Upload
momota
View
2.612
Download
1
Embed Size (px)
Citation preview
Towards Effective Browsing of
Large Scale Social
AnnotationsRui Li, Shenghua Bao, Ben Fei, Zhong Su,
and Yong Yu
Proceedings of the 16th international conference on World Wide Web
(WWW2007)
伊東研 修士2年百田信
論文紹介
Social Annotationの普及
• Annotation: 注釈
• Social Annotation
– Webコンテンツに対しAnnotation(注釈)を付ける
– Annotationを公開し共有する
– Tag, コメント, 日付, …
– Social Annotationサービスの例• YouTube 動画
• Flickr 画像
• Del.icio.us ブックマーク
• はてなブックマーク ブックマーク
3
1. はじめに
Social Bookmark
• Social Bookmarkとは
– Social Annotation Serviceのひとつ
– Tag (Annotation)付けしたBookmark
例:Del.icio.us, はてなブックマーク
5
User
マリオ
Wiitag
URL
Bookmark
1. はじめに
7
Annotation (Tag) を利用した情報探索
• Tagは…– コンテンツを組織化するための手法– おもしろい情報資源を発見させるナビゲーション機構
• Tagによる情報探索法– Keyword検索
• Tagに関連するコンテンツをすべて表示
– Tag Cloud View
• アルファベット順• フォントサイズ• フォント色
入力 : Annotationの選択
1. はじめに
問題点
• 小規模なTag集合– Tag Cloudによる人気Tagの閲覧
• 大規模なTag集合– コンテンツとTagは単純な文字表現の結びつき
• 同義語 : 似た意味の単語– 単純なマッチングでは関連する情報資源を見つけられない
• あいまいさ : 複数の意味を持つ単語– ゴミページを紹介してしまう
– 返ってくる結果がカテゴライズされていない• たくさんの結果からおもしろい情報資源を閲覧するのは困難
8
1. はじめに
本論文の目的
• Annotationの急増による閲覧性の低下
– Tag Cloudでは見れない
– Keyword検索では関連するTagが見れない
9
大規模なAnnotationを効率的に閲覧する手法 “ELSABer”の提案
1. はじめに
11
準備• 対象
– Social BookmarkサイトDel.icio.us
• Annotationの定義
(User, URL, Tag, Time)
• AnnotationをTagging Spaceの点とみなす
• (最初の解析ではUser・Timeは使わない)
User
マリオ
Wiitag
URL
Bookmark
2. 提案手法
行列表現
12
t1
U1
t2t5
Uj
t28
Un
t2t2t5ti
t28t28
ti
U1 U2 … Uj Un
t1 c11 c12 c1j c1n
t2 c12 c22 3
: :
ti c1i … … cij … cin
: :
:
tm cm1 cm2 … cmj cmn
行列 C
URL n個
Tag
m個
cij : URLjに対してタグ tiをつけた利用者数=タグ tiのTF値
2. 提案手法
関連行列
13
mnm
ij
n
mm
mm
mmm
M
1
21
11211
mij : URLj とタグ tiの関連度
関連行列
i
ijijtURL
ncm log
本研究では mijに TFIDFを用いる
)(log)(
i
itDF
ntTF
文書Dj ページ Uj におけるタグ(単語)tiの重要度
2. 提案手法
ELSABerの提案
• ELSABer
– Effective Large Scale Annotation Browser
– 大規模Annotationの効果的閲覧手法
– 3つの特徴
14
2. 提案手法
Semantic
Browsing
意味概念を形成類似単語„tag‟
の集合
Hierarchical
Browsing
単語„tag‟間に階層付け
Effective
Browsing
Tag分布の分析
16
User
Enhanced Model
Time
実験
大規模なAnnotation
ELSABerの全体像
Semantic
Browsing意味概念を形成類似単語の集合
Hierarchical
Browsing単語„tag‟間に
階層付け
Effective
BrowsingTag分布の分析重要タグの抽出
2. 提案手法
類似するTagとは
Social Annotation環境において、類似したTagは類似したURLに付与され、また、類似したURLは類似したTagを付与される
類似している
18
3. Semantic Browsing
意味概念(類似したTagの集合)を求めたい
19
Tag間の類似度
• コサイン尺度で計算
類似度= ji TT ,cos
URLx
URLy
o
iT
jT
||||cos
ji
ji
TT
TT
θ
3. Semantic Browsing
mnm
ij
n
mm
mm
mmm
M
1
21
11211関連行列
YouTubeの意味概念
3.2 意味概念の生成
20
YouTube
youtube
You tube
you tube
ようつべ
youtube動画Video
ネタ
これはすごい
• すべてのTagについて類似度を求める
1. あるTagについて類似する上位N個のTagを選ぶ
2. 類似度が閾値θ以上なら意味概念
ハロプロ あとで見る
ねこ
ぬこ
映像
θ
3. Semantic Browsing
22
User
Enhanced Model
Time
実験
大規模なAnnotation
ELSABerの全体像
Semantic
Browsing意味概念を形成類似単語の集合
Hierarchical
Browsing単語„tag‟間に
階層付け
Effective
BrowsingTag分布の分析重要タグの抽出
4. Hierarchical Browsing
4. Hierarchical Browsing
• Hierarchical Browsing
– Tag間の上下関係
• Sub-Tagの抽出
23
Social Annotationとして使われるTagは異なる意味レベルを示す
4. Hierarchical Browsing
24
4.1 Hierarchical Annotationの要件
2. カテゴリ構成が柔軟であるべき• Programming, Designという違う興味からJSPへ辿りつく
3. 動的に階層構造が変化すべき• 増え続けるAnnotationに対応する
1. 目的情報へのパスが複数存在すべき• 一つのURLは複数のカテゴリに関係する
4. Hierarchical Browsing
4.2 Tagの上下関係 (1)
• Tagのタイプ
– 親Tag
• 意味レベルが高い、より一般的なTag
– Sub-Tag
• 意味レベルが低いTag
• 関係あるURLの内容を表しているTag
• サブカテゴリに属するTag
– その他のTag
• 関連のある別の情報資源を表すが、
– 一般的ではないTag
– 明確ではないTag
25
ti:sub-tag候補tj:current tag
tj
ti
Current Tag
親Tag
Sub-Tag
4. Hierarchical Browsing
4.2 Tagの上下関係 (2)
• Sub-Tagの生成法
– 親TagとSub-Tagを決める決定木による生成
a. Coverage of Tags
b. Intersection Rate
c. IRR
26
true false
4. Hierarchical Browsing
a. Coverage of Tags
• 類似するTag間に上下関係をつける
– WebのほうがGoogleよりも関係するURLが多い
– GoogleのほうがGoogletipsよりも関係するURLが多い
27
Googletips
Web
High
Low
)(
)(
j
iij
tU
tUCoverage
tiでTag付けされたURL数
100
50
30
4. Hierarchical Browsing
b. Intersection Rate
)(
)()(
i
ji
ijtU
tUtUIR
U(ti)gmaps
Google High
Low
gmaps
• gmaps が付けられたURLのほとんどにGoogleが付いている
• Googleが付けられたURLにgmapsがあまり付いてない
U(tj)
4. Hierarchical Browsing
28
c. IRR
• Intersection Rate Ranking:IRR
– IRによるランクから1, 2, 3の離散値を付与
29
rank value
Top 30 1
30th ~ 60th 2
61st ~ 3
4. Hierarchical Browsing
Sub-Tagを判定する決定木
• 手動でラベル付けした学習データを用意
– Coverage
– IR
– IRR
• 決定木を生成
30
true false
親TagとSub-Tagを決める決定木
4. Hierarchical Browsing
32
User
Enhanced Model
Time
実験
大規模なAnnotation
ELSABerの全体像
Semantic
Browsing意味概念を形成類似単語の集合
Hierarchical
Browsing単語„tag‟間に
階層付け
Effective
BrowsingTag分布の分析重要タグの抽出
5. Effective Browsing
5. Effective Browsing
• Tagの分布を分析する– 問題
• Tagging Spaceが大きい– 数百万のTag
• 転置インデックスが有効でなくなる
– 小規模なTagging Spaceへ落とし込む• SamplingによってSub-Tagging Spaceへ縮小化
33
人は人気のあるTagをURLに付け、また、人気のあるURLは大多数のTagを付けられる
5. Effective Browsing
Tagの分布
• Tagの分布– 人気のあるTagはURLに付
与されやすい• 人気のないTagはほとんど付与されない
– 人気のあるTagは頻繁かつ広範囲にわたって使用される
• Sampling
– 小規模なTagging Spaceへ
– 上位K個のTagと上位K個のURLで十分
34
5. Effective Browsing
ELSABerのまとめ
• Semantic Browsing
– 類似するTagを見つける
• Hierarchical Browsing
– 類似するTag間の上下関係を見つける• Sub-Tag
– 意味レベルが下位のTag
• Effective Browsing
– Tagの分布
– SamplingによるTagging Spaceの縮小化
35
37
User
Enhanced Model
Time
実験
大規模なAnnotation
ELSABerの全体像
Semantic
Browsing意味概念を形成類似単語の集合
Hierarchical
Browsing単語„tag‟間に
階層付け
Effective
BrowsingTag分布の分析重要タグの抽出
6. Enhanced Model
• Personalized
Browsing
– 人によって興味は違う
– 利用者情報の利用
• 個人化„Personalization‟
• 利用者の興味により近いマッチング
• Time-related
Browsing
– 人は最新の話題に興味がある
– 時間情報の利用• 最近人気のあるTagを
発見
38
User Time
6. Enhanced Model
7. 実験
• 実験データ– 2006年3月に集めたDel.icio.usのデータ
• 各実験7.1 類似度計測7.2 階層化の結果7.3 実行時間7.4 Personalized Browsingの結果7.5 Time-related Browsingの結果
40
Webページ数 1,736,268ページ
一意なAnnotation 269,566個
7. 実験
7.1 類似度計測の結果
CVS Versioncontrol, SVN, subversion, control
Movie Movies, Film, Films
Computer/Gallery Album, photogallery, fotos
Programming/Meta Metaprogramming
Programming/Movie screenshot, screencapture
Programming/Brainstorming mindmap, freemind
41
高い関係性を持つTag (同義語、省略形、複数形)
Current Tagの意味は、それまでの利用者の選択に影響を受ける例)日常生活での”movie” :”films”, “moving picture”
“programming”を選択して”movie” : “screenshot”, “screencapture”
7. 実験
7.1 類似度計測の結果
CVS Versioncontrol, SVN, subversion, control
Movie Movies, Film, Films
Computer/Gallery Album, photogallery, fotos
Programming/Meta Metaprogramming
Programming/Movie screenshot, screencapture
Programming/Brainstorming mindmap, freemind
42
高い関係性を持つTag (同義語、省略形、複数形)
Current Tagの意味は、それまでの利用者の選択に影響を受ける例)日常生活での”movie” :”films”, “moving picture”
“programming”を選択して”movie” : “screenshot”, “screencapture”
Social Annotation環境におけるTag間の関係を正確に反映している
7. 実験
7.2 階層化の結果(1)
• 研究室内の学生にDel.icio.us人気Topic100個の中からランダムに選んでもらった概念
• 概念は異なる分野に分布– Del.icio.usのTagはITに関係す
るものが多い
– 選択されたTopicもITに関係するものが多い
43
7. 実験
7.2 階層化の結果(2)
• Science
– math, physics, psychologyなどのサブカテゴリーを表示
概念のラベル
下位概念
45
7. 実験
人々が日常生活の中で思うようなTagの階層構造が形成された
7.3 実行時間• Spec
– Intel Pentium Ⅳ: 3.0 GHz
– Memory : 1GB
– 2 Processors
• システム– 言語:Java
– 全文検索エンジン「Lucene」のAPI• URLとTagのインデックス
– DB• 上位2000のURL-Tag行列を格納
46
20概念の平均処理時間 :1.3秒
7. 実験
7.4 Personalized Browsingの結果
• 利用者のProfileを考慮するTag Cloud試作
• 実験における利用者profile– 25tags, 45URLs
– 上位5個のtag• “Linux”, “media”, “video”, “JavaScript”, “Java”
• Web開発者かメディアに関心がある人
– 利用者が興味のある情報資源を効果的に発見する支援をしている
47
すでにTag付けしているもの
システムが推薦するTag
7. 実験
その他のTag
7.5 Time-related Browsingの結果
• 3URLに関連するTag Countの分布– 時間とともに人気は変化する– 新たに出現してくるURLの発見– 周期的なHot Topicの発見
48
7. 実験
7.5 Time-related Browsingの結果
• 3URLに関連するTag Countの分布– 時間とともに人気は変化する– 新たに出現してくるURLの発見– 周期的なHot Topicの発見
時間情報を含むSocial Annotationを閲覧することによって人気のTopicを取得できる
49
7. 実験
まとめ
• Social Annotationの閲覧– 大規模なAnnotationのための効率的な閲覧手法が必要– ELSABerを提案
• ELSABer– Semantic Browsing
– Hierarchical Browsing
– Effective Browsing
• Enhanced Model– Personalized Browsing
– Time-related Browsing
• 実験– Del.icio.usのデータを利用– 有効性を実証
51