[论文解读] From Linked Data to Relevant Data -- Time is the Essence

Markus Kirchberg, Ryan K. L. Ko+1 more|arXiv (Cornell University)|Mar 25, 2011

Semantic Web and Ontologies参考文献 5被引用 11

一句话总结

本文提出一种基于时间窗口的Web服务器日志挖掘方法，结合链接分析与使用模式，以识别Linked Data中的相关性，证明时间访问模式——尤其是现实事件周围的模式——能揭示超越静态链接结构的、具有上下文感知意义的相关性。主要贡献在于构建了一个框架，其中相关性源于特定时间窗口内遍历深度、链接扇出量与访问频率之间的相互作用。

ABSTRACT

The Semantic Web initiative puts emphasis not primarily on putting data on the Web, but rather on creating links in a way that both humans and machines can explore the Web of data. When such users access the Web, they leave a trail as Web servers maintain a history of requests. Web usage mining approaches have been studied since the beginning of the Web given the log's huge potential for purposes such as resource annotation, personalization, forecasting etc. However, the impact of any such efforts has not really gone beyond generating statistics detailing who, when, and how Web pages maintained by a Web server were visited.

研究动机与目标

• 解决传统链接分析与使用挖掘方法的局限性，后者将时间视为正交因素，无法捕捉事件驱动的相关性。
• 探究Web服务器日志中的时间模式是否能揭示Linked Data系统中具有意义的、上下文感知的相关性。
• 开发一种将使用行为（访问路径）与资源链接（链接结构）相结合的方法，以在特定时间窗口内识别相关性。
• 验证相关性并非静态，而是在现实事件（如会议或灾难）周围动态浮现。
• 证明有目的、活跃的用户群体（如SWDF）产生的相关性信号比被动或通用数据源（如DBpedia）更具可解释性。

提出的方法

• 该方法对Web服务器日志应用时间窗口视图，将访问模式划分为离散的时间区间（例如，事件前、事件中、事件后）。
• 通过测量资源的扇出量（从资源出发的出站链接数量）、遍历深度（用户从起点出发的导航距离）和访问权重（路径访问频率），将链接分析与使用分析相结合。
• 利用Kandinsky图可视化并探索随时间窗口演化的相关访问路径结构。
• 通过将现实事件（如ISWC 2010会议、海地地震）期间的访问模式与基线或非事件期进行比较，评估相关性。
• 将用户访问路径视为相关性的证据，其中高频、深度且高度连接的遍历表明信息显著。
• 区分活跃、有目的的用户群体（如SWDF）与被动或通用数据源（如DBpedia），认为只有前者能产生可解释的相关性信号。

实验结果

研究问题

• RQ1 能否通过对Web日志进行时间窗口分析，在超越静态链接结构的基础上揭示Linked Data中的动态相关性？
• RQ2 在现实事件（如学术会议或灾难）期间，访问模式与链接结构如何共同演化？
• RQ3 用户访问路径在多大程度上反映了特定时间事件周围的数据资源相关性？
• RQ4 为何某些数据源（如SWDF）在事件期间表现出清晰的相关性信号，而另一些（如DBpedia）虽包含相关内容却无此表现，尽管其内容相关？
• RQ5 如何通过定义时间窗口内的遍历深度、扇出量与访问频率来量化并可视化相关性？

主要发现

• WWW 2010会议页面在事件结束后立即变得高度相关，访问量激增且链接连接性强，反映出与现实事件时间的精确对应。
• 在ISWC 2010会议期间，用户对前一年会议网站的兴趣上升，表明用户行为与信息检索存在时间连续性。
• ISWC 2010会议结束后，最相关资源迅速转向非会议相关内容，显示出用户兴趣的明显时间过渡。
• 尽管DBpedia包含海地和地震相关内容，但在时间窗口分析中未表现出对2010年海地地震的可检测相关性，表明缺乏有目的的用户参与。
• 对迈克尔·杰克逊葬礼事件的分析也观察到相同现象，进一步证实DBpedia的庞大体量并不等同于有意义的相关性信号。
• SWDF凭借其专注于语义网研究的活跃且有目的的用户群体，产生了清晰、可解释的相关性模式，且与现实事件高度一致，验证了该方法的有效性。