Self-organized Similarity Searching: The Social Network Approach

Mgr. Jan Sedmidubský, Ph.D.

Advanced ('rigorózní') thesis

Anotácia:

Díky exponenciálnímu nárůstu digitálních dat a jejich složitosti (jako jsou multimédia, textové dokumenty nebo vědecká data), potřebujeme techniku, která by nám umožnila prohledávat takovéto kolekce dat efektivně. Vhodné řešení je založeno na distribuovaných systémech a metrickém modelu podobnosti. Velkou výzvou je ovšem posunutí se směrem k samo-organizujícím se systémům. Narozdíl od distribuovaných struktur, samo-organizující se sítě se dokáží přizpůsobovat měnícím se podmínkám prostředí a umožňují opravit vzniklou chybu s minimálním zásahem člověka. Obecně, takovéto typy systémů se dokáží řídit a vyvíjet samostatně. Výhody sociálních sítí přilákaly spoustu výzkumných pracovníků, kteří navrhli řadu systémů kombinujících peer-to-peer sítě a model sociální sítí. Přehledová část těchto tezí popisuje právě takovéto typy systémů a rozděluje je do čtyř různých oblastí podle jejich aplikačního použití. Jelikož tyto přístupy využívají různé techniky vyhledávání a správy své struktury, porovnáme je a rozdělíme podle jejich společných rysů do několika kategorií. Na základě studia současného stavu konstatujeme potřebu nové samo-organizující se struktury pro podobnostní vyhledávání využívající výhody sociálních sítí. My jsme navrhli samo-organizující se síť, nazvanou Metric Social Network (mSN), ve které jsou uzly propojeny, pokud jsou si sémanticky podobné s ohledem na daný dotaz. Vztahy mezi uzly jsou vytvářeny podle odpovědí na jednotlivé dotazy. Každý uzel si udržuje seznam dotazů, na které se ptal nebo na ně odpovídal, nazývaný historie dotazů. Historie dotazů reprezentuje znalost uzlu o celé síti. Využívá ji navigační algoritmus, aby mohl efektivně rozesílat daný dotaz. Předběžné experimentální výsledky ukazují významný posun ve vyhledávací výkonnosti.

Abstract:

Due to the exponential growth of digital data and its complexity (like multimedia, text documents or scientific data), we need a technique which allows us to search such collections efficiently. A suitable solution is based on distributed systems and the metric-space model of similarity. However, the biggest challenge tends to shift towards self-organized systems. Unlike distributed access structures, self-organized networks are capable of adapting to environment's changes and allow a network to correct any damage with minimal human interaction. In general, such types of systems are able to control and evolve autonomously. Many researchers have currently been attracted by advantages of social networks and have proposed many systems combining the peer-to-peer communication paradigm and social-network principles. The survey part of this proposal describes such types of systems and divides them into four different areas according to their application domain. Because such approaches exploit diverse techniques of searching and maintaining own structure, we compare and group them by their common properties into several categories. Based on the study of the current state, we have recognized the need for a new self-organized structure for similarity searching exploiting social-network paradigm. We propose a self-organized network, called Metric Social Network (mSN), where peers are linked directly if they are semantically similar with respect to a certain query. Ties among peers are constructed from the answers returned to queries. In particular, each peer maintains a list of queries it asked or answered, called the query history. The query history represents the peer's knowledge about the network. It is exploited by a navigation algorithm in order to route a query efficiently. Preliminary experimental results indicate a significant boost in searching performance.

Keywords

similarity, similarity searching, self-organized networks, social networks

Jazyk práce: English

Datum vytvoření / odevzdání či podání práce: 4. 6. 2008

Obhajoba závěrečné práce

• Obhajoba proběhla 23. 6. 2008

Masaryk University

Faculty of Informatics

Advanced ('rigorózní řízení') programme / odbor:
Informatics / Informatics