Aanbevelingssystemen: vinden wat je niet zocht, het voorbeeld van bX

Aanbevelingssystemen: vinden wat je niet zocht
11-09-2009
Het voorbeeld van bX
Veerle Kerstens
K.U.Leuven, LIBIS

Inhoud

Aanbevelingssystemen: wat - hoe – waarom ?
Voorbeelden uit informatie- en bibliotheekwereld
Ervaringen en Issues
bX, aanbevelingssysteem voor wetenschappelijke artikels

11-09-2009
2

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
3

“Content-based filtering”
11-09-2009
4
Aanbevelingen op basis van analyse van tekst/golfvorm/pixels

“Collaborative filtering”
11-09-2009
5
Impliciet: bv. ook gekocht door..
Expliciet: via quoteringen e.d.

Collaborative filtering: op basis van relaties tussen
gebruikers
11-09-2009
6

items

en/of
Welkeandere items worden frequent samen met dit item geraadpleegd/gekocht/.. ?
Welkegebruikershebbengelijkaardigevoorkeuren ?
=> aanbevelingen op basis van hunwaarderingen

Aanbevelingssystemen:

Wat - Hoe - Waarom?

Voorbeelden in informatie- en bibliotheekwereld
Ervaringen en issues

11-09-2009
7

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
8
Bron: Music Recommendation Tutorial (http://www.slideshare.net/ocelma/music-recommendation-tutorial)

Bijkomend instrument om relevante info te vinden in wereld van informatieoverload
11-09-2009
9

“While search engines help youfindthingsyouknowyou are lookingfor, discoveryhelpsyoufind the rest”
Rick Hangartner
11-09-2009
10

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
11
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: wat - Hoe - Waarom ?

11-09-2009
12

Bibliotheekcatalogi

Bibtip
Melvyl Project (experiment California Digital Library, aanbevelingen o.b.v. circulatiegegevens)
WordCat

Federated search
- PurpleSearch
11-09-2009
13
Bibliotheek 2.0…

Bibliotheekcatalogi

Bibtip
Melvyl Project (experiment California Digital Library, aanbevelingen o.b.v. circulatiegegevens)
WorldCat

Federated search
- PurpleSearch
11-09-2009
14
Aanbevelingssystemen

BibTip(Universiteitsbibliotheek Karlsruhe)
11-09-2009
15
Aanbevelingen op basis van opvragingen van volledige titelbeschrijvingen.
Twee titels zijn gerelateerd als ze samen in één sessie worden opgevraagd.

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
16
Whitney, C. and Schiff, L. (2006), The Melvyl Recommender Project. In: D-Lib Magazine, 12(12), doi:10.1045/december2006-whitney

WorldCat
11-09-2009
17
2009-03-25

11-09-2009
18

PurpleSearch(Universiteitsbibliotheek Groningen)
11-09-2009
19
Federated search systeem dat databanken selecteert o.b.v. zoekterm(en) vd gebruiker, automatisch, achter de schermen
+
Suggesties gerelateerde zoektermen

Wetenschappelijke artikels
-Web of Science
- Ingentaconnect
- Dspace: content basedo.b.v. bookmarks van gebruikers

- bX

11-09-2009
20

Web of Science
11-09-2009
21
Aanbevelingen van artikels op basis van aantal gemeenschappelijke referenties

Ingentaconnect
11-09-2009
22
Met technologie van Baynote

Aanbevelingssystemen: wat ? Hoe ? Waarom ?

11-09-2009
23

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
24

Feedback-lus
11-09-2009
25
Aanbevolen:
Keuze voor aanbevolen item versterkt bestaande relatie

Probleem populaire items
11-09-2009
26
!?

Transparantie -> vertrouwen
11-09-2009
27
Rashmi R. Sinha, Kirsten Swearingen: The role of transparency in recommender systems. CHI Extended Abstracts 2002: 830-831

Transparantie -> vertrouwen (2)
11-09-2009
28
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.

Verhouding gelijkaardige/nieuwe items
11-09-2009
29
Bruikbaarheid
aanbeveling
Meer kans bij “content-based” filtering
Serendipitous volgens Van Dale:
“begiftigd met de gave omwaardevolleontdekkingentedoen”.

Aanbevelingssystemen: wat ? Hoe ? Waarom ?

11-09-2009
30

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
31

11-09-2009
32

11-09-2009
33
Exporteren naar bibliografische software

11-09-2009
34

Hoe het werkt
11-09-2009
35
Full text bij uitgever
Print holdings
Source
Link resolver
OpenURL met

Adres van linkresolver
ContextObject (metadata)

……..
CO’s
Logs met ContextObjects

11-09-2009
36

Voorbeeld van een zoeksessie
A
B
C

Relatiestussenartikels
SFX logbestand
[start session 1]
<Clickthrough 1>
<Clickthrough 2>
<Clickthrough 3>
<Clickthrough 4>
[End session 1]
……..
[start session n]
<Clickthrough 1>
…
[End session n]

Issues