[论文解读] Diversifying Citation Recommendations

Onur Küçüktunç, Érik Saule+2 more|arXiv (Cornell University)|Sep 26, 2012

Text and Document Classification Technologies被引用 2

一句话总结

本文提出了一种面向引文驱动文献检索的方向感知多样化框架，通过引入 γ-RLM 等新颖技术，在个性化 PageRank 中实现了相关性与多样性的平衡。实验表明，γ-RLM 在效率与有效性方面均优于现有方法，使用户能够检索到在相关性、多样性和方向性目标之间保持平衡的论文集合。

ABSTRACT

Literature search is arguably one of the most important phases of the academic and non-academic research. The increase in the number of published papers each year makes manual search inefficient and furthermore insufficient. Hence, automatized methods such as search engines have been of interest in the last thirty years. Unfortunately, these traditional engines use keyword-based approaches to solve the search problem, but these approaches are prone to ambiguity and synonymy. On the other hand, bibliographic search techniques based only on the citation information are not prone to these problems since they do not consider textual similarity. For many particular research areas and topics, the amount of knowledge to humankind is immense, and obtaining the desired information is as hard as looking for a needle in a haystack. Furthermore, sometimes, what we are looking for is a set of documents where each one is different than the others, but at the same time, as a whole we want them to cover all the important parts of the literature relevant to our search. This paper targets the problem of result diversification in citation-based bibliographic search. It surveys a set of techniques which aim to find a set of papers with satisfactory quality and diversity. We enhance these algorithms with a direction-awareness functionality to allow the users to reach either old, well-cited, well-known research papers or recent, less-known ones. We also propose a set of novel techniques for a better diversification of the results. All the techniques considered are compared by performing a rigorous experimentation. The results show that some of the proposed techniques are very successful in practice while performing a search in a bibliographic database.

研究动机与目标

• 解决基于引文的文献检索中的结果多样化挑战，传统基于关键词的方法常受同义词和歧义性影响。
• 改进仅依赖引文网络的现有书目检索技术，这些技术虽避免了文本歧义，但往往缺乏结果多样性。
• 通过方向感知推荐，使用户能够控制推荐论文的时间维度与影响力方向——即经典、高被引文献或近期、知名度较低的文献。
• 开发并评估新颖的多样化算法，以在引文网络中平衡相关性、多样性与用户导向的检索目标。
• 提供一个基于多种指标（相关性、多样性、有用性、覆盖率）的稳健评估框架，以评估多样化方法的有效性。

提出的方法

• 将现有的基于图的多样化方法（如 DIVRANK、DRAGON、GRASSHOPPER）适配至基于引文网络的方向感知个性化 PageRank 框架。
• 提出 γ-RLM，一种新颖算法，结合个性化 PageRank 与可调参数 γ，以控制相关性（top-k 结果）与多样性（跨主题分布）之间的权衡。
• 实现基于查询精炼的方法（FEED、GSPARSE、GRASSHOPPER），通过迭代选择多样化且高质量的候选结果来优化推荐集合。
• 采用顶点选择策略（如 IL1、IL2），通过选择与已选节点相似度较低的节点来促进多样性。
• 利用 Kucuktunc 等人（2012a）提出的技术优化底层图表示与索引结构，以加速大规模引文图上的计算。
• 应用多指标评估框架，使用相关性、多样性（密度、扩展率）、有用性以及平均出版年份来评估方法性能。

实验结果

研究问题

• RQ1 如何将多样化技术有效适配至方向感知的个性化引文推荐系统中？
• RQ2 在多种评估指标下，哪种多样化方法能实现相关性与多样性的最佳平衡？
• RQ3 γ-RLM 中的可调参数（γ）是否能有效控制检索顶级排名（相关）论文与确保覆盖多样化主题之间的权衡？
• RQ4 基于查询精炼的方法与基于图的排序方法在效率与结果质量方面有何差异？
• RQ5 当单独使用时，标准评估指标在多大程度上无法捕捉用户满意度？

主要发现

• γ-RLM 算法在所有评估指标上均表现优异，优于基线方法与当前最先进方法。
• DRAGON 与 γ-RLM 展现了最高的效率，运行时间显著低于 GRASSHOPPER、GSPARSE 和 DIVRANK 变体。
• GRASSHOPPER 与 GSPARSE 的运行时间随 k 值线性增长，使其在 k 值较大时可扩展性较差。
• FEED 与 DRAGON 尽管相关性良好，但其结果多样性较低，表现为密度与扩展率值较高。
• IL1 与 IL2 方法分别表现出低有用性与低相关性，表明整体性能较差。
• γ-RLM 方法成功平衡了从 top-k 相关性到全面多样性的谱系，其性能可通过 γ 参数进行调节。