たぶん、ネットワークを外部指標で評価するという話。

遺伝子から信号伝達の経路のネットワークを出している。難しい定式化。

マルコフネットワークを学習する。
4章 Incremental Feature Introduction

Naive Bayesモデルではなく、ロジスティック回帰によるlink-based classificationの手法。同名の論文（using以降がない）が同年の本会議にある。mode-link（最頻のカテゴリにする）, count-link, binary-linkという属性を定義していて、唐門くんオペレータで実現できる。
Coraデータセット、Citeseerのデータセット。
ベースライン（Content-Only)とリンク（Mode-link, Binary-link, Count-link）を組み合せた方法で比較している。トレーニングセットとテストセットの間のリンクを全部削除するTest Links Only、それを保持したままにするComplete Link（当然こちらの方が精度が高い）。Count-Linkがやや精度が高い。

Tech report, 2007

属性選択に、分類の学習と同じ学習データを使うのはバイアスがかかる。それを解決する。

エンティティのランキング。

Monte Carlo Markov Chain (MCMC)
Power lowランダム、優先選択、スモールワールド、一様ランダム等に適用している。

リレーショナルフィッシャーカーネルは、（生成モデルの）確率P(x|λ*, M)の勾配を使ったカーネル関数である。フィッシャーカーネルとSVMを使うと、精度が大幅にあがることを示す。Webページ分類タスク（KDD Cup 2001)で62.34%が75.28%に。
syntax-drivenカーネルとmodel-drivenカーネルがある。

方向なし確率的分類モデル（マルコフネットワーク）を効率的に構築するアプローチを示す。

タンパク質間の相互作用ネットワーク（PPIグラフ）で、ハブを複製することでクラスタリングのモジュラリティを高める。

適切なカーネルを選ぶ方法。カーネル行列を学習する。

エッジに方向性を考えるグラフのsemi-supervised learning

スペクトラルクラスタリングについて分かりやすく書かれている。スペクトラルクラスタリングは、滞留確率を対角成分とした行列をΠとするとΘ=(Π^0.5 P Π^-0.5 + Π^-0.5 P^T Π^0.5)/2で、このΘの第２固有値の固有ベクトルの正負を見る。このときの遷移確率行列Pを、one-stepにしたりtwo-stepにしたりして、オーソリティやハブだけをクラスタリングしたりする。

blogの引用のカスケード。カスケードのタイプをたくさん列挙して、PCAをする。
カスケードモデルをいろいろ調べている。時系列のフラクタル性。

blogのリンク（エントリ間）のpositive/negativeを判定。
bag-of-wordsでプラス／マイナスをつける。さらにトラストと考えて、トラストを伝播するモデルを比較。
隣接行列をMとすると、M, M^T, M^T*M, M*M^Tなどを足し合わせる。
結構面白い。

いろんなデータセットのネットワークがconsistentかどうか。異なるデータ、異なる収集方法、異なる時間などを比較。次数分布、C, WCC/SCCなどの値で比較。

LiveJournalで、link prediction。

面白い。Frendsterの話、バンドをはじめユーザがmyspaceに移行した。
teens、breakup, メールは大人との会話、8人のbest friendsの機能
symbiotic behavior

positive/negativeのpolarityや**などを、単純なbag of words + SVMよりもきちんと取る。

形容詞の前にある副詞で、形容詞のスコアを調整して、positive/negativeのスコアを修正。単純。deadなどはどうするのか。

結構面白いかも。tribalism。コメントを良く返すという性質。flocking。

Step Oneの次は、Step Two。誰かの発表みたいで笑える。でも内容はすごいに違いない。

type=distance NEAR Hamburg Munichというタイプのクエリーを処理する。

良いメンバーの論文だが、内容はポスターだけあって、完成度が低い。

Structural Logistic Regression (SLR)というタスク。２つのプロセスから成る。属性の生成、統計的モデル選択基準による選択。ILPとほぼ同様。赤池情報量基準(AIC)やBICなど。CiteSeerのデータで検証。

Relational Subgroup Discovery (RSD). East-West Train問題では、西行き、東行きの電車というかたまりを見つける。WRA_cc search heuristicで重み付ける。

PRMを論理プログラミングの枠組みで解釈している。PRLはpearlと読むらしい。対応付けるための定義がずーっと並んでいる。内容はPRMのほかの論文と同じ。entity uncertaintyとかreference uncertaintyなど。

複数のテーブルからのデータマイニング（Multi-Relational Data Mining）。例えば、ユーザテーブルと購買テーブルなど。
ILPの概説とそれとの関係が述べられている。わりといい解説。
Relational association rules, Relational decision tree, Relational distance-based approach。

PRMの最初の構想のような論文。Bayesian Networkとframe表現を結びつける。slot chain、reference uncertaintyなどの話。

DBのスキーマから、authority transfer schema graphを作る。キーワードを入れてObjectを得るみたいだが。

ER（Entity-Relation)グラフのランキング。
PageRank (もしくはUnweighted Conductance）の詳細な計算が4ページにあり。
SynthDBLP(21000ノード）, SynthIMDB(21000ノード）。隠れ変数βを設定する。unweightedのPageRankと隠れ変数を用いたもので、結果が異なるペアを1:1で混ぜて、テストセットを作る。グラフと訓練データの選好（＜）を与え、βを推定する。

CiteSeerのデータで、venue(会議等）を予測する、citationがあるかどうかを予測するという２つのタスク。k-meansでクラスタリング。新しい属性を作る。
ClustDocsByAuthorsとかClustDocsByCitingDocs、ClustDOcsByWordsなど。(wordはTFIDFを用いる。）手法は非常にシンプル。評価もそんなに大したことない。

Yeast genome Sachharomyces Cerevisiaeという分類問題にSRLを適用する。ACORAというシステム（既存のもの）を使う。ドメインにあわせた説明と結果が中心。

特徴語、共起、典型的な文、コレポン等の分析を統合したもの。PDA、携帯などのcase studyが評価代わりになっている。

非常に重要な論文。関係を使った属性生成。IPOのデータに対して、提案手法をgeneralizationのパフォーマンスで比べている。ILPのシステム：FOIL, Tidle, Lime, Progolと比較。most common categorical, vector distance, negative gategoriesなどをどんどん追加してパフォーマンスがあがることを示している。唐門くん論文と非常に似た構成。

Dynamicモデル。２次元（多次元）平面状に点があるとして、点が動いていく。近い点にはリンクが張られやすいというモデル。アイディアとしては面白い。式は複雑。

大規模なネットワークを簡単に表示する方法。
Webから得られた人名のネットワーク（1500万人）が使われている。
10語以内に出てくるものはエッジとする。抽出自体は主眼ではない。

最適化問題はNP困難。近似解法を提案する。

文書をクラスに分けるときの相互情報量の損失がもっとも少なくなるように、語をクラスタリングしていく。Jensen-Shannonを使ったdivisive clustering。２章の関連研究は非常に参考になる。20 Newsgroups dataと、Open Directoryの5000ページ（３階層）のデータ

いろいろなネットワークを調べると、ネットワークの成長とともに(i)degreeが増える（つまりエッジの数がノードの数の線形以上に増える）、 (ii)直径が小さくなるという傾向がある。
これを説明するCommunity Guided Attachment（コミュニティ内ではリンクしやすい）、Forest Fire Model(どこかに向かって火が燃え移っていく。前方向と逆方向の確立が定義される）を提案している。詳細なデータ、プロフェッショナルな分析。

すばらしい。Orkutのデータで、コミュニティの推薦。どの類似度のメジャーが優れているか。L1, PMI, Log-oddsなど。結果的にL2がいい。明快な構成、きちんとしたデータ、言うことなし。

ユーザのnetwork valueを確率モデルで定義。Epinionのデータで検証している。

ネットワークでのランキングの学習。面白い。

MySpaceとLive Journalの分析。知り合いのコミュニティ内でのリンクが強いほうが、そのコミュニティに入りやすい。

面白い。amazonでのランキングとblogでの言及を比較している。

cycle-free effective conductance (CFEC)によってproximityを求める方法。

Closeness centralityとBetweenness centralityを高速に出すindexを作る。正確な値ではなくて、approximation。10000ノードの共演グラフ。

かなり良さそうな論文。Hierarchical Conditional Random Fieldモデルを用いて、レコードの検出と属性のラベリングを行う。

Semantic Role Labelingを利用して、word-sense disambiguationをする。
Bakerらによって作られたCLib (Component Library)というのを用いる。CLibでは、2500以上のドメインスペシフィックな概念から構成される。イベントとエンティティ、エンティティ間、イベント間の関係などが記述される。
Shallow parserでsyntactic relationshipを出して、CLibのコンセプトから可能なものをすべて列挙する。で、invalidなものを省く。

Ontologyのマッピングを見つける方法。アルゴリズムの数学的な説明が中心。

GiveALinkというシステム。ブックマークを入れると、それに近いURLを返してくれる。リンクの類似度を用いる。

Wikipediaの知識を用いてテキスト分類の精度を上げる。feature generationのひとつだと説明されている。

Semantic Relatednessを測る。Google countsやWordnetよりもWikipediaを使ったほうが良いことを示す。データセットは、例のMiller & Charles, Rubenstein & Goodenough, あと、353 Test Collectionというもの。WordNetは小さいデータセットには良いが、大きなデータセットにはWikipediaがいいそうだ。GoogleCountの関連度はJaccardを用いている。でも他のがいろいろ設定してるのに、GoogleCountはひとつの設定だけで、平等な比較ではない。ダヌ論文と比較するべき。

「キャノンの光学はソニーやニコンのより良い」というような比較文をWebから探す。(,,,)という用言。

Webオブジェクトというのは、テキストフィールドとか、リンク、ボタンなど。なので、関係ない。

Newmanらのコミュニティ抽出の方法を改良。weak communityでもstrong communityでも抽出できる。spectral clusteringと組み合せる。重みつきグラフも扱う。良さげ。

Seed factを与えると、candidate factsを返す。Person-BornIn-Yearのデータで評価。パターンの取得とデータの取得を繰り返すのではなくて、よいパターンをrankingする。そのために語の類似度を使う。PMIで他の語との共起を取り、コサイン類似度。

Relation extractionとKernel法。難しいけどとても重要そうな論文。

自動的に抽出したキーワード（タイトルやフルテキストではなく）がテキスト抽出にどのように役立つか。

IDFではなくISF(Inverse Sentence Frequency)の方が良い。

X=ostrich, Y=birdとすると、X is the largest Yとか Y such as the Xとかのパターンが上位に来るようにする。どちらかというとダヌシカくんの方法に近い。

High Frequency Word (HFW)とContent Word(CW)の組み合わせでメタパターンを作る。

コンセプトは悪くないけど。引用してくれてるから感謝。再試すると、この精度は出ない。(f(Y@X)+f(X@Y)) / (f(X) + F(y))

Expertを見つける方法には、人の知識を登録しておくこと、それから文書をみつけてそれに関連した方法を見つける方法の２つがある。ここでは後者。TRECのEnterpriseコーパスを用いて評価している。人(ca)とquery(q)の結びつきp(ca|q)を文書を介して計算する。候補抽出の方法、smootingの方法など、さまざまな角度から評価している。よい論文。

SNSのプロファイルのテキストをとってきて、taste fablic（嗜好が織り成されたもの？）を出している。

特集記事、３篇。
- Using Egocentric Networks to Understand Communication
- Social Networks as Health Feedback Displays
- P3 Systems: Putting the Place Back into Social Networks

よいまとめになってる。

なんか漠然とした話。

☆

Web Usage Miningをパーソナライゼーションに生かす。
3章 User Profiling: Cookieを使う方法、identd, IPアドレスを使う方法。各Webサイトの概要。（Yahoo, Alta-vista, DouleClickなど）
4章 Log analysisとWeb usage mining。Webのログ、相関をとったりクラスタリング、分類をする。

Content-based methods, collaborative methods, ハイブリッド。この分け方は定着しているものの、特に新しくない。
一般的な問題として、New User Problem, New Item Problem, Sparcityを指摘している。
最近の話題：Multidimensionality of Recommendation（複数の文脈に関する要素を入れる）、Multicriteria Ratings（レストランの推薦などいくつかの評価項目がある）、Nonintrusiveness（たとえば滞在時間を評価の代わりに用いるなど）、Flexibility（カスタマイズできること）、Recommendationの効果など。

従来の評価法には２つの欠点がある。ひとつは、良く使われる評価指標Mean Absolute Error (MAE)は、予測したアイテムごとに計算するので、たくさんアイテムを出す手法に有利である。（トップアイテムをうまく出す手法には向いていない。）２つ目は、ほとんどの文献はオフラインのデータセットを用いていて、実ユーザの反応ではない。
この論文では、MAEに加えて、Precision/Recallを用いることが重要であることを述べる。

ユーザをクラスタリングしてから推薦する。Memory-basedでよく使われるのはPearson Correlation Coefficient(PCC)とベクトルスペース類似度(VS)アルゴリズム。
Model-basedでよく使われるのはaspect model(AM)とpersonality diagnosis model(PD)。
AMは、ユーザがクラスに属する確率p(z|y)とそのクラスでのアイテムの評価p(r|z,x)をかけあわせる。ユーザy, アイテムx, 評価r, クラスz。
PDは、評価の違いによって正規分布を仮定して、そのユーザに近いユーザ（=モデル）を見つける。それの重ね合わせでッ評価を決める。(k-NNに近いのでは。）
PDが良いのが知られているらしい[5]。
重みをつける方法で知られているのは、IDFと、分散を用いる方法。（3章）

映画の嗜好が似ている人でもスポーツに嗜好が似ているとは限らない。multi-layeredのソーシャルネットワークを作って、それを使って推薦をする。

ユーザのクラスタを作ってからcollaborative filteringをする。Hamaモデルに近い。MovieLens, EachMovieのデータセットによる評価。

User-basedとitem-basedの協調フィルタリングをマージする方法。

Relevance feedbackを使って検索結果を良くする際に、Webグラフ上の距離が効くこと。Avarage-clickを似た内容。

キーノート。Social netowrkの重要性を書いている。

よいレビューペーパーらしい。

memory-basedとmodel-basedのハイブリッドなアプローチ。

LSIを使っているようだ。

1章はサーベイ。Sparsity problemや次元を圧縮する方法について1.1の最後に書かれている。k-NNでは、SparsityとScalabilityの問題がある。
3.1はItem間の関連を（良い評価をつけたユーザの）コサイン類似度、ピアソン相関等をつかってもとめる。（k-NNでは、ユーザ同士の関連を見つけていることになる。）
3.2はこの関連を使って出力を決める。行列の概念、入力、出力の定義が非常に分かりやすい。
MovieLensデータセットを使って評価。

一般的な解説。いくつかのシステムが表になっている。だれが評価を作るか、そのコスト。free riderが起こる。また誰でも評価してよいようにすると、コンテンツホルダーが良い評価ばかり作る。プライバシーの問題。（ユーザはあまり習慣を知られたくない。）ビジネスモデル。ユーザの評価と広告は区別しなければいけない。ひとつのシステムが他を排除することなど。

2章はContextでSemantic Webについて。3章が手法。
4章が分析。4.1は中心性の分析など。（descriptive analysis)
4.2は、パフォーマンスとの相関を見ている。
仮説1a: tieの数は、パフォーマンスに正の相関がある。
仮説1b: closed networkはパフォーマンスに負の相関がある。
仮説2a: 認知的な多様性へのアクセスは、（特に若い研究者の）パフォーマンスに正の相関がある。
簡単な仮説を立てた検証だけという感じ。

バラバシのLinkedとWattsのSix Degreeの書評。2モードネットワークを「発見した」など、関連研究を引いていないことなどについて、皮肉たっぷり。

オンラインのデートコミュニティの分析。スウェーデンのpussokram.com (英語ではkiss'n'hugという感じ）のコミュニティ。2002年春夏の時点で3万ユーザ。2001年のはじめから約1年半の期間。比較のために、nioki.com(フランスのコミュニティ）とscientific collaboration（共著関係）のネットワークを使う。（いずれもスナップショット）。時系列のリンク数、平均次数の変化（図2）。Reciprocity（両方向のタイがどのくらいあるか）：図3。次数相関、assortative mixing。次数分布。geodesic (shortest path) distanceの平均。short circuitsの密度。で、議論で終わり。
一連の分析は非常に初歩的。特に仮説もない。

次数分布。きれいなグラフ。少なくとも1本のリンクのある人の数などの集計。簡単なケーススタディ。
リンクのあるなしの予測。similarityを共通アイテムの数（の対数の逆数）で計る。（Likeness score）。パフォーマンスと実例を少し。で終わり。
やはり、ざっといろいろ分析して解釈して終わりという印象。

分かりやすい説明。モデルを立てて、実データで検証。２つのネットワークを使っている。１つはHP labのe-mailのネットワーク（Pajekで描画）。もうひとつはsocial networking site（Club Nexus）から取ったもの。物理的距離でどう変わるかなど。

簡単なコンポネント等の図示。Core、Lordの分析。Blockmodel。Clustering（7章にJaccard, Dice等の記述あり。）Cluster分析。

Yahoo! inc. にいるらしい。2004年ごろPhD終了？
Feature constructionの論文等。Lyle Ungarという人が教授でデータマイニングの研究。

100万人以上のLivejounalのbloggerの分析。
主に、年齢や国などの分析。興味のクラスタができること、地理的なクラスタができることなど。後半は、時系列の変化。

オンラインの関係は、オフラインの関係を形成・維持するには弱いことが書かれている。1991年の979人の銀行従業員の調査。81%がe-mailを使っている。ピッツバーグの93人の主婦の調査。204のメーリングリストの分析。

ブロガー23人にサーベイ調査。ブログを書く目的についてなど。
1. 他の人に自分の活動や状況を知らせる。
2. 他人に影響させるように意見を書く。
3. 他の人の意見やフィードバックを求める。
4. 書くことで考える。
5. 感情の高まりを発散する。

面白い！Kuwaitブログ、Dallas/Fort Worthブログ、United Arab Emiratesブログのコミュニティで、リアルライフの関係とオンラインの関係を調べる。blogrollとコメントを調べた。その結果、オンラインの関係は実世界の関係を反映してないこと、オンラインの関係はbloggingを通じて形成されることがわかった。
分析はそれほどしっかりしてない感じ。

Weblog Handbookという本を書いた人らしい。A-listのblogger。Weblogの歴史など。特に内容なし。

A-listのblogではなくて、普通のblogをランダムにピックアップして、どのくらいつながっているかなど、ネットワーク分析をしている。A-listは、中心的だが、他のブログは密に固まっている。他のサンプルのblogはほとんど参照してない。つまり、局部的に固まっているが、それぞれはばらばらになっている。

バーチャルな空間でのコミュニティの定住という比喩。研究の方法論自体についていくつか議論したあと、コミュニティのメンバーを同定する研究が少し書かれている。
Regular reading of a weblogについて５ページに少し記述がある。

ペルシャのblog分析。次数分布、ページランク等。

面白い。readership relationと実際の関係をサーベイしている。

長大な論文。

コメントの分析。誰が投稿したかは分からない。68万ポスト、そのうちコメントがあるのが10万ポスト（15%)。3万6千Weblog, そのうちコメントがあるのが1万（28%)。次数分布、キーワードで検索したときの分析、コメントと人気の関係など。

blogrollとurlの言及のネットワーク。iRankを提案。

Blogrollのスナップショット。
1494のブログ（759が自由、735が保守）のネットワーク。
特に40のA-listブログ（20ずつ）を選んで、40日間観察。詳細に分析している。

Blogdexというプロジェクトでblogを収集してくる。このデータで、
permalink, blogrollのソーシャルネットワークを作る。degreeの中心性のランキング、次数分布、２つのソーシャルネットワークの中心性の相関など。３ページ目に、４つのsocial tie（permalink, blogroll, comment, trackback）があることを述べている。まあ、大したことないが参考になる。

面白い。Mutual awarenessを測る。それによって、コミュニティを同定する。やり方は、コメント、引用、blogrollの変更など。時間も見ている。

Wallopというホスティングサービス。中国人が多い。commentネットワーク、invitationネットワーク、その組み合わせの３つのネットワークを調べている。中心性の分析、やめるかどうかの予測など。

splogをSVMを使って検出。blog同定のF1は97%、splog検出は90%。BlogPulseの130万エントリ（2005/7の3週間のデータ）
確率でAuthenticBlog, Splog度を出している。時間帯の分析、次数分布の分析など。

Blogs06のテストコレクションをどうやって集めたか。Top blogs(7万), Splog(1万8千), その他（1万2千）。2005/12/6-2006/2/21まで。期間ごとの集計、時間ごとの集計（splogとの違い）、offensive wordがどのくらい含まれるか（splogのほうが多い）、次数分布など、簡単な統計分析。

SVMを使ったsplogの同定。

1.2のRelated Worksはすばらしい。
Blog BとBlogAが同じ話題（URLを引く）であって、しかもその周りにそれに言及したBlogがないときに、
infectしたとみなしている。direct linkがあるか（双方、片方、ない）、infectしているかなどを分類する。
属性としては、テキストの類似度（共通のURL、TFIDF）やタイミングを用い、SVMやロジスティック回帰を使う。
可視化についても4章で言及されている。

ポーランド語のブログの分析。Small worldであるとか。質は低いので引く必要なし。

tagging guyの論文。

すばらしい。
前書きと３番目の記事にヴィトゲンシュタイン、
４番目の記事にソシュールが出てくる。

オントロジの評価について。(i)アプリケーションでの評価、(ii)エキスパートによる評価、(iii)Gold standardによる評価。３つの基準があって、複数の評価尺度を重ね合わせたものでなければいけない、木の根元のエラーは大きくなければならない、エラーを付け加えると評価尺度が下がらないといけない。４章は木のマッチングの方法。

検索エンジンを使ってインスタンスを見つける研究。

Bio-medicalのテキストからエンティティ間の関係を見つける。RDFに変換。

タグと画像の特徴を合わせた画像の閲覧ナビゲーション。タグの可視化。輪郭（colour）とテクスチャの特徴を組み合わせた特徴量を用いる。

前にメリーランド大で聞いたやつかも。

KITEというシステム。テキストからOWLやRDFを生成。きちんとした議論、大まかな枠組み。ケーススタディをしている。かなり小さい規模。

オントロジの定義。"An ontology is an explicit specification of a conceptualization. "(p.1)
オントロジのデザイン基準。1. Clarity, 2. Coherence, 3. Extendibility, 4. Minimal encoding bias, 5. Minimal ontological commitment. 2つのケーススタディ(物理量のモデル、書誌データの共有）について書かれている。