[論文レビュー] Web Pages Clustering: A New Approach

H E Jeevan, P P Prashanth+2 more|arXiv (Cornell University)|Aug 26, 2011

Data Mining Algorithms and Applications参考文献 15被引用数 3

ひとこと要約

本稿では、語義的曖昧性を解消し、文脈に配慮した結果のクラスタリングを向上させるために、標準化された辞書を活用する新しいウェブページクラスタリング手法を提案する。メタサーチエンジンと組み合わせることで、同義語キーワードの処理においても、検索の効率性と結果の関連性が向上する。

ABSTRACT

The rapid growth of web has resulted in vast volume of information. Information availability at a rapid speed to the user is vital. English language (or any for that matter) has lot of ambiguity in the usage of words. So there is no guarantee that a keyword based search engine will provide the required results. This paper introduces the use of dictionary (standardised) to obtain the context with which a keyword is used and in turn cluster the results based on this context. These ideas can be merged with a metasearch engine to enhance the search efficiency.

研究の動機と目的

• キーワードベースのウェブ検索における語義的曖昧性の課題に対処すること。ここでの課題は、同じ語が複数の意味を持つ可能性があることである。
• 標準化された辞書から得られる文脈的意味を組み込むことで、検索結果の関連性を向上させること。
• 文脈に配慮したウェブページのクラスタリングを通じて、メタサーチエンジンの効率性と正確性を向上させること。
• キーワード頻度ではなく意味的文脈に基づいてページをグループ化することで、ユーザーが関連性のない結果をふるいにかける手間を減らすこと。

提案手法

• 本手法は、検索クエリ内のキーワードの意味的文脈を特定するために標準化された辞書を用いる。
• ウェブページにおけるキーワードの使用状況を分析し、辞書の定義に基づいてその文脈的意味を同定する。
• 辞書から導出された意味的特徴を用いて、ウェブページ間の文脈的類似度を計算し、より正確なクラスタリングを実現する。
• 従来の文法的類似度ではなく、意味的文脈に基づいて結果をグループ化するように、既存のメタサーチエンジンと統合する。
• ベクトル空間モデルを、辞書エントリから導出された文脈に配慮した語の重み付けで強化することでクラスタリングを実施する。
• 辞書によって特定されたクエリ語の支配的意味に基づき、クラスタリングを動的に調整する。

実験結果

リサーチクエスチョン

• RQ1 ウェブ検索における語義的曖昧性は、どのようにして効果的に解消され、結果のクラスタリングが向上するのか？
• RQ2 標準化された辞書を用いることで、ウェブページクラスタリングの意味的正確性はどの程度向上するのか？
• RQ3 文脈に配慮したクラスタリングは、関連性の高い結果を効果的に抽出するメタサーチエンジンの性能を向上させることができるか？
• RQ4 辞書に基づく文脈分析は、従来のキーワードベースのクラスタリングと比較して、結果の正確性においてどの程度優れているのか？

主な発見

• 提案手法は、辞書に基づく文脈分析によってキーワードの多義性を解消することで、クラスタリングの正確性を顕著に向上させる。
• 結果として、従来のキーワードベースのクラスタリングと比較して、関連性のない結果グループの発生が減少することが示された。
• メタサーチエンジンとの統合により、関連する結果クラスタの特定が迅速化され、ユーザーの検索効率が向上した。
• 標準化された辞書の使用により、多様なウェブコンテンツにおいて一貫性があり再現可能な意味的解釈が可能になった。