リンク構造と共起関係を用いたWeb空間の視覚化
7
0
0
全文
(2) 橋 ・ 赤 堀 (1999)は 、 情 報 検 索 支 援 の た め に、相互に結びついたリンクを群として 捉える手法を提案している。 本稿の提案では、相互のリンクにも結 びつきの強いリンクと弱いリンクがある と考え、結びつきの強弱を提示すること で、より効率的な情報検索がおこなえる と考えた。更にリンク構造だけでなく意 味的に近いサイトを提示することが情報 検索支援に効果があると考えた。本稿で は、情報検索行動の中で、検索者が注目 したサイト（アンカーサイト）の周辺に どのようなサイトが存在しているのかを 示すことで情報検索を支援することを試 みる。ここでいう周辺とは、アンカーサ イトと扱っている情報が意味的に近いサ イトや、ハイパーリンクで辿れるリンク 構 造 に お い て 近 い サ イ ト を 指 す 。例 え ば 、 学術的な情報を検索している場合、アン カーサイトと意味的に近いサイトは、同 様の研究テーマを扱っているサイトと考 えられる。また、リンク構造において近 いサイトは、そのサイトの運営者と学会 や大学において近い関係にある研究者で あると考えられる。こうした周辺情報を 効率的に探索することで、検索者は検索 対象とする情報を網羅的に検索すること ができると考えられる。本稿では、イン ターネット上の情報検索行動を支援する た め に 、 Web 空 間 を 「 リ ン ク 構 造 」 お よ び「共起関係」の平面で視覚化する分析 手法を提案する。. 2. 視覚化システムの開発. 以下に、リンク構造と共起関係による視 覚化システムの概要を述べる。 ハイパーテキストのリンク構造は有向 グラフとして捉えることができる。サイ ト間におけるハイパーリンクの有無を隣 接 行 列 と し て 表 現 す る 。例 と し て 図 1に 、 リンク構造とそれに対応した隣接行列の 例を示す。これを正規化することで、推 移 確 率 行 列 A が 得 ら れ る 。こ れ を 用 い て 、 アンカーサイト i からのリンク近接度. Dist i を 式 （ １ ） の よ う に 定 義 す る 。 サイトB. 0 1 0 1 0 1 1 0 0 . アンカーサイトA. サイトC. 図 1： リ ン ク 構 造 と 隣 接 行 列. 図 1の 行 列 の 各 行 を 正 規 化 す る こ と で 、 正 規 化 さ れ た 隣 接 行 列 A が 得 ら れ る 。こ れは、あるサイトからハイパーリンクを ひとつ辿ったときに他のサイトに到達す る推移確率を現している。また、この行 列を累乗することで、n クリック後に到 達している確率となる。また、の転置行 列 は 、 図 1の 転 置 行 列 を 正 規 化 す る こ と で、ひとつのハイパーリンクを辿ったと きに自サイトに到達する被推移確率とな る。これらを用いて、あるサイトから他 のサイトへのリンク構造における近接度 （ リ ン ク 近 接 度 ）を Dist i と し て 定 義 す る 。 k. 本節では、リンク構造と共起関係によ る視覚化システムの概要を述べる。サイ ト間の関連性を議論するためには、ひと つのサイトの範囲を規定する必要がある。 本研究では、以下の規則にしたがってサ イ ト の 範 囲 を 規 定 し て い る 。URL が チ ル ダ （ ~） よ り 下 層 の デ ィ レ ク ト リ は 一 人 のユーザによって管理されていることが 多いと考えられるため、チルダ以下はひ とつのサイトとする。また、チルダが使 われていない場合、最下層のディレクト リをひとつのサイトとすることとした。. −96−. Dist i = − log δ i (∑ w j ( A j + A' j ). (1). j =1. Dist i ： サ イ ト i を 起 点 と し た 、 他 の 各 サ イトの i とのリンク距離. δ i ： i 番 目 の 要 素 の み 1、 そ れ 以 外 の 要 素は 0 の（ 1× n ）ベクトル. k：推 移 確 率 計 算 上 の 推 移 回 数 の 上 限（ 現 在 は k=9 を 利 用 （ 経 験 的 な 収 束 値 ））. A ：正規化された隣接行列. A' ： 正 規 化 さ れ た 隣 接 行 列 の 転 置 行 列 w j ： 重 み 係 数 。 本 稿 で は w j = 2− j.
(3) ま た 、サ イ ト 間 の 意 味 的 な 近 接 関 係 は 、 用語間の共起関係を用いて定義する。文 書 間 の 意 味 的 な 関 係 を CTR に よ っ て 視 覚 化 す る 研 究 に は 、 Ishia and Ohta(2002) が あ る 。ア ン カ ー サ イ ト i と 他 の サ イ ト j 間 の 用 語 近 接 度 は 、CTR を 用 い て 定 義 す る 。CTR 行 列 T の 要 素 t ij は 次 の よ う に あ らわせる。. CTR (i, j ) t ij = 1 TR (i ) ∪ TR ( j ). . (2). アンカーサイトから、リンク構造、用 語間関係、の平面に展開したマップを作 成 し 平 面 を 図 2の よ う に ４ つ に 分 類 す る ことができる。第一は「アンカーサイト 周辺かつ関連領域」である。第二は「ア ンカーサイトとは繋がりがないが関連領 域 」、第 三 は「 繋 が り は あ る が 、特 に 関 連 で は な い 」、そ し て 最 後 に「 つ な が り も 関 連も薄い」である。上記の分類によって １，２を重点的に検索すればよいという 指針が得られると期待される。. び経営情報を専門とする研究者のページ [2]を 用 い た 。ア ン カ ー サ イ ト は 、筆 者 ら が分析結果を観察して、アンカーサイト との関連を考察するために、筆者らの専 門領域と関連あるサイトを選択した。 図 3は 、[1]を ア ン カ ー サ イ ト に 分 析 し た結果である。この結果から関連サイト は A,B,C の ３ 領 域 に 分 類 で き る 。 A の 領 域は、アンカーサイトの所属する学科の 公式サイトと、フィールドリサーチを専 門とするの研究者のサイトである。この ことから、リンク構造における分析によ って関連の深いサイトが抽出できている ことがわかる。B の領域には、統計学や 数学を専門とする研究者など関連がある と考えられるサイトのほかに、掲示板サ ービスのトップページなどが含まれてい る。これは、サイト集約の際に最下層の ディレクトリをひとつのサイトとしたこ と に よ る も の と 考 え ら れ る 。 ま た 、 CTR の軸では、非常に近接度が近い領域に掲 示 板 サ ー ビ ス な ど が 抽 出 さ れ た 。こ れ は 、 CTR に よ る 近 接 度 を 計 算 す る 際 に 、用 語 数で正規化した影響であると考えられる。 領 域 C に は 、や は り 掲 示 板 サ ー ビ ス や ポ ータルサイトなどが抽出されている。こ 0.35. B. C. 0.3. 3. 4 0.25. ＣＴＲ. A CTR. 0.2. 1. 0.15. 2 0.1. アンカーサイト. リンク構造. 0.05. 図 2：リ ン ク 構 造 と CTR に よ る Web サ イ トの分布. 0 0. 5. 10. 15. リンク構造. れらはアンカーサイトとは関連がないと 考えられるサイト群である。. 3. Web 空間の分析 本稿では試験的にいくつかのアンカー サイトを起点に分析をおこなった。アン カーサイトは、マーケティングサイエン ス を 専 門 と す る 研 究 者 の ペ ー ジ [1]、お よ. −97−. 図 3：ア ン カ ー サ イ ト [1]の リ ン ク -CTR 平 面による図示. 次に領域 B にサイトが集中しているた.
(4) め 、 こ の 領 域 を 拡 大 し た も の を 図 4に 示 す 。 B-1 に は 、 [1]の 研 究 者 の ゼ ミ の 連 絡 掲示板や、論文記述の手法に関するサイ ト が 抽 出 さ れ た 。こ れ は 、[1]の コ ン テ ン ツに「論文作成に役立つリンク集」があ る た め で あ る 。 B-2 に は 、 周 辺 領 域 の 研 究者のサイトが多く観察されている。. 表 1： ア ン カ ー サ イ ト [1]の 領 域 B に 含 ま れ る URL 関連 URL ○ www.hit-u.ac.jp/commerce ○ * 6033.teacup.com/matsuizemi2001 △ hostgk3.biology.tohoku.ac.jp/sakai △ sc1.cc.kochi-u.ac.jp/~yoshikur ○ marketing.cm.hit-u.ac.jp/~matsui ○ finito-web.com/doctormatsui △ web.cc.osaka-kyoiku.ac.jp/~shakai △ grape.c.u-tokyo.ac.jp/~makino × www.kanzaki.com △ www.sal.tohoku.ac.jp/~gothit △ meta.tutkie.tut.ac.jp/~ichikawa × fc2.com △ www2.tokai.or.jp/kimijima △ www.hyuki.com/writing △ www.ceser.hyogo-u.ac.jp/naritas △ www.gakushuin.ac.jp/~881791 × www.kanzaki.com/docs △ www.econ.tamacc.chuo-u.ac.jp △ www.itojun.org/paper △ syajyo.tamacc.chuo-u.ac.jp/~miyaken × www.hit-u.ac.jp △ www.naruto-u.ac.jp/~rcse △ base.econ.osaka-u.ac.jp/~nakajima ？ www.s.soka.ac.jp/~satomac △ orion.mt.tama.hosei.ac.jp/hideaki ？ www.senshu-u.ac.jp/~thc0597 △ www.hyuki.com/wl ？ 133.46.221.167/servlet. 0.35 0.3. CTR. 0.25 0.2 0.15 0.1 0.05 0 0. 5. 10. 15. リンク構造. 0.35. B-2 0.3. B-1 0.25. CTR. 0.2 0.15 0.1 0.05 0 5.2. 5.4. 5.6 5.8 リンク構造. 6. 6.2. 図 4： ア ン カ ー サ イ ト [1]の 領 域 B の 拡 大. 表 1は 、 ア ン カ ー サ イ ト [1]に 関 し て 、 領域 B のサイト群をリンク近接度が近い 順にまとめたものである。ただし関連性 の項の「○」は、本人が関連しているサ イ ト で あ り 、「 △ 」が マ ー ケ テ ィ ン グ や 論 文 作 成 手 法 に 関 す る サ イ ト 、「 ×」は 無 関 係 と 思 わ れ る サ イ ト で あ る 。「 ？ 」は 、デ ィ レ ク ト リ で 集 約 し た た め に こ の URL では閲覧できないものである。 表 1か ら わ か る よ う に 、 リ ン ク 構 造 が 近いほど本人に関連したサイトが多く、 遠くなるに従って領域的にも関係のない サイトが増えていることがわかる。. −98−. (*)表 示 は で き な か っ た が 、 関 連 の サ イ ト と 考 えられる。. 図 5 は [2] を ア ン カ ー サ イ ト に 分 析 し た結果である。同様にこの結果から関連 サ イ ト は A,B,C の ３ 領 域 に 分 類 で き る 。 A の領域には、アンカーサイトの所属す る学科の公式サイトと、情報学に関する 研究プロジェクトのサイトが含まれる。 こ れ ら は [2]の 領 域 と 関 連 が 深 い 。B の 領 域には、やはり関連領域である経営学や 経営情報学の研究者が多く含まれている。 また、図中の b は、工業部品の製造流通.
(5) 企業であり、直接的な関係はないと考え られるが、この企業は経営情報学の領域 で は 、 情 報 仲 介 業 （ Hagel, 2001） の 事 例 として非常に良く取り上げられる企業で ある。b のサイト自体は工業部品に関す る 情 報 が 主 体 の た め 、CTR 近 接 度 で 遠 い 位置にプロットされている。C の領域に は 、[2]の 所 属 す る 大 学 の 総 合 案 内 な ど が 多い。この大学は総合大学であるため、 こ の 領 域 の 情 報 は [2] と は 関 連 が 薄 い と 考えられる。. 0.3. B. 0.25. C. b. CTR. 0.2. 0.15. 0.1. A. 0.05. 0 0. 2. 4. 6 リンク構造. 8. 10. 12. 図 5：ア ン カ ー サ イ ト [2]の リ ン ク -CTR 平 面による図示. 表 2は 、 ア ン カ ー サ イ ト [2]に 関 し て 、 領域 B のサイト群をリンク近接度が近い 順にまとめたものである。関連性の項の 凡 例 は 表 1と 同 様 に リ ン ク 近 接 度 が 近 い ものほど関連のあるサイトであることが わかる。関連性のないポータルサイトや 書店のサイトが多く含まれている。これ は、著作などの紹介リンクで書店へのリ ン ク が 多 い た め と 考 え ら れ る 。そ の た め 、 書店関連のサイトも、経営や情報技術関 係のサイトが抽出されている。しかし、 領域 C にアンカーサイトの研究者が所属 する大学の総合案内ページが含まれるこ とから、本来これらとポータルの位置関 係は逆転しているべきである。この原因 の解明は、ディレクトリ集約のルールと. −99−. ともに今後の課題である。 表 2： ア ン カ ー サ イ ト [2]の 領 域 B に 含 ま れ る URL 関連 ○ ○ △ × ？ △ × △ × △ △ △ △ ？ × × × × × × × △* △ △ ？ ？ × △ △ △ × ？. URL www.yokohama-mot.jp www.yokotakeda.com/3dtrip www.oscar.gr.jp www.incs.co.jp/tsurezure www.yokotakeda.com/basic www.lib.ynu.ac.jp www.jal.co.jp www.iir.hit-u.ac.jp/reserch www.diamond.bookpark.ne.jp www.nc-net.or.jp www.ecrp.org www.bookpark.ne.jp/sosiki www.jkokuryo.com jmall.joshin.jp/servlet www.mytrip.net www.mapion.co.jp www.forest.impress.co.jp www.mapfan.com www.amazon.co.jp www.infoseek.co.jp www.goo.ne.jp www.misumi.co.jp www.glocom.ac.jp/odp www.rieb.kobe-u.ac.jp www.johogaku-a06.isics.u-tokyo.ac.jp www.yokotakeda.com/incs www.mbn.or.jp www.commerce.or.jp www.bookpark.ne.jp/hbr www.e.u-tokyo.ac.jp/itme www.nifty.com www.yokotakeda.com/t-class. *： 図 5 に お け る 点 b の サ イ ト. 続 い て 、 図 3お よ び 図 5に お け る 領 域 A,B,C に 含 ま れ る サ イ ト と ア ン カ ー サ イ ト の 関 連 性 を 図 6お よ び 図 7に ま と め る 。 「 ○ 」「 △ 」「 ×」「 ？ 」は 表 1と 同 様 で あ る 。 図 6と 図 7か ら わ か る よ う に 、 領 域 A には、関連の深いサイトが含まれてい.
(6) る 。し か し 、領 域 A に は 、本 人 が 関 連 す るサイトが含まれているため、相対的に 他の関連のあるサイトが領域 B に含まれ て し ま っ た こ と が 考 え ら れ る 。領 域 B に は、関連のあるサイトが多く含まれてい る。この領域のリンク構造が遠い位置に は、無関係なサイトが多く含まれること か ら 、領 域 B の 中 で ポ ー タ ル サ イ ト や 掲 示板サービスをより明確に差別化するア ルゴリズムが求められる。これは今後の 課 題 で あ る 。領 域 C に は 、ほ ぼ 無 関 係 な サイトが含まれている。しかし 4 節で考 察 す る よ う に 、CTR の 軸 に よ る 分 類 は 今 回の分析では有意に得られなかった。. 35 30 25 20. A B C. 15 10 5. C B. 0 ○. △. ×. 関連性. 領域. A ？. 図 6： ア ン カ ー サ イ ト [1]と 他 サ イ ト の 関 連性. 16 14 12 10 8 6 4 2 0. A B C C B ○. △ 関連性. ×. 領域. A ？. 図 7： ア ン カ ー サ イ ト [2]と 他 サ イ ト の 関 連性. 4. 考察 3 節の結果からわかるように、アンカ ーサイトの周辺に存在する情報を視覚的 に捉えることができた。本研究で提案し た手法により、情報検索の際、アンカー. サイトを起点に周辺の情報を効率的に網 羅的に探索することができる。特にリン ク構造の軸では、アンカーサイトのごく 周辺にあるサイト、関連のあるサイト、 無関係なサイトという３段階に視覚的に 分類できるため、情報検索の支援として 適切であると考えられる。しかし、領域 B において顕著な結果として、関連情報 のサイト、書店のサイト、掲示板サービ ス の サ イ ト な ど が CTR の 軸 で 混 在 し て い る 。ま た 今 回 、CTR が ０ に 近 い（ 非 常 に用語間関係が近い）サイトが多くある が、むしろこれらは実際には関係の薄い サ イ ト が 多 く 、CTR が 中 程 度 の と こ ろ に 関係サイトがプロットされた。これは、 書店サイトや掲示板サイトでは、用語が 幅広く網羅的に使用されると考えられる た め に 、結 果 と し て CTR が 大 き く な る た めであると考えられる。また、サイトの 範囲を定義するために 2 節で用いた集約 ルールを用いているが、ひとつのディレ クトリに多くの情報が存在する場合、や は り CTR 近 接 度 や リ ン ク 近 接 度 が 近 く なると考えられる。また、非常に用語量 が少なくかつその用語がアンカーサイト で使われているサイトなどは、正規化の 処 理 に よ っ て CTR 近 接 度 が 非 常 に 大 き くなると考えられる。例えば、トップペ ージにほとんど具体的な情報を置かずに、 典型的なホームページの用語だけが存在 している場合などである。これに対する 対 策 と し て は 、正 規 化 を せ ず に CTR の 量 だけによって分析を試み、結果を比較す る こ と が 考 え ら れ る 。ま た 、領 域 B に サ イトが集中しているが、これらのサイト の中で検索の優先度を示すために、 PageRank(Brin and Page,1998)な ど の ア ル ゴリズムを併用し、各点のカラーリング などで示すことでより有用になると考え られる。 本研究で提案した隣接行列を用いてネ ットワークを分析する手法は多くの応用 が可能である。例えば、オンラインコミ ュニティにおける発言チャネルをリンク として捉えることで、コミュニティの構 造を理解する助けになると考えられる。. −100−.
(7) 5. まとめ 本 稿 で は 、リ ン ク 構 造 と CTR を 用 い て Web 空 間 を 視 覚 的 に 表 示 す る 手 法 を 提 案 した。これにより、情報検索者が重要と 考えて注目したアンカーサイトの周辺の 情報を効率的に探索することが可能にな る。本研究の結果、リンク構造による表 示 は サ イ ト を「 ご く 周 辺 の サ イ ト 」「 関 連 サ イ ト 」「 無 関 連 サ イ ト 」に 分 類 可 能 で あ っ た が 、CTR に よ る 表 示 は 改 善 の 余 地 が あ る こ と が わ か っ た 。今 後 の 課 題 は 、CTR によるサイト分類の改良をおこなうこと である。 ア ン カ ー サ イ ト URL [1] marketing.misc.hit-u.ac.jp/~matsui/ [2] www.yokotakeda.com/ 参考文献 (Brin,1998) Brin, S., L. Page,"The anatomy of a large-scale hypertextual web search engine", Comput. Networks ISDN Systems 30(1-7)107-117. 1998. (Hagel,2001) Hagel,J.,"Net Worth : ネ ッ ト の 真 価 ― イ ン フ ォ ミ デ ィ ア リ が 市 場 を 制 す る ", 東 洋 経 済 新 報 社 ,2001. (Ishida and Ohta,2002) Ishida K. and T. Ohta, “An approach for organizing knowledge according to terminology and represen ting it visually”IEEE Transactions on Systems, Man, and Cybernetics, Part C, Vol 32, No. 4,pp.366 - 373,2002. (Kleinberg,1998) Kleinberg,J.,"Authoritative sources in a hyperlinked environment",Proc. 9th ACM-SIAM Symposium on Discrete Algorithms, 1998. (高 橋 ・ 赤 堀 ,1999) 高 橋 弘 行 ,赤 堀 侃 司 ,"検 索 効 率を支援するサーチエンジンのインター フ ェ ー ス の 評 価 ", 電 子 情 報 通 信 学 会 技 術 研 究 報 告 Vol.98,No.643,1999.. −101−.
(8)
関連したドキュメント
, Kanazawa University Hospital 13-1 Takara-machi, Kanazawa 920-8641, Japan *2 Clinical Trial Control Center , Kanazawa University Hospital *3 Division of Pharmacy and Health Science
of the conference on ergodic theory and related topics, II (Georgenthal, 1986), Teubner-Texte Math. Misiurewicz , Dimension of invariant measures for maps with ex- ponent zero,
* Department of Mathematical Science, School of Fundamental Science and Engineering, Waseda University, 3‐4‐1 Okubo, Shinjuku, Tokyo 169‐8555, Japan... \mathrm{e}
東京都は他の道府県とは値が離れているように見える。相関係数はこう
We give some results in the following directions: to describe the exterior struc- ture of spacelike bands with infinite number of branches at the infinity of R n+1 1 ; to obtain
The purpose of the Graduate School of Humanities program in Japanese Humanities is to help students acquire expertise in the field of humanities, including sufficient
Amount of Remuneration, etc. The Company does not pay to Directors who concurrently serve as Executive Officer the remuneration paid to Directors. Therefore, “Number of Persons”
Kita City, Tokyo Vision of Culture and the Arts 2020.. 第
