論文紹介


Towards Effective Browsing of
     Large Scale Social
        Annotations
 Rui Li, Shenghua Bao, Ben Fei, Zhong Su,...
1. はじめに
1. はじめに
         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
  – Ann...
Annotationの例:YouTube




                       4
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...
1. はじめに
Social Bookmarkの例:はてなブックマーク




                              6
1. はじめに
  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...
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
...
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



  大規模なAnnotationを効率的に閲覧
  ...
2. 提案手法
2. 提案手法
                       準備
• 対象
  – Social BookmarkサイトDel.icio.us
• Annotationの定義
  (User, URL, Tag, Time)
        ...
2. 提案手法
                      行列表現
                                                                    n個
                ...
2. 提案手法
                    関連行列

      m11   m12  m1n 
関連行列                                                  
    ...
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
     ...
2. 提案手法
      試作システムのUI




            サブカテゴリ   選択されたTagに
最初の画面
                     関連するページ集合
                          ...
2. 提案手法
       ELSABerの全体像
                                  Enhanced Model
  大規模な
  Annotation

                         ...
3. Semantic Browsing
3. Semantic Browsing
      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


...
3. Semantic Browsing
          Tag間の類似度
• コサイン尺度で計算
   類似度= cosTi , T j       URLy
                                     ...
3. Semantic Browsing
       3.2 意味概念の生成
•  すべてのTagについ
                       ぬこ
   て類似度を求める                   ねこ
1. あるTagに...
4. Hierarchical Browsing
4. Hierarchical Browsing
       ELSABerの全体像
                                  Enhanced Model
  大規模な
  Annotation

        ...
4. Hierarchical Browsing
   4. Hierarchical Browsing
  Social Annotationとして使われるTagは異なる意味
  レベルを示す

• Hierarchical Browsing...
4. Hierarchical Browsing
4.1 Hierarchical Annotationの要件


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

2. カテゴリ構...
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
                                 ...
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
                              true       fa...
4. Hierarchical Browsing
     a. Coverage of Tags
                                        100
• 類似するTag間に上下関係をつ           ...
4. Hierarchical Browsing
         b. Intersection Rate
Google

U(tj)                                              High
   ...
4. Hierarchical Browsing
                    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

        ...
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
                    true     false
 – IR...
5. Effective Browsing
5. Effective Browsing
       ELSABerの全体像
                                  Enhanced Model
  大規模な
  Annotation

           ...
5. Effective Browsing
   5. Effective Browsing
 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

• Tagの分布を分析する
 – 問題
  • Tag...
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
  –...
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...
6. Enhanced Model
ELSABerの全体像
                                  Enhanced Model
  大規模な
  Annotation

                                  User  ...
6. Enhanced Model
         6. Enhanced Model
• Personalized            • Time-related
  Browsing                  Browsing...
7. 実験
7. 実験
                 7. 実験
• 実験データ
 – 2006年3月に集めたDel.icio.usのデータ
       Webページ数         1,736,268ページ
       一意なAnnotatio...
7. 実験
         7.1 類似度計測の結果
高い関係性を持つTag (同義語、省略形、複数形)
CVS                         Versioncontrol, SVN, subversion, control...
7. 実験
         7.1 類似度計測の結果
高い関係性を持つTag (同義語、省略形、複数形)
CVS                     Versioncontrol, SVN, subversion, control
Mov...
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Ta...
7. 実験
            7.2 階層化の結果(2)
• Science
  – math, physics, psychologyなどの   概念のラベル
    サブカテゴリーを表示




                   ...
7. 実験
            7.2 階層化の結果(2)
• Science
  – math, physics, psychologyなどの   概念のラベル
    サブカテゴリーを表示




      人々が日常生活の中で思うよ...
7. 実験
                7.3 実行時間
• Spec
  – Intel Pentium Ⅳ: 3.0 GHz
  – Memory         : 1GB
  – 2 Processors
• システム
  – 言語...
7. 実験
 7.4 Personalized Browsingの結果
• 利用者のProfileを考慮するTag Cloud試作
                                                    システム...
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



...
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...
8. おわりに
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
  – Hierarchic...
ご静聴ありがとうございました




 指建礼   折手礼 拓手礼 双手礼   合手礼
Upcoming SlideShare
Loading in …5
×

Towards Effective Browsing of Large Scale Social Annotations

2,867 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
2,867
On SlideShare
0
From Embeds
0
Number of Embeds
38
Actions
Shares
0
Downloads
47
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Towards Effective Browsing of Large Scale Social Annotations

  1. 1. 論文紹介 Towards Effective Browsing of Large Scale Social Annotations Rui 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
  2. 2. 1. はじめに
  3. 3. 1. はじめに 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 • 動画 YouTube • 画像 Flickr • ブックマーク Del.icio.us • はてなブックマーク ブックマーク 3
  4. 4. Annotationの例:YouTube 4
  5. 5. 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 URL マリオ tag Wii Bookmark User 5
  6. 6. 1. はじめに Social Bookmarkの例:はてなブックマーク 6
  7. 7. 1. はじめに 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 7
  8. 8. 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
  9. 9. 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 大規模なAnnotationを効率的に閲覧 する手法 “ELSABer”の提案 9
  10. 10. 2. 提案手法
  11. 11. 2. 提案手法 準備 • 対象 – Social BookmarkサイトDel.icio.us • Annotationの定義 (User, URL, Tag, Time) URL マリオ tag Wii Bookmark User • AnnotationをTagging Spaceの点とみなす • (最初の解析ではUser・Timeは使わない) 11
  12. 12. 2. 提案手法 行列表現 n個 URL U1 U2 Uj Un U1 Un … Uj tt c11 c12 c1j c1n t1 t1 t28 28 tt 28 t22 c12 c22 3 t2 2 t55 t ti : : ti 行列 C … … cij … c1i cin ti : : cij : URLj に対してタグ ti を : Tag つけた利用者数 … cm1 cm2 cmj cmn tm m個 =タグ ti のTF値 12
  13. 13. 2. 提案手法 関連行列  m11 m12  m1n  関連行列     n   mij  cij  log   m21  mij  URLti   M        m  mmn   m1  n  TF (ti )  log   DF (t )  mij : URLj とタグ ti の関連度   i 本研究では mij に TFIDF を用いる 文書Dj ページ Uj における タグ(単語)tiの重要度 13
  14. 14. 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 Semantic Hierarchical Effective Browsing Browsing Browsing 意味概念を形成 単語„tag‟間に Tag分布の分析 類似単語„tag‟ 階層付け の集合 14
  15. 15. 2. 提案手法 試作システムのUI サブカテゴリ 選択されたTagに 最初の画面 関連するページ集合 15 人気のあるTag
  16. 16. 2. 提案手法 ELSABerの全体像 Enhanced Model 大規模な Annotation User Time Effective Browsing Tag分布の分析 重要タグの抽出 Semantic 実験 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 16
  17. 17. 3. Semantic Browsing
  18. 18. 3. Semantic Browsing 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 意味概念(類似したTagの集合)を求めたい 18
  19. 19. 3. Semantic Browsing Tag間の類似度 • コサイン尺度で計算 類似度= cosTi , T j  URLy Tj Ti  m11 m12  m1n  θ 関連行列    m21  mij M    o  URLx   m  mmn  Ti  T j  m1  cos   | Ti || T j | 19
  20. 20. 3. Semantic Browsing 3.2 意味概念の生成 • すべてのTagについ ぬこ て類似度を求める ねこ 1. あるTagについて類 あとで見る ハロプロ 似する上位N個の ようつべ Tagを選ぶ θ 2. 類似度が閾値θ以上 これはすごい youtube なら意味概念 ネタ YouTube you tube You tube youtube 動画 Video 映像 YouTubeの意味概念 20
  21. 21. 4. Hierarchical Browsing
  22. 22. 4. Hierarchical Browsing ELSABerの全体像 Enhanced Model 大規模な Annotation User Time Effective Browsing Tag分布の分析 重要タグの抽出 Semantic 実験 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 22
  23. 23. 4. Hierarchical Browsing 4. Hierarchical Browsing Social Annotationとして使われるTagは異なる意味 レベルを示す • Hierarchical Browsing – Tag間の上下関係 • Sub-Tagの抽出 23
  24. 24. 4. Hierarchical Browsing 4.1 Hierarchical Annotationの要件 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 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 24
  25. 25. 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 親Tag – Sub-Tag • 意味レベルが低いTag tj Current 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 ti Sub-Tag • 関連のある別の情報資源を表すが、 – 一般的ではないTag ti:sub-tag候補 – 明確ではないTag tj:current tag 25
  26. 26. 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 true false める決定木による生成 a. Coverage of Tags b. Intersection Rate c. IRR 26
  27. 27. 4. Hierarchical Browsing a. Coverage of Tags 100 • 類似するTag間に上下関係をつ High Web ける 50 Google 30 – WebのほうがGoogleよりも関係する Googletips Low URLが多い – GoogleのほうがGoogletipsよりも関係す るURLが多い U (ti ) tiでTag付けされたURL数 Coverageij  U (t j ) 27
  28. 28. 4. Hierarchical Browsing b. Intersection Rate Google U(tj) High Google gmaps U(ti) gmaps Low • gmaps が付けられたURLのほと U (ti )  U (t j ) IRij  んどにGoogleが付いている • Googleが付けられたURLに U (ti ) gmapsがあまり付いてない 28
  29. 29. 4. Hierarchical Browsing 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 rank value Top 30 1 30th ~ 60th 2 61st ~ 3 29
  30. 30. 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 true false – IRR • 決定木を生成 親TagとSub-Tagを決める決定木 30
  31. 31. 5. Effective Browsing
  32. 32. 5. Effective Browsing ELSABerの全体像 Enhanced Model 大規模な Annotation User Time Effective Browsing Tag分布の分析 重要タグの抽出 Semantic 実験 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 32
  33. 33. 5. Effective Browsing 5. Effective Browsing 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 • 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
  34. 34. 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
  35. 35. 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
  36. 36. 6. Enhanced Model
  37. 37. ELSABerの全体像 Enhanced Model 大規模な Annotation User Time Effective Browsing Tag分布の分析 重要タグの抽出 Semantic 実験 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 37
  38. 38. 6. Enhanced Model 6. Enhanced Model • Personalized • Time-related Browsing Browsing User Time – 人によって興味は違う – 人は最新の話題に興味 がある – 利用者情報の利用 – 時間情報の利用 • 個人化„ Personalization‟ • 最近人気のあるTagを 発見 • 利用者の興味により近 いマッチング 38
  39. 39. 7. 実験
  40. 40. 7. 実験 7. 実験 • 実験データ – 2006年3月に集めたDel.icio.usのデータ Webページ数 1,736,268ページ 一意なAnnotation 269,566個 • 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
  41. 41. 7. 実験 7.1 類似度計測の結果 高い関係性を持つTag (同義語、省略形、複数形) 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 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) :”films”, “moving picture” 日常生活での”movie” “programming”を選択して”movie” : “screenshot”, “screencapture” 41
  42. 42. 7. 実験 7.1 類似度計測の結果 高い関係性を持つTag (同義語、省略形、複数形) CVS Versioncontrol, SVN, subversion, control Movie Movies, Film, Films Computer/Gallery Album, photogallery, fotos Programming/Meta Metaprogramming Social Annotation環境における Programming/Movie screenshot, screencapture Tag間の関係を正確に反映している Programming/Brainstorming mindmap, freemind 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) :”films”, “moving picture” 日常生活での”movie” “programming”を選択して”movie” : “screenshot”, “screencapture” 42
  43. 43. 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
  44. 44. 7. 実験 7.2 階層化の結果(2) • Science – math, physics, psychologyなどの 概念のラベル サブカテゴリーを表示 下位概念 44
  45. 45. 7. 実験 7.2 階層化の結果(2) • Science – math, physics, psychologyなどの 概念のラベル サブカテゴリーを表示 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 下位概念 45
  46. 46. 7. 実験 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 20概念の平均処理時間 :1.3秒 46
  47. 47. 7. 実験 7.4 Personalized Browsingの結果 • 利用者のProfileを考慮するTag Cloud試作 システムが推薦するTag すでにTag付けしているもの その他のTag • 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
  48. 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 48
  49. 49. 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
  50. 50. 8. おわりに
  51. 51. 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
  52. 52. ご静聴ありがとうございました 指建礼 折手礼 拓手礼 双手礼 合手礼

×