Recommended
Recommended
More Related Content
More from Yu Suzuki
Recently uploaded
Recently uploaded (11)
Wikipedia における情報の質
- 1. 情報処理学会 第158回データベースシステム研究会 招待講演 (17:45-18:45) 国際交流ホールIII @京都大学 Wikipediaにおける情報の質 名古屋大学 大学院 情報科学研究科 鈴木 優
- 2. 発表の流れ Wikipediaにおける情報の質 1. 質とは何か 2. Wikipediaについて 3. どのようにして質を測定するか 4. 今後の展望 !2
- 4. 質とは何か
- 11. 信憑性の定義 心理学における定義 [Fogg et al., CHI 99 ] Trustworthiness believability どれだけ多くの人に信じられているか 比較的主観的な尺度 Expertise 専門性 比較的客観的な尺度 !10
- 12. その他の尺度 紙による百科事典を評価する方法 [Wong, 2011] 9種類の要素 取り扱う範囲，構成，独自性，権威，正確性，最新性，使いやすさ，利 用者の要求との関連度，価格 利用しやすさについての定義 真実であるかどうかを検証 [Sheppardら] 3種類の要素 信憑性，正確性，整合性 市民科学コミュニティにおける検証 ニセ科学のようなものを検証するため 誤った情報が存在 < 情報が不存在 本当かどうかを質の定義としている !11
- 13. Wikipediaについて
- 14. Wikipediaに関する研究 主に二つの方向性 Wikipediaを利用して様々な知的資源を生成 DBPedia, YAGO2,… Wikipediaそのものを解析 本講演で扱う範囲 !13
- 16. Wikipediaは使われている? White による調査（2007年） 70%∼84% の利用者がWikipediaを利用 Blogは40%∼60% Facebook は 5%∼20% 利用用途 50%∼60% は仕事，学習 Blog は 20%程度 参考文献として利用されるWebサービスとしては最多 !15
- 17. 利用者はWikipediaをどう思っている? Flanagin らによる調査 ブリタニカとCitizendiumとの比較 Citizendium: 査読付きWikipedia アンケート 若年層（11∼18歳）: 183人 成人層（18歳以上）: 283人 結果 若年層は成人層よりもWIkipediaを信じていない 70%∼80%はWikipediaをUGCであると理解していない 特に成人層では顕著 !16
- 19. 編集者の貢献割合を図示 History Flow [Viegas et al. CHI 2004] IBM による，Wikipediaの可視化に関する一番最初の研究 妊娠中絶（英語版）の編集履歴を可視化 編集合戦の様子などを観察できる NY にある MoMA で展示されていた 引用: http://www.bewitched.com/historyflow.html !18
- 20. Wikipedia Revision History 木構造による編集履歴の表現 [Sabel, WikiSym 2007] 拡大 !19
- 21. Wikipedia Revision History 木構造による解析 [Wu et al. WikiSym 2013] Savel らはテキストブロック の追加削除を利用 Wu らはバージョンごとの 共通文字列を利用 !20
- 22. 編集者のバイアスによる表現 グラフによる表現 [Nakamura et al. WI 2013] テキストの追記・削 除を利用 編集者の可視化 編集合戦が起こるよ うなページに有効 日本語版記事「原子力発電所」 !21
- 24. Wikipediaを編集する動機 なぜWikipediaを編集するのか Wikipediaは充実する ⇄ 対価は発生しない Yang らによる調査 内的自己概念を満たすため 内的自己概念 = 自分の思う「状況のあるべき 姿」を実現するため 外的自己概念 = 他の人が思う「状況のあるべ き姿」を実現することとは相関関係が少ない !23
- 27. 質の測定方法
- 34. 悪意のある投票 悪意がある投票を特定する方法が必要 コメント文から SPAM かどうかを特定する方法 [Ott] 利用者の振る舞いからSPAMを判定する方法 [Mukherjee et al.] ある特定の記事に集中して投票をすると SPAMで ある可能性が高い !33
- 35. 半自動: 利点と欠点 利点 利用者の直感を反映することができる システムとして比較的簡易（集計するだけ） 質の算出根拠が明確 欠点 利用者は必ずしも正当な評価を行うわけではない YouTube ではほとんど 5 か 1，2-4 はほとんど無 [Singer] Wikipedia では 90.9%の投票が最高点 78.6% の記事はまだ未完成にも関わらず 2012年1月の「食べログ」における評価の社会問題化 有用な評価かどうかを判定する手法の必要性 !34
- 36. 自動的な方法: 編集内容による方法 様々な統計量の利用 単語数 [Blumenstock] 編集回数や編集者数 [Lih, Wilkinson] 差し戻し回数 [Viegas] 記事の安定性 [Doudio] 記述の変更が少ない = 質が高い 編集者間の対立 [Kittur] 残存率と利用者の投票の組合せ [Kramer] !35
- 37. 自動的な方法: 編集内容による方法 様々な統計量の利用（続き） 文体 [Emigh] 記事をジャンルで分類しコーパス構築 文体の硬さを計測 複数の特徴量の融合 [Stvilla] 何を特徴量として用いるかよりも，どのように統 合するかが質の値に大きく影響 記事間のリンク [Bellomi, Wu] Wikipedia 内で HITS や PageRank を利用 !36
- 38. 残存率による方法 良質 = 多くの人から信頼されている バージョン [Adler, Hu, Suzuki] 編集履歴 2 A B Aの記述 Aの記述 C は A の記述を 残した 削除した = B は A を信頼 1 B は A の記述を = C は A を信頼せず ○ B 3 C A A × C 編集者相互の関係 !37
- 39. 二つの問題点 計算時間がかかる 質算出する編集者を削減し計算時間を削減 [鈴木09] 30-40% の計算時間でほぼ精度が変化しない 悪質な編集者からの攻撃に弱い 多重アカウントによる攻撃 (Sybil Attack) 一度で行うべき編集を複数人で行っているかどう かを検出 [Chatterjee ら] 質が高い記述を削除，低い記述を残存 (Zig-zag Attack) 編集者とテキストの質を交互に測定 [Suzuki 2013] !38
- 40. Zig-zag Attack の解決 A 1.テキストの質を測定 2.編集者の質を測定 A’s text ○ 3.編集者の質を使ってテキストの質 × を測定 4.テキストの質を使って編集者の質 C B を測定 5.収束するまで 3. と 4. を繰り返す B’s text B’s text !39
- 41. Zig-zag Attack の解決 A 1.テキストの質を測定 2.編集者の質を測定 A’s text ○ 3.編集者の質を使ってテキストの質 × を測定 4.テキストの質を使って編集者の質 C B を測定 5.収束するまで 3. と 4. を繰り返す B’s text B’s text !39
- 43. 今後の研究展望
- 46. まとめ
- 47. まとめ 質とは何か 様々な定義 多くの人がどう思っているか，にどれだけ近いか 便利かどうか Wikipedia とは 様々な調査 → 多くの人は信頼している 編集履歴，編集者のバイアスなどを可視化 編集を行う動機 : 内的自己概念を満たすため 内的自己概念 = 自分が思うWikipediaの姿 !45