データ公開の研究者と事業者の意識議論@ソーシャルブックマーク(SBM)研究会

20081206(Sat.)1641-1741


欲しい情報は

  • by 上野大樹さん
    • URL, Title, User_Name, Timeともうひとつ？
    • URL(10M件)
    • CFだけだとはてなの関連エントリには勝てないかと感じている
  • by 大向一輝さん
    • Content, Tag, Userの３部グラフ
    • timestampは欲しい
    • commentsは欲しい
    • 評価（○×など）
    • ただし, Up-to-dateである必要性はない
    • 無断クロールをしなくても良い状況になって欲しい
    • 既存データ
    • 課題
      • 契約，成果の取扱，発表の場，事業者へのメリット（新機能開発，広報，採用活動）


事業者として期待するのは（優先度を上げたいのは），別ソースとの組み合わせた解析．
データ管理の安全面さえ担保されれば，条件はゆるいと思う．
spam判定，検索，テキスト解析が大事．
企業のビジネスに乗っかるというよりも，事業者が気づいていないことをやって欲しい．


研究者が要求するデータ規模というよりもデータに対する中身の説明が知りたいことがある．


事業者としては，機械的にクローリングしているid用の専用サーバがある．言ってくれればデータをあげることができる場合も多い．

  • 感想
    • 個人的には，フォーマットはどうでもいい気がする．
      • 情報さえそろっていれば，あとは研究者である程度はできそう．
    • SBMはユーザ行動を表すデータのone of themであり，それが使いやすくなることは今後他のユーザ行動データとの比較も含めて重要である．
    • OpenIDのようなものをするのは事業者側ではなく，解析側がするべきかと思うがそのデータがボリュームを持つのはしばらくなさそう．
    • アクセスログはかなりプライバシ的に難しそう
    • SBMでは一部のデータが必ず公開されているので，Netflix Prizeの情報漏洩の話は起きうる．その対策として，GroupLensのような追跡不可能なデータにするか，間引きデータで追跡を難しくするしかないかもしれません．