aanbevelingssystemen: vinden wat je niet zocht, het voorbeeld van bx
DESCRIPTION
Aanbevelingssystemen: vinden wat je niet zocht, het voorbeeld van bXVeerle Kerstens, LibisInformatie aan Zee11 september 2009Kursaal OostendeZaal MercatorTRANSCRIPT
Aanbevelingssystemen: vinden wat je niet zocht
Aanbevelingssystemen: vinden wat je niet zocht
11-09-2009
Het voorbeeld van bX
Veerle KerstensK.U.Leuven, LIBIS
Aanbevelingssystemen: vinden wat je niet zocht 2
Inhoud- Aanbevelingssystemen: wat - hoe – waarom ?- Voorbeelden uit informatie- en
bibliotheekwereld- Ervaringen en Issues- bX, aanbevelingssysteem voor
wetenschappelijke artikels
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 3
Wat is een aanbevelingsysteem ?Softwaresysteem dat tracht te voorspellen welke items (boeken, muziek, video’s, nieuws, webpagina’s, objecten, artikels,..) de gebruiker zullen interesseren in een bepaalde informatieomgeving , op basis van - de inhoud van eerder gevonden items
(content-based filtering) en/of- de interesses van andere gebruikers
(collaborative filtering)
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 4
“Content-based filtering”
11-09-2009
Aanbevelingen op basis van analyse van tekst/golfvorm/pixels
Aanbevelingssystemen: vinden wat je niet zocht 5
“Collaborative filtering”
11-09-2009
Impliciet: bv. ook gekocht door..
Expliciet: via quoteringen e.d.
Aanbevelingssystemen: vinden wat je niet zocht 6
Collaborative filtering: op basis van relaties tussengebruikers
11-09-2009
• items
Welke andere items worden frequent samen met dit item geraadpleegd/gekocht/.. ?
Welke gebruikers hebben gelijkaardige voorkeuren ? => aanbevelingen op basis van hun waarderingen
en/of
Aanbevelingssystemen: vinden wat je niet zocht 7
- Aanbevelingssystemen: Wat - Hoe -
Waarom ?- Voorbeelden in informatie- en bibliotheekwereld- Ervaringen en issues- bX, aanbevelingssysteem voor wetenschappelijke
artikels
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 8
Aanbevelingen zijn big business !- 2/3 van films via aanbevelingen- Prijs van 1.000.000 $ voor wie aanbevelingen 10%
accurater maakt
- aanbevelingen genereren 38% meer “click-throughs”
- 35% vd verkoop via aanbevelingen
11-09-2009
Bron: Music Recommendation Tutorial (http://www.slideshare.net/ocelma/music-recommendation-tutorial)
Aanbevelingssystemen: vinden wat je niet zocht 9
Bijkomend instrument om relevante info te vinden in wereld van informatieoverload
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 10
“While search engines help you find things you know you are looking for, discovery helps you find the rest”• Rick Hangartner
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 11
Onderzoek bij gebruikers van Amazon:- Aanbevelingen zijn complementair met
zoektermen- Worden zowel “strategisch” als toevallig gebruikt- “strategisch”: als onderdeel van zoekstrategie, bv.
zoeken naar bekend item als bron voor aanbevelingen
11-09-2009
Leino, Juha and Raiha, Kari-Jouko, User Experiences and Impressions of Recommenders in Complex Information Environments. In: Bulletin of the IEEE Computer Society Technical Committee on Data Engineering, Juni 2008, vol 31, no 2 p 32-39
Aanbevelingssystemen: vinden wat je niet zocht 12
- Aanbevelingssystemen: wat - Hoe - Waarom ?- Voorbeelden in informatie- en
bibliotheekwereld- Ervaringen en issues- bX, aanbevelingssysteem voor
wetenschappelijke artikels
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 13
• Bibliotheekcatalogi- Bibtip- Melvyl Project (experiment California Digital Library,
aanbevelingen o.b.v. circulatiegegevens)- WordCat
• Federated search• - PurpleSearch
11-09-2009
Bibliotheek 2.0…
Aanbevelingssystemen: vinden wat je niet zocht 14
• Bibliotheekcatalogi- Bibtip- Melvyl Project (experiment California Digital Library,
aanbevelingen o.b.v. circulatiegegevens)- WorldCat
• Federated search• - PurpleSearch
11-09-2009
Aanbevelingssystemen
Aanbevelingssystemen: vinden wat je niet zocht 15
BibTip (Universiteitsbibliotheek Karlsruhe)
11-09-2009
Aanbevelingen op basis van opvragingen van volledige titelbeschrijvingen.
Twee titels zijn gerelateerd als ze samen in één sessie worden opgevraagd.
Aanbevelingssystemen: vinden wat je niet zocht 16
Gebruikersonderzoek Melvyl Project- Gebruikers appreciëren aanbevelingen in OPAC- Aanbevelingen worden gebruikt om zoekvraag uit te breiden- Presentatie is belangrijk: gebruikers willen weten waarom item
aanbevolen wordt- In een als nuttig beoordeelde set waren niet noodzakelijk alle
items nuttig- Domeinexpertise speelt rol in beoordeling relevantie
11-09-2009
Whitney, C. and Schiff, L. (2006), The Melvyl Recommender Project. In: D-Lib Magazine, 12(12), doi:10.1045/december2006-whitney
Aanbevelingssystemen: vinden wat je niet zocht 17
WorldCat
11-09-2009
2009-03-25
Aanbevelingssystemen: vinden wat je niet zocht 1811-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 19
PurpleSearch (Universiteitsbibliotheek Groningen)
11-09-2009
Federated search systeem dat databanken selecteert o.b.v. zoekterm(en) vd gebruiker, automatisch, achter de schermen +Suggesties gerelateerde zoektermen
Aanbevelingssystemen: vinden wat je niet zocht 20
Wetenschappelijke artikels• - Web of Science• - Ingentaconnect– - Dspace: content based o.b.v. bookmarks van gebruikers• - bX
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 21
Web of Science
11-09-2009
Aanbevelingen van artikels op basis van aantal gemeenschappelijke referenties
Aanbevelingssystemen: vinden wat je niet zocht 22
Ingentaconnect
11-09-2009
Met technologie van Baynote
Aanbevelingssystemen: vinden wat je niet zocht 23
- Aanbevelingssystemen: wat ? Hoe ? Waarom ?- Voorbeelden in informatie- en
bibliotheekwereld- Ervaringen en issues- bX, aanbevelingssysteem voor
wetenschappelijke artikels
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 24
Kritische massa gebruiksgegevens nodig• Items die weinig of niet geraadpleegd worden genereren geen
aanbevelingen
BibTip: • Observatieperiode nodig, lengte in functie van
– Intensiteit gebruik van OPAC– Diversiteit vd items– Grootte vd databank
Maar niet voor alle items aanbevelingen nodig: 80% zoekacties naar 20% vd items
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 25
Feedback-lus
11-09-2009
Keuze voor aanbevolen item versterkt bestaande relatie
Aanbevolen:
Aanbevelingssystemen: vinden wat je niet zocht 26
Probleem populaire items
11-09-2009
!?
Aanbevelingssystemen: vinden wat je niet zocht 27
Transparantie -> vertrouwen
11-09-2009
Rashmi R. Sinha, Kirsten Swearingen: The role of transparency in recommender systems. CHI Extended Abstracts 2002: 830-831
Aanbevelingssystemen: vinden wat je niet zocht 28
Transparantie -> vertrouwen (2)Aim of explanations in recommender systems
Transparency Explain how the system works
Scrutability Allow users to tell the system itis wrong
Trust Increase users’ confidence inthe system
Effectiveness Help users make good decisions
Persuasiveness Convince users to try or buy
Efficiency Help users make decisions
Satisfaction Increase the ease of usability orenjoyment
11-09-2009
Tintarev, N. and Masthoff, J. (2007). A survey of explanations in recommender systems. In Data Engineering Workshop, 2007 IEEE 23rd International Conference, pages 801–810.
Aanbevelingssystemen: vinden wat je niet zocht 29
Verhouding gelijkaardige/nieuwe items
Slechte aanbeveling, niet accuraatRelevante aanbeveling, maar al gekendNieuw relevant item, maar voor de hand liggend (bv van zelfde auteur)
Nieuw relevant item, niet voor de hand liggend: “serendipitous”
11-09-2009
Bruikbaarheid aanbeveling
Serendipitous volgens Van Dale: “begiftigd met de gave om waardevolle ontdekkingen te doen”.
Meer kans bij “content-based” filtering
Aanbevelingssystemen: vinden wat je niet zocht 30
- Aanbevelingssystemen: wat ? Hoe ? Waarom ?- Voorbeelden in informatie- en
bibliotheekwereld- Ervaringen en issues- bX, aanbevelingssysteem voor
wetenschappelijke artikels
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 31
bX (ExLibris)- Gebaseerd op onderzoek van Herbert Van de
Sompel en Johan Bollen in Los Alamos National Laboratory
- K.U.Leuven nam deel aan testen voor release.
11-09-2009
11-09-2009
11-09-2009
Exporteren naar bibliografische software
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 35
Hoe het werkt
11-09-2009
Link resolver
Full text bij uitgever
Print holdings
……..
Source
OpenURL met - Adres van linkresolver- ContextObject (metadata)
CO’s
Logs met ContextObjects
Aanbevelingssystemen: vinden wat je niet zocht 3611-09-2009
Voorbeeld van een zoeksessieAA
CC
BB
Relaties tussen artikels
[start session 1]<Clickthrough 1><Clickthrough 2><Clickthrough 3><Clickthrough 4>
[End session 1]……..[start session n]
<Clickthrough 1>…[End session n]
SFX logbestand
Aanbevelingssystemen: vinden wat je niet zocht 39
Issues- In aantal disciplines moet massa gebruiksgegevens
verder groeien. In die domeinen:-> Aantal aanbevelingen beperkt-> minder relevante aanbevelingen, “ruis”-> weinig aanbevelingen voor recente items
- Wat zijn goede aanbevelingen ? Verschillende types gebruikers (studenten – onderzoekers) hebben mogelijk verschillende verwachtingen
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 40
Voordelen- Niet beperkt tot één databank, platform- Interessant in context van
- Onderwijs- Verkennen van aangrenzende/nieuwe interessedomeinen- Info zoeken buiten eigen expertisedomein
- Meer kans op het vinden van nieuwe (“serendipitous”) items
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 41
Voordelen (2)- Configuratiemogelijkheden voor de bibliotheek
- Aantal aanbevelingen, layout, navigatie, relevantie- Integratie in portal-omgeving (Primo, extern systeem)
mogelijk
11-09-2009
Aanbevelingssystemen: vinden wat je niet zocht 42
Vragen ?
11-09-2009