JP5159451B2 - ネットワーク行動を分析する情報処理装置、分析システム、ネットワーク行動の分析方法およびプログラム - Google Patents
ネットワーク行動を分析する情報処理装置、分析システム、ネットワーク行動の分析方法およびプログラム Download PDFInfo
- Publication number
- JP5159451B2 JP5159451B2 JP2008155237A JP2008155237A JP5159451B2 JP 5159451 B2 JP5159451 B2 JP 5159451B2 JP 2008155237 A JP2008155237 A JP 2008155237A JP 2008155237 A JP2008155237 A JP 2008155237A JP 5159451 B2 JP5159451 B2 JP 5159451B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- info
- bubble
- info bubble
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
Network Service)などを介してユーザ間での交流が一般化している。ネットワーク上での情報交換は、どのユーザ間でも同じ程度の情報交換が行われている訳ではなく、実世界での情報交換と同様に、頻繁に情報交換が行われる内容やユーザ集団が存在する。
○情報を最初に発信した人・集団は?
○情報は広がる傾向か?それとも収まる傾向か?
○情報は移動するか?どのような経路での移動か?
○情報を広げる方向にもっとも貢献する人・集団は?
以上の点で、上述したように、特許文献1は、特定のコンテンツに関連した不特定のユーザをユーザ集団として識別することを可能とする技術ではなかった。また、特許文献1は、特定のコンテンツに関連したユーザ集団の時系列的な解析を使用して、ユーザ手段の拡散および縮小を追跡することを可能とするものではない。さらに特許文献1は、特定のユーザ集団に分類されたユーザに共通する属性を分析することにより、ネットワークを介して集合離散するユーザを解析することによってユーザのネットワーク行動を分析することを可能とするものではない。
以下、本発明を実施の形態をもって説明するが、本発明は、後述する実施形態に限定されるものではない。図1は、本実施形態のユーザのネットワーク行動を分析する分析システム100の実施形態を示す。分析システム100は、ネットワーク116に接続され、ユーザにより操作されて、ネットワーク116を介してサーバ122にアクセスする複数のユーザ・コンピュータ(以下、説明の便宜上、ユーザとして参照する。)112、114を含んで構成されている。ユーザ112は、例えばSNSなどで友人などとして登録されたユーザ・グループを形成する。また、ユーザ114は、これとは異なるユーザ・グループを形成している。ユーザのネットワーク行動は極めて多岐にわたり、また広範なコンテンツがアプリケーション・サーバなどに登録されるので、各ユーザ・グループは、常時完全に分離しているわけではなく、時系列的に相互関連し合い、特定のユーザ・グループに帰属されているユーザが、他のユーザ・グループに参加し、また離脱するなどの行動を取る。
図3は、本実施形態のインフォバブル300の例示的な実施形態を示す。インフォバブル300は、複数のユーザ320、310のリンクについて、特定の特徴パラメータについてのアクセス頻度が一定以上のユーザ310を登録することにより生成される。以下、本実施形態では、特定の情報Iに対するアクセス頻度に対して、ユーザ関わり度gおよびスコア関数f(u,I,T)を定義して定式化する。図3に示した実施形態では、インフォバブル境界330が定義され、その中に、情報Iについて知っているユーザが多く含まれている。
インフォバブル生成部220は、インフォバブルを生成するためのタイムウィンドウの期間にわたり、特徴パラメータに関連する情報について、ユーザ関わり度gを計算する。ユーザ関わり度gは、情報Iに対して何度ユーザが書き込みアクセスを行い、また読み込みアクセスを行ったかを、行動履歴から取得し、書き込みアクセスがある場合については、下記式(1)で、書き込みアクセスはないが、読み込みアクセスがある場合については、下記式(2)で与えられる値g(u,I,Tm,Tm+1)で定義される。また、情報Iに対して書き・読み込みアクセス両方がないユーザに対しては、対応するそのユーザ関わり度をゼロとする。なお、Tmは、タイムウィンドウの時系列順序を示すための識別値であり、mは、0以上の整数である。
<セクション3:インフォバブル生成部の処理>
以下、本実施形態の各処理について説明するが、使用するパラメータ値の定義および内容は、以下の通り、
○I=Infoの値
○T=時刻・タイムスタンプの値
○P=Peopleの値
○AIS=AvgInfoScoreの値
○膨張しきい値=ExpandThreshold
○収縮しきい値=ShrinkThreshold
○インフォバブル=B
○インフォバブル集合=IBSet
である。
例えば、インフォバブルB1、B2が統合可能であるということは、u∈B1、v∈B2であり、u∈N(v) を満たすu、vが存在することと同値である。ここで、N(v)とは、ユーザ・リンクを構成するユーザ集合の中からユーザvと直接的に接続される、または隣接する、ユーザ集合のことである。統合処理は、インフォバブルB1(I,T,P1,AIS1)およびインフォバブルB2(I,T,P2,AIS2) に対し、merge(B1,B2):=(I,T,P1∪P2,AIS)で指定されるインフォバブルを生成する処理に対応する。ここで、統合されたインフォバブルのAISについては重付き平均を使用して計算し、AIS:=p1×AIS1+p2×AIS2,p1=|P1|/|P1∪P2|,p2=|P2|/|P1∪P2|で与えるものとする。
ユーザuは、インフォバブルBに追加可能であるとは、インフォバブルBのAISがExpandThreshold値以上であって、かつuがどのインフォバブルの要素ではなく、かつ、merge(B,{u})のAISがShrinkThresholdよりも大きいことを要件として実行される。
インフォバブルB(I,T,P,AIS)から、P∋uであって、f(u,I,T)が最も小さいuを順に選択し、削除後のインフォバブルのAISの値がShrinkThreshold以上となるようにユーザuを次々にインフォバブルBから取り除く処理である。この処理は、削除された全ユーザのfが必ずShrinkThreshold以下で、かつ削除された後のインフォバブルBのAISを必ずShrinkThreshold以上とする処理であり、細切れのインフォバブルの生成を最小化させるための処理である。
削除を行ったインフォバブルB(I,T,P,AIS)が連結できない場合、インフォバブルBの各統合・連結成分を新たにインフォバブルとして生成する処理である。I、T、その他のバブル情報は、元のインフォバブルBから継承するが、Pと、AISとを新しく計算して登録する。
以上説明したインフォバブル生成処理は、ユーザ・リンクを使用し、特徴パラメータに関心を有するユーザ集合を生成するものである。このことは、逆に、特徴パラメータに関心を有するユーザ集合を構成するユーザのユーザ属性と特徴パラメータとを対応付け、ユーザ属性ごとにクラスタリングすることを可能とする。クラスタリングのために、インフォバブル生成に使用しないユーザの属性(例えば年齢、職業、趣味など)を用いることができ、その類似度を見ることにより,ある情報に関するインフォバブルのユーザが、そのユーザ属性に関連する多様性、分布、性向があるかを分析することができる。
クラスタ生成処理は、種々の方法で行うことができ、例えばK−meansや
agglomerative clusteringなど既存手法のうち、いかなるものでも用いることができる。クラスタ生成処理では、入力は、時刻Tにおけるインフォバブルの集合IBSetの要素集合:IB(T)={IB1, IB2, …, IBm }および実装するクラスタリング・アルゴリズムに与えるパラメータ、例えばK−meansの場合には、クラスタの個数kである。また、出力は、例えばK-means
の場合は、IB(T)の分割IB(T)1,IB(T)2,…, IB(T)kであって、IB(T)i ∩IB(T)j=φ(if i ≠ j)、∪i=1 k
IB(T)i=IB(T)の条件を満たすものである。また、i,jに対して IB(T)iとIB(T)jの類似度を出力しても良い。
Claims (17)
- ネットワーク行動を分析する情報処理装置であって、前記情報処理装置は、
ネットワークを介してユーザ・コンピュータから情報に対するアクセスを受付け、前記ユーザ・コンピュータに対して前記情報に対する前記ネットワーク行動を生成するアプリケーション提供部と、
前記ネットワーク行動の行動履歴を格納する行動履歴記憶部と、
特徴パラメータを含む情報を抽出し、抽出した前記情報に対するネットワーク行動を取得して、前記ユーザ・コンピュータをノードとするユーザ・リンクのユーザから、前記抽出した情報に対するネットワークでのユーザ関わり度を使用して少なくとも1つのユーザを、特徴付けされたユーザ集団であるインフォバブルに登録し、インフォバブルを生成する、インフォバブル生成部と、
前記インフォバブルを読み出して、前記ユーザのネットワーク行動を分析する、ネットワーク行動分析部と
を含み、
前記インフォバブル生成部は、前記インフォバブルを設定されたサンプリング周期ごとに前記ユーザ関わり度により計算されるスコア値を累積計算し、直前生成したインフォバブルを拡張するか、または直前生成したインフォバブルを収縮させるかを決定し、時系列的に複数の異なるユーザを含むインフォバブル・シーケンスを生成する、情報処理装置。 - 前記インフォバブル生成部は、前記スコア値に設定された膨張しきい値および収縮しきい値を参照して前記インフォバブルの膨張または収縮を決定する、請求項1に記載の情報処理装置。
- 前記インフォバブル生成部は、前記ユーザ・リンクの隣接ユーザを前記直前生成したインフォバブルに含ませた場合に、膨張後のバブル平均スコアが前記収縮しきい値以下とならないことを基準として前記隣接ユーザを含むように前記インフォバブルを膨張させる、請求項2に記載の情報処理装置。
- 前記インフォバブル生成部は、前記直前生成したインフォバブルが含む前記スコア値の最小のユーザを選択し、前記バブル平均スコアが前記収縮しきい値を超えるまで前記ユーザを前記インフォバブルから削除することにより、前記インフォバブルを収縮させる、請求項3に記載の情報処理装置。
- 前記ネットワーク行動分析部は、識別値で指定される前記インフォバブルを読み出し、前記インフォバブルの時間進化を使用して前記特徴パラメータを含む前記情報の情報伝播を分析し、さらに、読み出した複数の前記インフォバブルのユーザ属性の類似性を使用して前記インフォバブルのクラスタを生成し、前記クラスタを形成するユーザを分析する、請求項4に記載の情報処理装置。
- ユーザ・コンピュータ間のネットワーク行動を分析する情報処理装置を含む分析システムであって、前記情報処理装置は、
ネットワークを介してユーザ・コンピュータから情報に対するアクセスを受付け、前記ユーザ・コンピュータに対して前記情報に対する前記ネットワーク行動を生成するアプリケーション提供部と、
前記ネットワーク行動の行動履歴を格納する行動履歴記憶部と、
特徴パラメータを含む情報を抽出し、抽出した前記情報に対するネットワーク行動を取得して、前記ユーザ・コンピュータをノードとするユーザ・リンクのユーザから、前記抽出した情報に対するネットワークでのユーザ関わり度を使用して少なくとも1つのユーザを、特徴付けされたユーザ集団である、インフォバブルに登録し、インフォバブルを生成する、インフォバブル生成部と、
前記インフォバブルを読み出して、前記ユーザのネットワーク行動を分析する、ネットワーク行動分析部と
を含み、
前記インフォバブル生成部は、前記インフォバブルを設定されたサンプリング周期ごとに前記ユーザ関わり度により計算されるスコア値を累積計算し、直前生成したインフォバブルを拡張するか、または直前生成したインフォバブルを収縮させるかを決定し、時系列的に複数の異なるユーザを含むインフォバブル・シーケンスを生成する、分析システム。 - 前記インフォバブル生成部は、前記スコア値に設定された膨張しきい値および収縮しきい値を参照して前記インフォバブルの膨張または収縮を決定する、請求項6に記載の分析システム。
- 情報処理装置が実行し、ユーザ・コンピュータのネットワーク行動に対する分析方法であって、前記分析方法は、前記情報処理装置が、
ネットワークを介して前記ユーザ・コンピュータから情報に対するアクセスを受付け、前記ユーザ・コンピュータに対して前記情報に対する前記ネットワーク行動を生成するステップと、
前記ネットワーク行動の行動履歴を格納するステップと、
特徴パラメータを含む情報を抽出し、抽出した前記情報に対するネットワーク行動を取得して、前記ユーザ・コンピュータをノードとするユーザ・リンクのユーザから、前記抽出した情報に対するネットワークでのユーザ関わり度を計算するステップと、
前記ユーザ関わり度を累積計算してスコア値を生成し、前記スコア値を参照して直前生成した、特徴付けされたユーザ集団である、インフォバブルを拡張するか、または直前生成したインフォバブルを収縮させるかを決定するステップと、
使用して少なくとも1つのユーザをインフォバブルに追加または削除することにより、時系列的に複数の異なるユーザを含むインフォバブル・シーケンスを生成するステップと、
前記インフォバブルを読み出して、前記ユーザのネットワーク行動を分析するステップと
を実行する方法。 - 前記インフォバブル・シーケンスを生成するステップは、前記ユーザ・リンクの隣接ユーザを前記直前生成したインフォバブルに含ませた場合に、膨張後のバブル平均スコアが前記収縮しきい値以下とならないことを基準として前記隣接ユーザを含むように前記インフォバブルを膨張させるステップを含む、請求項8に記載の方法。
- 前記インフォバブル・シーケンスを生成するステップは、前記直前生成したインフォバブルが含む前記スコア値の最小のユーザを選択し、前記バブル平均スコアが前記収縮しきい値を超えるまで前記ユーザを前記インフォバブルから削除することにより、前記インフォバブルを収縮させるステップを含む、請求項9に記載の方法。
- 前記ネットワーク行動を分析するステップは、識別値で指定される前記インフォバブルを読み出し、前記インフォバブルの時間進化を使用して前記特徴パラメータを含む前記情報の情報伝播を分析するステップを含む、請求項10に記載の方法。
- 前記ネットワーク行動を分析するステップは、読み出した複数の前記インフォバブルのユーザ属性の類似性を使用して前記インフォバブルのクラスタを生成し、前記クラスタを形成するユーザを分析するステップを含む、請求項11に記載の方法。
- ユーザ・コンピュータのネットワーク行動に対する分析方法を実行するための情報処理装置実行可能なプログラムであって、前記プログラムは、前記情報処理装置を、
ネットワークを介して前記ユーザ・コンピュータから情報に対するアクセスを受付け、前記ユーザ・コンピュータに対して前記情報に対する前記ネットワーク行動を生成する手段と、
前記ネットワーク行動の行動履歴を格納する手段と、
特徴パラメータを含む情報を抽出し、抽出した前記情報に対するネットワーク行動を取得して、前記ユーザ・コンピュータをノードとするユーザ・リンクのユーザから、前記抽出した情報に対するネットワークでのユーザ関わり度を計算する手段と、
前記ユーザ関わり度を累積計算してスコア値を生成し、前記スコア値を参照して直前生成した、特徴づけされたユーザ集団である、インフォバブルを拡張するか、または直前生成したインフォバブルを収縮させるかを決定する手段と、
使用して少なくとも1つのユーザをインフォバブルに追加または削除することにより、時系列的に複数の異なるユーザを含むインフォバブル・シーケンスを生成する手段と、
前記インフォバブルを読み出して、前記ユーザのネットワーク行動を分析する手段と して機能させる、情報処理装置実行可能なプログラム。 - 前記インフォバブル・シーケンスを生成する手段は、前記ユーザ・リンクの隣接ユーザを前記直前生成したインフォバブルに含ませた場合に、膨張後のバブル平均スコアが前記収縮しきい値以下とならないことを基準として前記隣接ユーザを含むように前記インフォバブルを膨張させる手段を含む、請求項13に記載のプログラム。
- 前記インフォバブル・シーケンスを生成する手段は、前記直前生成したインフォバブルが含む前記スコア値の最小のユーザを選択し、前記バブル平均スコアが前記収縮しきい値を超えるまで前記ユーザを前記インフォバブルから削除することにより、前記インフォバブルを収縮させる手段を含む、請求項14に記載のプログラム。
- 前記ネットワーク行動を分析する手段は、識別値で指定される前記インフォバブルを読み出し、前記インフォバブルの時間進化を使用して前記特徴パラメータを含む前記情報の情報伝播を分析する手段を含む、請求項15に記載のプログラム。
- 前記ネットワーク行動を分析する手段は、読み出した複数の前記インフォバブルのユーザ属性の類似性を使用して前記インフォバブルのクラスタを生成し、前記クラスタを形成するユーザを分析する手段を含む、請求項16に記載のプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008155237A JP5159451B2 (ja) | 2008-06-13 | 2008-06-13 | ネットワーク行動を分析する情報処理装置、分析システム、ネットワーク行動の分析方法およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008155237A JP5159451B2 (ja) | 2008-06-13 | 2008-06-13 | ネットワーク行動を分析する情報処理装置、分析システム、ネットワーク行動の分析方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009301334A JP2009301334A (ja) | 2009-12-24 |
JP5159451B2 true JP5159451B2 (ja) | 2013-03-06 |
Family
ID=41548153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008155237A Expired - Fee Related JP5159451B2 (ja) | 2008-06-13 | 2008-06-13 | ネットワーク行動を分析する情報処理装置、分析システム、ネットワーク行動の分析方法およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5159451B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110225170A1 (en) * | 2010-03-11 | 2011-09-15 | Microsoft Corporation | Adaptable relevance techniques for social activity streams |
JP5656254B2 (ja) * | 2010-12-28 | 2015-01-21 | 日本電気株式会社 | コミュニケーションイベントログ作成システム、コミュニケーションイベントログ作成方法およびプログラム |
JP5525470B2 (ja) * | 2011-03-24 | 2014-06-18 | Kddi株式会社 | 影響度算出装置、影響度算出方法およびプログラム |
JPWO2013011728A1 (ja) * | 2011-07-19 | 2015-02-23 | 日本電気株式会社 | コミュニケーション支援装置、コミュニケーション支援方法、およびプログラム |
WO2013094361A1 (ja) | 2011-12-19 | 2013-06-27 | インターナショナル・ビジネス・マシーンズ・コーポレーション | ソーシャル・メデイアにおけるコミュニティを検出する方法、コンピュータ・プログラム、コンピュータ |
US20140172541A1 (en) * | 2012-12-13 | 2014-06-19 | Facebook, Inc. | Generating Metrics Based on Client Device Ownership |
EP3258409B1 (en) * | 2015-03-18 | 2019-07-17 | Nippon Telegraph and Telephone Corporation | Device for detecting terminal infected by malware, system for detecting terminal infected by malware, method for detecting terminal infected by malware, and program for detecting terminal infected by malware |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4892896B2 (ja) * | 2005-09-05 | 2012-03-07 | 富士ゼロックス株式会社 | コミュニケーション分析装置および方法 |
JP2007102657A (ja) * | 2005-10-07 | 2007-04-19 | Fuji Xerox Co Ltd | コミュニティ分析装置、およびコミュニティ分析方法、並びにコンピュータ・プログラム |
JP2008107867A (ja) * | 2006-10-23 | 2008-05-08 | Hitachi Ltd | コミュニティ抽出方法、コミュニティ抽出処理装置 |
JP2009193465A (ja) * | 2008-02-15 | 2009-08-27 | Ntt Communications Kk | 情報処理装置、情報提供システム、情報処理方法、およびプログラム |
-
2008
- 2008-06-13 JP JP2008155237A patent/JP5159451B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2009301334A (ja) | 2009-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10546006B2 (en) | Method and system for hybrid information query | |
JP5230421B2 (ja) | 集合の類似性に基づく拡張性に富むユーザクラスタリング | |
JP5159451B2 (ja) | ネットワーク行動を分析する情報処理装置、分析システム、ネットワーク行動の分析方法およびプログラム | |
Tyagi et al. | An algorithmic approach to data preprocessing in web usage mining | |
Losarwar et al. | Data preprocessing in web usage mining | |
US20160188604A1 (en) | Social media impact assessment | |
US20140101134A1 (en) | System and method for iterative analysis of information content | |
US20080215581A1 (en) | Content/metadata selection and propagation service to propagate content/metadata to client devices | |
US9256692B2 (en) | Clickstreams and website classification | |
US20170270210A1 (en) | Data Infrastructure and Method for Ingesting and Updating A Continuously Evolving Social Network | |
Sisodia et al. | Fast prediction of web user browsing behaviours using most interesting patterns | |
Jagan et al. | A survey on web personalization of web usage mining | |
CN111177481B (zh) | 用户标识映射方法及装置 | |
Nguyen et al. | Analyzing and visualizing web server access log file | |
Eltahir et al. | Extracting knowledge from web server logs using web usage mining | |
Bhat et al. | Browser simulation-based crawler for online social network profile extraction | |
JP2014016916A (ja) | ソーシャル・グラフの拡張方法、プログラム及びシステム | |
Suguna et al. | User interest level based preprocessing algorithms using web usage mining | |
US20030160609A9 (en) | Method and facility for storing and indexing web browsing data | |
JP2010198223A (ja) | 関連性解析システムおよび関連性解析方法 | |
Bakariya et al. | An inclusive survey on data preprocessing methods used in web usage mining | |
JP5535787B2 (ja) | 分類装置、分類方法及び分類プログラム | |
CN109408716B (zh) | 用于推送信息的方法和设备 | |
Zubi et al. | Using web logs dataset via web mining for user behavior understanding | |
Maheswari et al. | Algorithm for Tracing Visitors' On-Line Behaviors for Effective Web Usage Mining |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110214 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120730 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120814 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121019 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121127 |
|
RD14 | Notification of resignation of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7434 Effective date: 20121127 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121211 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151221 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |