[论文解读] Efficient Top-K Retrieval in Online Social Tagging Networks

Silviu Maniu, Bogdan Cautis|arXiv (Cornell University)|Apr 8, 2011

Data Management and Algorithms参考文献 19被引用 7

一句话总结

本文提出TOPKS，一种高效、在线的社交书签系统中top-k检索算法，通过利用用户社交网络来根据接近度对标注行为进行加权。该算法无需预计算即可实时计算得分，在纯社交环境下实现实例最优性，显著降低响应时间，同时保持极低的精度损失，实验结果基于真实世界数据验证。

ABSTRACT

We consider in this paper top-k query answering in social tagging systems, also known as folksonomies. This problem requires a significant departure from existing, socially agnostic techniques. In a network-aware context, one can (and should) exploit the social links, which can indicate how users relate to the seeker and how much weight their tagging actions should have in the result build-up. We propose an algorithm that has the potential to scale to current applications. While the problem has already been considered in previous literature, this was done either under strong simplifying assumptions or under choices that cannot scale to even moderate-size real world applications. We first consider a key aspect of the problem, which is accessing the closest or most relevant users for a given seeker. We describe how this can be done on the fly (without any pre-computations) for several possible choices - arguably the most natural ones - of proximity computation in a user network. Based on this, our top-k algorithm is sound and complete, while addressing the scalability issues of the existing ones. Importantly, our technique is instance optimal in the case when the search relies exclusively on the social weight of tagging actions. To further reduce response times, we then consider directions for efficiency by approximation. Extensive experiments on real world data show that our techniques can drastically improve the response time, without sacrificing precision.

研究动机与目标

• 解决现有top-k检索方法在社交标注系统中可扩展性和适用性方面的局限性。
• 实现实时、在线查询处理，支持社交网络、标签和查询的动态变化。
• 开发一种方法，利用社交接近度对标注行为加权，而无需依赖昂贵的预计算。
• 在保证结果排序正确性和完整性的前提下，优化响应时间。
• 探索近似技术，进一步降低计算成本，同时不牺牲精度。

提出的方法

• 提出一种基于多种相似性函数（例如最短路径、加权相似性）的用户网络实时接近度计算机制。
• 提出一种top-k检索算法（TOPKS），通过迭代探索社交网络，基于邻近用户的贡献识别高分项目。
• 采用分支限界策略结合优先队列，高效剪枝搜索空间，聚焦于最相关的用户及其标注项目。
• 采用结合标签相关性和社交权重的评分模型，其中用户影响力由其与查询者之间的接近度决定。
• 通过限制社交遍历深度并使用统计边界，应用近似技术以降低计算成本。
• 支持多种接近度函数（例如 fmul、fpow），并在查询执行期间动态计算社交得分。

实验结果

研究问题

• RQ1 如何在不依赖预计算接近度值的情况下，高效地在在线社交书签系统中执行top-k检索？
• RQ2 不同社交接近度函数（例如最短路径、基于相似性的方法）对检索性能和可扩展性有何影响？
• RQ3 是否可以设计一种top-k算法，在纯社交环境下既具备正确性又保证完备性，并实现实例最优性？
• RQ4 在真实世界的社交标注工作负载中，近似技术能在多大程度上降低响应时间，同时保持可接受的精度损失？
• RQ5 在真实数据集上，与现有方法相比，所提方法在效率和精度方面表现如何？

主要发现

• TOPKS算法在纯社交环境下实现了实例最优性，即对任意给定输入实例，其性能与最优可能算法相当。
• 基于真实世界数据的大量实验表明，与以往方法相比，TOPKS显著降低了响应时间，同时精度损失极小。
• 近似技术大幅降低了计算成本，同时保持高精度，使该方法适用于大规模在线应用场景。
• 该方法支持广泛的接近度函数，在社交链接为隐式或基于标注行为推导时仍能有效运行。
• 基于社交接近度的个性化方法优于非个性化模型，尤其在长尾项目上表现更优，因其更重视密切用户的行为。
• 即使社交网络、标注数据或查询在实时动态变化，该算法仍保持可扩展性和高效性。