Wikipedia SOM (Self Organizing Map)

Wikipedia SOM

https://kaigi.org/jsai/webprogram/2011/pdf/329.pdf


Web ブラウザを経由して誰でも編集可能なオンライン百科
事典「Wikipedia」は，半構造化されたデータ構造を持ち，幅
広い分野に高い網羅性を持つなどの特徴を持つことから，人
工知能，自然言語処理，Web マイニングをはじめとする各種
の研究分野で，コーパスとして活用されてきた．Wikipedia 上
に公開される情報は日々増加しており，全ての言語を合計する
と，1,800 万以上の記事が存在する．この結果，どの分野にど
の程度の情報が存在し，分野同士がどうつながっているのか，
といったような Wikipedia の全体像を把握することが困難に
なっている．Wikipedia をコーパスとして利用する研究にお
いては，データの特性に応じてアルゴリズムを設計することが
多いため，どのような記事集合がどれほどあり，どのようなク
ラスタがあるのか，クラスタ間の関係はどうなっているのかな
ど，全体を俯瞰することが重要である．また，Wikipedia の閲
覧や編集など一般ユーザとして関わる場合にも，全体を俯瞰す
ることは，不足している情報を把握することや分野同士の関係
性を調べるといった用途において重要であると考えられる．
本研究では，神経細胞移動に着想を得た自己組織化マップ
アルゴリズムの「MIGSOM」[Nakayama 11] をWikipedia に
適用し，全体情報を俯瞰する方法を提案する．MIGSOM は，
大規模な疎データを可視化し，文書マップを作成する技術であ
る．MIGSOM には二つの特徴がある．一つは大規模なデータ
に適用した時にも安定したクラスタリング性能が期待できる点
である．もう一方の特徴は，ズーム機能を利用したクラスタ解
析が可能な点である．これにより，大局的なクラスタと局所的
なクラスタの解析が可能になっ