[论文解读] Integrating Structured Metadata with Relational Affinity Propagation

Anon Plangprasopchok, Kristina Lerman+1 more|arXiv (Cornell University)|May 26, 2010

Data Management and Algorithms参考文献 11被引用 3

一句话总结

本文提出关系亲和传播（RAP），作为亲和传播的扩展，通过整合结构化元数据与结构约束，从社交媒体数据中的大量浅层个人分类层级（小树苗）中推断出更深层次、更密集且更一致的分类体系。与标准亲和传播相比，RAP通过减少如环路和多条路径等结构不一致性，显著提升了真实Flickr数据中的净相似度和树状密度。

ABSTRACT

Structured and semi-structured data describing entities, taxonomies and ontologies appears in many domains. There is a huge interest in integrating structured information from multiple sources; however integrating structured data to infer complex common structures is a difficult task because the integration must aggregate similar structures while avoiding structural inconsistencies that may appear when the data is combined. In this work, we study the integration of structured social metadata: shallow personal hierarchies specified by many individual users on the SocialWeb, and focus on inferring a collection of integrated, consistent taxonomies. We frame this task as an optimization problem with structural constraints. We propose a new inference algorithm, which we refer to as Relational Affinity Propagation (RAP) that extends affinity propagation (Frey and Dueck 2007) by introducing structural constraints. We validate the approach on a real-world social media dataset, collected from the photosharing website Flickr. Our empirical results show that our proposed approach is able to construct deeper and denser structures compared to an approach using only the standard affinity propagation algorithm.

研究动机与目标

• 为解决从社交媒体中整合噪声大、异构且浅层的个人分类层级（小树苗）以形成一致、更深层次分类体系的挑战。
• 克服标准亲和传播在简单合并同名节点时常见的结构不一致性问题，如环路和多条路径。
• 开发一种能同时优化相似度与结构有效性的方法，确保生成的分类体系在语义上连贯且在拓扑结构上合理。
• 在真实社交媒体数据（特别是Flickr用户生成的标注）上验证该方法，以证明其在 folksonomy 学习中的实际应用价值。

提出的方法

• RAP通过引入惩罚图结构中出现环路或多条路径的结构约束，扩展了标准亲和传播。
• 该算法基于节点名称及其关联标签的相似度函数，衡量小树苗节点之间的相似程度。
• 在优化目标中引入约束项，以避免合并可能产生无效树结构的节点，优先选择树状结构结果。
• 通过节点间的消息传递迭代更新责任值和可用性值，结构约束影响收敛至有效代表节点的过程。
• RAP通过选择能最好代表相似节点簇的代表性节点（即代表节点）来生成一组基于代表节点的树状结构。
• 该方法同时优化净相似度与树下面积（AUT），以生成更深层、更密集的分类体系，反映社区范围内的概念化理解。

实验结果

研究问题

• RQ1 能否有效将结构约束整合到亲和传播中，以提升从稀疏、浅层用户生成分类层级中推断分类体系的质量？
• RQ2 在从真实社交媒体数据构建分类体系时，RAP与标准亲和传播相比，在净相似度和结构一致性方面表现如何？
• RQ3 与基线方法相比，RAP在多大程度上减少了如环路和多条路径等结构缺陷？
• RQ4 与标准亲和传播相比，RAP在面积下树（AUT）指标上是否生成了更密集、更完整的分类体系？
• RQ5 当输入数据存在噪声和不一致时，RAP是否仍能有效将相似节点聚类为连贯、有意义的树状结构？

主要发现

• 在全部15个种子集上，RAP的净相似度显著高于标准亲和传播，不同主题（如'africa'和'uk'）的提升幅度在20%至100%以上不等。
• 在树状密度方面，RAP在15组中的10组中实现了更高的树下面积（AUT），其中'africa'（103 vs. 55）和'uk'（673.5 vs. 633）的提升最为显著。
• 人工检查确认，RAP避免了标准AP常见的“瓦解”问题（即树被分裂为孤立单个节点），而是将相似节点合并为连贯的子树。
• 对于'mammal'类别，RAP的净相似度达到117.25，而AP为97.86，表明即使在复杂情况下也实现了持续改进。
• RAP通过保留结构约束，成功构建了更密集、更深的分类体系，生成的分类体系在语义上更合理、更一致，优于标准AP。