Analysis of user-generated content in the context of a database of artworks

Abstract

Das explorARTorium (http://explorartorium.info) beherbergt eine umfangreiche Sammlung digitalisierter Bilder von Kunstwerken, die von Benutzern annotiert (getagged) werden können, wodurch eine Folksonomy geschaffen wird. Es liegt im Interesse des Betreibers, die Faszination der Benutzer an der multimedialen Plattform und am Taggen von Kunstwerken zu erhalten, weil dies dazu beiträgt, die Folksonomy zu verbessern und Verbindungen zwischen den Kunstwerken herzustellen.<br />Leider ist dieses Ziel nur schwer zu erreichen, denn das Taggen stellt eine zeitaufwändige Aufgabe dar, und ohne Anreiz oder Hilfestellung wird die Motivation des Benutzers dies zu tun im Laufe der Zeit abnehmen.<br />Eine umfassende Analyse der Folksonomy des explorARToriums untersucht das Verhältnis zwischen Benutzern und ihren Tags. Erstens wird bestätigt, dass das Taggingverhalten der Benutzer in Relation zu ihrem Bewertungsverhalten zu setzen ist. Zweitens bringt eine qualitative und lexikalische Analyse des Vokabulars der Benutzer große Unterschiede zwischen den Themen zutage. Drittens wird die Rolle der Benutzer hinsichtlich Aktivität und Lerneffekten untersucht und aufgezeigt, dass das Vokabular der Benutzer im Laufe der Zeit spezieller wird. Letztlich wird die mit der Zeit abnehmende Motivation der Benutzer Kunstwerke zu taggen bestätigt.<br />Um den Benutzern von Kunstsammlungen einen Anreiz zum Taggen der Bilder zu bieten, wird ein Framework für systemgenerierte Vorschläge von passenden Tags entwickelt. Dieses Framework erleichtert es dem Benutzer, die Kunstwerke zu beschreiben. Die Implementierung des Frameworks bedient sich Business Intelligence Techniken, um interessante Verbindungen zwischen Variablen in der Datengrundlage zu entdecken und damit Entscheidungskriterien für das Recommender System zur Verfügung zu stellen. Abschließend werden die Qualität und die Genauigkeit des implementierten Tag Recommendation Framework einer Evaluation unterzogen.<br />

In times of the Web 2.0, with nearly unlimited storage capacity and bandwidth, a lot of image collections are available on the Internet.<br />Some of these collections are completely open for new material and contribution, some of them are completely closed for user input and some of them are a mixture, i.e. do not allow user uploads, but encourage user contribution through commenting, rating and annotating images, such as the explorARTorium (http://www.explorARTorium.info) . The explorARTorium hosts a large collection of 20,000 digitized images of artworks, which can be explored along various dimensions such as time, region or theme. Users browsing the collection are able to tag as well as rate the artworks to express how much they like the picture. Through this practice of annotating content, a folksonomy (a system of classification based on user collaboration) is created. It is in the operator's interest to keep the users intrigued using the multimedia platform and tagging artworks, because untagged artworks do not contain the desired user input which is important for the operator, as it helps improve the folksonomy and create connections between artworks.<br />Unfortunately, this goal is not easy to achieve, because tagging is a time-consuming task and without any incentive or help, the users' motivation to tag will decrease over time.<br />In the first part of the thesis, an extensive analysis of the explorARTorium's folksonomy related to art history is conducted, exploring the relationship between users and their tags. Firstly, it is confirmed that the users' tagging behavior can be set into relation to their liking of artworks. Secondly, the users' vocabulary is qualitatively and lexically analyzed discovering great differences between themes (e.g. portraits are described with different parts of speech than religious artworks). Thirdly, the role of the user regarding activity and learning effects is examined showing that the users' vocabulary gets more specific over time. Finally, the decrease of the users' motivation to tag is confirmed over time.<br />In order to give the users of the artwork collection an incentive to tag pictures and thus to prevent the users' tagging motivation from declining, a framework for system-generated suggestions for appropriate tags (based on tags extracted from the folksonomy) is developed and presented in the second part of this master's thesis, which offers the user an easier way to describe the artwork. The implementation of the framework makes heavy use of business intelligence techniques like Frequent Itemset Mining and Association Rule Mining for discovering interesting relations between variables in the database to provide reliable decision criteria for the recommender system. The quality and precision of the implemented Tag Recommendation Framework are evaluated revealing that the framework yields astonishing results for certain stereotypes of artworks and on average also performs better than a naive algorithm.<br />