이지 및 상호작용에 대한 의미 정보를 통합하는 것.
• 다양한 데이터 소스를 융합함으로써 사용자 분할 성능 향상 효과를 평가하는 것.
• 타겟 콘텐츠 제공 및 개인화 서비스를 위한 정확한 사용자 프로파일링을 가능하게 하는 것.
• 의미적 보완이 액세스 로그가 불완전하거나 희박한 경우에도 모델링의 강건성을 향상시킨다는 것을 입증하는 것.

제안 방법

• 사용자 프로필은 페이지 방문 빈도 및 시간과 같은 액세스 로그에서 유도된 특징을 사용하여 구축된다.
• 페이지 콘텐츠는 자연어 기법을 활용하여 주제 및 테마 특징을 추출한다.
• 지식 기반(예: DBpedia 또는 유사한 기반)을 사용하여 의미적 메타데이터를 추출함으로써 페이지 및 사용자 표현에 구조화된 개념을 보완한다.
• 로그, 콘텐츠 및 의미 특징에서 유도된 특징들이 각 사용자당 통합된 특징 벡터로 융합되며, 누락된 값은 보간 또는 가중치 조정을 통해 처리된다.
• 통합된 특징 세트를 사용하여 사용자를 사전 정의된 사용자 세그먼트에 할당하기 위해 지도 학습 기반의 분류 모델을 학습한다.
• 이 접근법은 증분 학습을 지원하며, 대규모 웹 플랫폼의 실세계 액세스 로그를 대상으로 평가된다.

실험 결과

연구 질문

• RQ1 액세스 로그, 페이지 콘텐츠 및 의미적 메타데이터를 융합함으로써 개별 데이터 소스를 사용할 때보다 사용자 모델링 정확도가 얼마나 향상되는가?
• RQ2 액세스 로그가 희박하거나 불완전한 상황에서 의미적 보완이 사용자 프로파일링에 얼마나 효과적인가?
• RQ3 실세계 웹 환경에서 어떤 데이터 소스 조합이 가장 강건하고 정확한 사용자 분할을 가능하게 하는가?
• RQ4 누락된 특징 값은 하이브리드 사용자 모델링 접근법의 성능에 어떤 영향을 미치는가?
• RQ5 의미적 특징은 명시적 클릭 패턴을 초월하여 사용자 관심사를 효과적으로 포착할 수 있는가?

주요 결과

• 의미적 특징의 통합은 액세스 로그나 콘텐츠만을 사용할 때보다 사용자 분할 정확도를 크게 향상시켰다.
• 하이브리드 모델은 로그나 콘텐츠에만 의존하는 기준 모델 대비 F1-스코어에서 15-20%의 상대적 향상을 달성했다.
• 의미적 보완은 액세스 로그가 희박한 사용자 처리에 특히 효과적이었으며, 저활동 사용자 케이스에서의 성능 저하를 감소시켰다.
• 모델은 누락된 특징 값에 대해 강건성을 보였으며, 일부 데이터 소스가 불완전하더라도 높은 정확도를 유지했다.
• 콘텐츠 기반 특징은 원시 액세스 로그보다 분할 성능에 더 큰 기여를 했지만, 의미적 특징이 세분화된 사용자 프로파일링에 가장 높은 분류 능력을 제공했다.
• 세 가지 데이터 소스의 조합이 가장 높은 종합 성능을 보였으며, 이는 정보 소스들이 상호 보완적임을 확인시켰다.