[论文解读] Enabling Semantic Analysis of User Browsing Patterns in the Web of Data

Julia Hoxha, Martin Junghans+1 more|arXiv (Cornell University)|Apr 12, 2012

Service-Oriented Architecture and Web Services参考文献 16被引用 15

一句话总结

本文通过领域本体和时序逻辑，对跨多个数据之网（Web of Data）站点的用户浏览行为进行了语义形式化，利用基于模型检测的查询引擎支持对用户会话的表达性查询。该方法在 DBpedia 和 Semantic Web Dog Food 的真实日志上实现了亚秒级响应时间，证明了其在智能使用挖掘和推荐系统中的可行性。

ABSTRACT

A useful step towards better interpretation and analysis of the usage patterns is to formalize the semantics of the resources that users are accessing in the Web. We focus on this problem and present an approach for the semantic formalization of usage logs, which lays the basis for eective techniques of querying expressive usage patterns. We also present a query answering approach, which is useful to nd in the logs expressive patterns of usage behavior via formulation of semantic and temporal-based constraints. We have processed over 30 thousand user browsing sessions extracted from usage logs of DBPedia and Semantic Web Dog Food. All these events are formalized semantically using respective domain ontologies and RDF representations of the Web resources being accessed. We show the eectiveness of our approach through experimental results, providing in this way an exploratory analysis of the way users browse theWeb of Data.

研究动机与目标

• 通过本体将语法性 HTTP 请求映射到领域特定概念，实现用户浏览日志的语义解释。
• 通过结合语义约束与时序逻辑，支持对用户行为模式的表达性查询。
• 设计并评估一种可扩展的查询回答机制，用于检测跨多个链接数据站点的复杂浏览模式。
• 利用形式化日志探索跨站点导航行为，例如搜索后返回或跨站点行程规划。
• 在 DBpedia 和 Semantic Web Dog Food 的真实使用日志上，证明语义与时序分析的可行性。

提出的方法

• 使用领域本体（例如 swrc:InProceedings、dbpedia-owl:MusicalArtist）将原始使用日志条目映射为语义事件。
• 将网络资源和用户操作表示为 RDF 三元组，以实现机器可理解的日志记录。
• 在 SROIQ 描述逻辑中扩展线性时序逻辑（LTL），形成用于指定复杂行为约束的时序化逻辑 DL-LTL。
• 以模型检测作为核心技术，自动验证哪些用户会话满足给定的语义与时序查询。
• 将查询回答分为两个阶段：使用 OWL 推理进行语义增强，使用模型检测进行时序模式验证。
• 在具有不同会话数量的真实数据集上评估性能，以评估可扩展性与响应时间。

实验结果

研究问题

• RQ1 如何使用语义本体对跨多个链接数据站点的用户浏览行为进行正式表示？
• RQ2 结合语义与时序约束对用户行为模式查询的表达能力有何影响？
• RQ3 基于模型检测的查询引擎能否在真实世界日志上高效检索满足复杂语义与时序模式的会话？
• RQ4 随着用户会话数量的增加，查询回答机制的性能如何扩展？
• RQ5 使用该方法可以有效发现哪些类型的跨站点导航模式（例如搜索后返回、多站点行程规划）？

主要发现

• 对于最多 1,000 个用户会话的查询，查询回答机制的响应时间低于 1.4 秒，不同会话规模下的平均查询响应时间为 0.15 秒。
• OWL 推理占总查询回答时间的约 94%，表明推理是主要性能瓶颈。
• 模型检测时间极短，表明与语义增强相比，时序模式验证在计算上非常轻量。
• 该方法成功检测到复杂模式，例如用户在 Google 搜索后返回先前访问的站点，或在 DBpedia 中先浏览会议论文再访问城市页面。
• 系统在无需索引或优化的情况下，已证明可在大规模真实使用日志上部署，表明其在推荐与分析流水线中具有强大集成潜力。
• 语义形式化使系统能够发现涉及领域特定概念（例如“英国爵士音乐家”或“WWW2009 会议论文”）的模式，这些模式仅靠语法日志难以表达。