情報とユーザ発見のための遷移確率モデル拡張手法の提案(ソーシャルネットワークモデルとツイッター,e-science and Big Data,一般)

概要

論文の詳細を見る
検索サービスに代表されるPageRankは,ページ間のハイパーリンク関係より遷移確率行列を形成することで,大量のページに対するランキングを実現している.しかしながら,近年増加の一途を辿るブログやツイッターに代表されるCGMコンテンツは,情報から情報に対するリンクだけでなく,ユーザに対してもリンクが形成されており,従来の情報間のリンク構造によるランキングモデルでは対応が困難である.そこで,本研究では,情報とユーザとの関係性を分析することで,情報だけでなくユーザをも含めた遷移確率行列を作成し,情報とユーザとを同時にかつ瞬時に検索できるリアルタイムランキングモデルを提案する.本稿では,これまで開発したユーザとページを発見し,ページ上でコミュニケーションが行えるつながる検索システムに基づき,ページとページ,ページとユーザ,ユーザとユーザとの関係からなるグラフと,それに対応する行列形成法およびランク値算出法について提案する.また,評価実験を行い,ページとユーザとの同時ランキング手法について検討する.
2011-12-09