Layout-aware Webpage Quality Assessment

Information

Authors: Anfeng Cheng＋
Organization: Baidu
Paper: https://arxiv.org/pdf/2301.12152v1.pdf
Code: -
Conference/Journal:

Summary

サマリ図表

どんな論文か？

DOM treeから得られるLayout情報を利用し、webpageの質を推定するモデルの提案。検索エンジにではキーワードに関連するページであるだけでなく、そのweb pageの質が高いことが求められる（みんなジャンプした先のwebpageが古い＆整っていないpageで見る気が失せた経験があるのでは？）。モデルはGNN with Graph Attention Networkで構築。Offlineのbenchmarkに加え、onlineでの評価も実施し有効性を確認。このモデルは既にBaiduのシステムで動いているものである。

新規性

DOM treeからグラフを構築し、quality assesmentを行うモデルを提案した点
ドメイン知識を活用したグラフ構築方法
category-aware quality assessment
- カテゴリごとに最適なlayoutやassessmentの指標が変わる点を条件付けにてカバー
Category-aware data sampling
- カテゴリによるサンプルの偏りによる推論のbiasを避ける

結果

評価指標は次の通り

Positive-Negative Ratio (PNR)
- Dataset中の2つのweb page pair (A, B)に対し、GTとPredで優劣判定が一致するかを判定
- GTがscore(A) > score(B)、Predもscore(A) > score(B)だと+1、これらが一致しない時は+0
- A/Bテストっぽい
AUC, Precision, Recall, F1-score
- 回帰のスコアを2クラスに分類して計算してそう
Tree-LSTM, GIN, GATといったベースラインに対する改善を確認

その他（なぜ通ったか？など）

グラフ構築方法のメモ
- Nodeの特徴量はtypeが持つ属性情報とレイアウト情報からなる
- 例えばテキストだとfont, font size, alignment, and position
- 連続特徴量(height, line-height, margin)は離散化することでラベルのスパース性を回避
- Virtual Nodeと呼ばれる、グラフの全Nodeと結合されたNodeを追加
- Global contextを獲得しやすい
- Web pageのカテゴリを表現するGraph featureの追加

AtsukiOsanai / cv_survey

Layout-aware Webpage Quality Assessment #105