Vorlesung Suchmaschinen

Transkript

1 Vorlesung Suchmaschinen Universität Augsburg Sommersemester 2015 Prof. Dr. Werner Kießling Institut für Informatik Lehrstuhl für Datenbanken und Informationssysteme Kap. 1-1

2 Klausur Termin: steht noch nicht fest Dauer: 90 Minuten Nur Papierunterlagen sind zugelassen (open book) Anmeldung bei STUDIS zwingend erforderlich! Näheres unter: /exams/ Kap. 1-2

3 Vorlesungsbetrieb Zwei Vorlesungen pro Woche im Hörsaal 2045 (N) Dienstag, 10:00 11:30 Uhr Donnerstag, 10:00 11:30 Uhr Folien der Vorlesung sind spätestens am jeweiligen Vorlesungstag im Internet verfügbar Benutzername und Passwort: rz-kennung Regelmäßig nach Aktuellem auf der Homepage schauen! Kap. 1-3

4 Übungen Übungsblätter werden jeweils freitags auf der Homepage veröffentlicht Es wird davon ausgegangen, dass die Blätter vor dem Übungstermin angesehen / bearbeitet werden Während der Übung: Erarbeitung der wichtigsten Aufgaben in Kleingruppen mit Tutoren Präsentation und Diskussion der erarbeiteten Ergebnisse am Smartboard Keine Punktevergabe, keine Zulassungsbedingung zur Klausur Kap. 1-4

5 Kontakt Prof. Dr. W. Kießling: Sprechstunde: Dienstag, 11:45-12:45 Florian Wenzel und Lena Rudenko {wenzel, Kap. 1-5

6 Gliederung 1 Einführung 2 Volltext-Suchmaschinen 3 Präferenz-Theorie 4 Preference SQL-System 5 Implementierung von Präferenz-Querysprachen 6 Top-k-Algorithmen 7 XML-Suchmaschinen 8 Softwareaspekte von SQL-Suchanwendungen Kap. 1-6

7 Übungsgruppen Gruppe Zeit DI, 12:15 13:45 Uhr DI, 15:45 17:15 Uhr MI, 12:15 13:45 Uhr FR, 10:00 11:30 Uhr Raum 2056 (N) 2056 (N) 2056 (N) 2056 (N) Kap. 1-7

8 Allgemeine Literatur Dirk Lewandowski (Hrsg.): Handbuch Internet-Suchmaschinen 2: Neue Entwicklungen in der Web Suche Akademische Verlagsgesellschaft AKA GmbH, Heidelberg, 2012; ISBN: Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze: Introduction to Information Retrieval, Cambridge University Press; 2008; ISBN: Marc Levene: An Introduction to Search Engines and Web Navigation, 2 nd Edition, Wiley, 2010; ISBN: Ricardo Baeza-Yates & Berthier Ribeiro-Neto: Modern Information Retrieval, 2nd Edition, New York, NY: ACM Press Books; 2010; ISBN: Kap. 1-8

9 1 Einführung 1.1 Unterschiedliche Suchverfahren 1.2 Überblick IR-Systeme 1.3 Überblick Web-Suche 1.4 Überblick Attribut-Suche 1.5 Überblick Multimedia-Suche 1.6 Überblick Soziale Netzwerke 1.7 Mobile Dienste 1.8 Metasuchmaschinen 1.9 Google Analytics 1.10 Zusammenfassung Quelle: I will use Google before asking dumb questions. Kap. 1-9

10 1.1 Unterschiedliche Suchverfahren Wichtigste Komponente für ein Such-System ist die Menge der Dokumente, Korpus genannt, und deren interne Struktur. Der Korpus kann unstrukturiert semi-strukturiert oder auch strukturiert sein. Korpus von Dokumenten Anfrage SuchSystem Ergebnis Kap. 1-10

11 Dokumente können sein: Artefakte (z.b. gescannte Bücher) Kataloge (z.b. Branchenbücher) Linksammlungen (Webkataloge) Videosammlungen (YouTube) Soziale Daten (z.b. Facebook) Dateien (z.b. Excel, PDF, Text, HTML, XML, ) Kap. 1-11

12 Beispiel: Suche nach Buch im Antiquariat 1.) Stöbern Struktur (Sachgebiet, Thema, Autor, ) v.v. Chaos Navigation, blinde Suche, glücklicher Zufall 2.) Dialog Zweck, Absicht, Ziel Fragen - Antworten Benutzer-Modellierung Hintergrundwissen Gezielte Suche Frage Antiquar Empfehlungen Relevanz? Kap. 1-12

13 Soziale Vernetzung Mit Hilfe von sozialen Vernetzungen (Freundes-, Kollegenkreis, ) kann ein Suchvorgang gleichzeitig von mehreren Teilnehmern ausgeführt werden. Für den Erfolg dieser Vorgehensweise ist wichtig: Hoher Vernetzungsgrad (Navigation), verteilter Korpus Gemeinsamer Code, klare Spezifikation Terminierung, Qualität und Quantität der Ergebnisse Anfrage Ergebnis Freundeskreis als Such-System Kap. 1-13

14 Beispiel: Wohnungssuche 1.) Suchanfrage über eigene soziale Netzwerke streuen und auf hohen Verbreitungsgrad hoffen. 2.) Gemeinsamer Code (Wohnungen und ihre Eigenschaften) 3.) Klare Spezifikation (Größe, Preis, Typ) 4.) Bewertung der Ergebnisse erfolgt auch nach weiteren (meist nicht vollständig kommunizierten) weichen Faktoren. 5) Meistens wird man unter den ersten k Rückmeldungen fündig (Top-k-Suche). Kap. 1-14

15 Eigenschaften von sozialen Netzen: Mitglieder von sozialen Netzen können sich ihrerseits auch wieder auf andere soziale Netze abstützen. Mitglieder von sozialen Netzen können aber auch automatische Suchsysteme, Spezialisten, Bibliotheken, zu Rate ziehen. Die Kommunikation (Aussage, Frage Antwort) erfolgt asynchron. Kap. 1-15

16 1.2 Überblick IR-Systeme Suche nach Information in Bibliothek Anfrage Relevanz? Korpus von Dokumenten IRSystem Gewichtete Dokumente Information Retrieval 1. Doc1 2. Doc2 3. Doc3 Kap. 1-16

17 Beispiel: Anfrage nach Veröffentlichung in Bibliothek OPAC der UB Augsburg: Kap. 1-17

18 Eigenschaften von OPAC: Korpus (Katalog) Suchmöglichkeiten: Autor, Schlagwort, Logische Verknüpfungen Trunkierungszeichen Freie Suche abgeschlossen, geringe Änderungsrate Attributsuche Boolesche Algebra Wildcards:?, * keine Volltextsuche dank Digitalisierung des Korpus Filter / Navigation: Suche eingrenzen BibTip Andere Benutzer fanden auch interessant Annotationen, sem. Kategorien Empfehlungen durch Analyse des Benutzerverhaltens Kap. 1-18

19 Exemplarische Trefferliste: Autor = Kießling, Navigationshilfen Kap. 1-19

20 Exemplarischer Treffer: Attribute digitalisierter Text(ausschnitt) Kap. 1-20

21 OPAC-Beispiele (Kardinalität der Ergebnismenge aus SS2010, SS2015): Freie Suche Preference und Algebra Leere Ergebnismenge (0, 0) Freie Suche Kießling Überflutung (283, 391) Attributsuche: Autor Kießling Relevanz (171, 202) Attributsuche: Autor Kie?ling Korrektheit (-, 29) A.-Suche: Autor Werner Kießling Relevanz (25, 31) Kießling, Kiessling automat. Graphemerweiterung Kap. 1-21

22 Digitalisierung von Buchbeständen: Volltextsuche Beispiele: Google Book Search Search Inside! von Amazon Rechtliche Probleme bei noch geschützten Werken: Urheberrechte Nutzungsrechte, Verwertungsrechte Kap. 1-22

23 Suche nach Information in Wikipedia Anfrage Relevanz? Autoren: Korpus von Dokumenten IRSystem Gewichtete Dokumente 1. Doc1 2. Doc2 3. Doc3 Kap. 1-23

24 Beispiel: Anfrage nach Artikel (Konzept) in Wikipedia Wikipedia Korpus (Online-Enzyklopädie) Suchmöglichkeiten: Artikel (Von A bis Z) Piktogramm Lupe Verlinkung Links auf diese Seite geschlossener Korpus bezogen auf offener und kleiner Autorenkreis im sozialem Netzwerk, Kollaboration [Bearbeiten], Konzeptsuche Volltextsuche, Syntax Semantisches Netzwerk Verweisstruktur (Backlinks) Kap. 1-24

25 1.3 Web-Suche Websuche-Technologie stammt ursprünglich von IR-Systemen. 1993: der erste Such-Roboter The Wanderer im WWW The Wanderer durchsuchte und katalogisierte von 1993 bis 1996 halbjährlich das zu dieser Zeit noch sehr übersichtliche Web. Im Juni 1993 gab es nur 130 Websites. 1995: erste Suchmaschinen von kommerziellen Firmen (Infoseek, Alta Vista, ) Kap. 1-25

26 1.3.1 Architektur Websuche Web Spider Anfrage Relevanz? Korpus von Dokumenten SuchSystem Gewichtete Dokumente Kap. 1-26

27 Im Unterschied zu einem IR-System, bei dem der Korpus eher geschlossen und statisch ist, wächst das Web kontinuierlich, und auch bereits erfasste Inhalte ändern sich. Der Korpus des Webs ist offen und dynamisch, deswegen werden zusätzliche Komponenten benötigt. Ein Spider (auch "Crawler" oder "Robot" genannt) bewegt sich durch das Verfolgen von Links selbständig durch den Datenbestand des Internets und ermittelt die Inhalte der Webseiten. Kap. 1-27

28 Verfeinerung Spider Spider: Web TODO: Liste von URLs Auswahl Laden Extraktion Füge URLs von Links hinzu Seite indizieren Kap. 1-28

29 Wichtigstes Merkmal neben der Anzahl der erfassten Seiten ist die Update-Rate, wodurch neuer oder geänderter Inhalt erfasst wird. Bei Google wird dies als Google Dance bezeichnet: Bis 2003 wurden die Suchindizes einmal monatlich neu berechnet. Inzwischen läuft der Update-Prozess kontinuierlich. Trotzdem gibt es Seiten, die nicht erfasst werden bzw. nicht erfasst sein wollen (Deep Web). Kap. 1-29

30 In den meisten Fällen ist man natürlich an einer Anmeldung interessiert: Google (Bekanntmachung für Spider per Beschreibung der eigenen Webstruktur z.b. durch Sitemaps Über das Robots Exclusion Protocol kann ausgeschlossen werden, dass Seiten vom Crawler besucht werden. Kap. 1-30

31 Um der großen Datenmenge Herr zu werden, extrahiert ein Merkmalsextraktor relevante Merkmale und Texte aus den gefundenen Webseiten. Durch die Merkmalsextraktion wird die Datenmenge bereits deutlich verkleinert (Korpus). Um die grammatikalische Komplexität (Flexion) zu reduzieren, werden Wörter durch Text-Operationen auf ihren Wortstamm zurückgeführt (Stemming). Einer der bekannteste Algorithmen ist der Porter-Stemmer. Zudem werden Füllwörter (Artikel, ) entfernt (Stopword removal), da sie oft nur grammatikalische Informationen tragen. Kap. 1-31

32 Um über die Suchbegriffe wieder auf die Originale zurück schließen zu können, verwaltet der Indexierer die extrahierten Merkmale und Texte der Dokumente und erlaubt den schnellen Zugriff auf die Originale über diese Merkmale und Texte. Dieser Suchindex wird als Invertierter File implementiert. Er hat die gleiche Funktion wie ein Schlagwortregister, das Schlagwörter denjenigen Buchseiten zuordnet, in denen das Schlagwort vorkommt. Beispiel: Di: Unter einem blauen Himmel trafen D j: Montags machen viele blau. Unter freiem Himmel ID Term Dokument : Position n blau i : 3, j : 4 n+1 Himmel i : 4, j : 7 Kap. 1-32

33 Verfeinerung Websuche Anfrage SuchSystem: Text-Operationen Logische Sicht Reformulierung AnfrageOperationen Suche Bewertete Dokumente Bewertung Spider Indexierung DatenbankManager Invertierter File Index Ergebnismenge Dokument DB Kap. 1-33

34 1.3.2 Navigationsanfragen im Web Beispiel: Navigation per Links Ziel: Ich will mich über Vorlesungen des Lehrstuhls für Datenbanksysteme informieren. Einstieg per URL Ergebnis: Durch die Linkstruktur in HTML werden die Lehrstühle thematisch so strukturiert, dass die Informationsbedürfnisse der Leser (hoffentlich vollständig) erfüllt werden. Der Leser erschließt nach den eigenen Bedürfnissen die Struktur der Webseite per Navigation. Hypertext, HTTP, (X)HTML, serverseitiges Skripting (Java, Servlet, Python, PHP, ), clientseitiges Skripting (JavaScript, Applet, AJAX) Kap. 1-34

35 Beispiel: Semantikunterstützte Navigation in a priori definierten Kategorien per Hierarchischer Suche Ziel: Ich will mich mal grob um eine Urlaubsreise im Sommer kümmern. Einstieg per Portal: Yahoo (Yet Another Hierarchical Officious Oracle): Vordefinierte Hierarchien zur Navigation, z.b. Regional Countries Germany States Baveria Cities Begrenzte Auswahl an Ergebnissen da von Menschen erstellt & verwaltet DMOZ (open directory project): - ähnlich zu Yahoo, z.b. Regional Europe Germany States Baveria Localities Kap. 1-35

36 Ergebnis: Exploratives Suchen in Kategorien keine einheitlichen Kategorien und Relationen für die Semantik einer Applikation Anzahl der in einer Kategorie gesammelten Konzepte ist angegeben Hierarchische Suche wird immer mehr durch Volltextsuche verdrängt. Hierarchische Suche, die einen Bezug zu geographischen Inhalten hat, wird durch Oberflächenelemente wie interaktive Maps versteckt. Kap. 1-36

37 1.3.3 Suchanfragen im Web Korpus (WWW): Offen Dynamisch, indizierter Inhalt ändert sich! Unentdeckte Kontinente (Deep Web) Suchmöglichkeiten: Stichwörter für Volltextsuche Erweiterte Suche: (z.b. Google) Logische Verknüpfungen Wildcard-Suche Zahlenbereiche Ortsspezifische Suche per Domain-Einschränkung Leere Ergebnismenge, Überflutung, Relevanz Kap. 1-37

38 Zipfsches Gesetz Welche Suchbegriffe muss man wählen, um mit ihnen relevante Quellen zu finden? Ein Hinweis gibt das Zipfsche Gesetz: Der Rang i eines Wortes ist indirekt proportional zu seiner rel. Häufigkeit: Freq(Worti) = i-θ x Freq(Wort1), wobei 1,5 < ϴ < 2 für die meisten Sprachen gilt (Potenzverteilung). Beispiel: Für ϴ = 1 besitzt das 2. häufigste Wort eine Freq(Worti) Häufigkeit von 1/2 des häufigsten Wortes. I II III Rang i Zone I: Sehr häufige Wörter sind meist funktionale Wörter (der, die, und, ). Zone II: Mittelhäufige Wörter erschließen einen Text am besten. Zone III: Seltene Wörter sind häufig Tippfehler oder zu spezifische Wörter (Ranb, Freq., Hornussen, ). Kap. 1-38

39 Folgerungen aus dem Zipfschen Gesetz: Positiv: Füllwörter machen einen großen Anteil von Texten aus. Die Eliminierung von Füllwörtern hat keinen Einfluss auf das Retrieval, erspart jedoch Speicher. Negativ: Für die meisten Wörter ist eine signifikante statistische Analyse (z.b. Korrelationsanalyse) schwer zu erzielen, da die Wörter in einem Korpus zu selten auftreten. Beispiel: Sprachabhängige Worthäufigkeiten, englische Worthäufigkeiten Kap. 1-39

40 Beispiel: Verknüpfte Stichwortsuche Welche Zulassungsbedingungen müssen eingehalten werden, um an der Klausur in Datenbanksysteme I teilnehmen zu dürfen? Wunschseite: Suche mit Google Ergebnisse aus SS15: Von den Treffern finden sich auf Position 1 und 2 Dokumente des Lehrstuhls. Ein Ortsbezug wird automatisch hergestellt. Das gewünschte Dokument fehlt. Fehlende Relevanz Kap. 1-40

41 1. Änderung: Domänenbezug erzwingen durch Domain-Einschränkung auf Suche mit Google Ergebnis: Die beiden zuvor gefunden Dokumente mit Bezug zum Lehrstuhl werden nicht mehr gefunden, da sie aus Subdomains der Uni Augsburg stammen. SS15: keine Treffer Kap. 1-41

42 3. Änderung: ganz genauen Domänenbezug hinzunehmen Suche mit Google Ergebnisse aus SS15: Es werden durch die Domain-Einschränkung 8 Treffer angeboten. Der 2. Treffer bietet zwar das Klausurdatum korrekt an, aber nicht die Zulassungsbedingungen. Es ist keine einfache Navigation möglich. Nur der 4. Treffer beinhaltet die von uns gewünschten Informationen. Relevanz Kap. 1-42

43 Stand der Dinge: Iteratives Vorgehen (Suche im Heuhaufen geeignetere (!) Stichwörter, Filterfunktionen der Suchmaschine wie z.b. Domain) Solange keine Zufriedenheit mit dem Suchergebnis besteht, 1. Abfrage(re)formulierung, 2. [Selektion], 3. [Navigation]. Kap. 1-43

44 Bei der Stichwortsuche ist ein häufiges Phänomen eine leere Ergebnismenge (empty result set) bzw. als Alternative eine Überflutung (flooding effect) durch meist irrelevante Dokumente. Beide Phänomene erschweren, dass Benutzer relevante Treffer entdecken können. Um die Relevanz der Treffer zu erhöhen, bieten sich Modelle an, die semantische Zusatzinformationen bei der Suche bzw. Navigation ins Spiel bringen: Stichwortsuche mit Unterstützung von in Beziehung stehenden semantischen Kategorien (Semantische Netzwerke, Ontologien, Taxonomien) Attributsuche (Schemata) Präferenzen (Benutzermodelle) Kap. 1-44

45 Beispiel: Stichwortsuche nach mehrdeutigem Wort Saturn in verschiedenen Suchräumen Korpus Treffer (SS07) (SS15) 1. Web, Suche mit Google 2a. Gesamtverzeichnis, Suche mit Google 2b. Verzeichnis Wissenschaft, Suche mit Google : Semantische Suche abgeschaltet : Semantische Suche abgeschaltet Ergebnis: Die Suche in Kategorien erhöhte die Relevanz der Treffer, da irreführende Synonyme ausgeschlossen sind. Das Erstellen von Kategorien sowie die Zuordnung von Dokumenten zu Kategorien erfordert jedoch redaktionellen Zusatzaufwand bzw. gemeinschaftliches Indexieren (social tagging, folksonomy). Kap. 1-45

46 Stichwortsuche mit semantisch richtigen, aber nicht im Korpus verwendeten Stichwörtern Beispiele (Ergebnisse aus SS15): Suche Zahnarzt ( ) / Dentist ( ) in Augsburg? Suche Zahnarzt OR Dentist ( ) in Augsburg? Synonymsuche z.b. ~Dentist in Augsburg bei Google ( )? Ergebnis: Die Suche erfolgt nur anhand von Wörtern nicht Konzepten. Stichworterweiterung aus Synonymwörterbücher, VerODERung mit Synonymen oder themenrelevante Vorschläge Kap. 1-46

47 Beispiele: Stichwortsuche mit Unterstützung durch semantisches / linguistisches Wissen Beispiele: Suche nach Alfons Huhn als Bild bei Flickr Bis 2013 alternative Vorschläge nach leerer Ergebnismenge wie chicken, 2015 leere Ergebnismenge Suche nach Information Retrieval bei Ask.com Bis 2013 Möglichkeit von semantischen Anfrageerweiterungen bzw. Anfrageeinengungen (wissensbasiert), 2015 statistikbasierte Termerweiterungen Ergebnis: Semantisches / linguistisches Wissen wird durch statistikbasiertes Wissen ersetzt. Kap. 1-47

48 Beispiel: Volltextsuche und Plagiarismus Welchen Autoren lässt sich der Text "Let us exemplify the unsatisfying state of the art" zuschreiben? Suche mit Google Ergebnis: Textstellen, insbesondere Zitate, lassen sich hervorragend mit Volltextsuche überprüfen. Ergebnisse 1-1 von ungefähr 1 für "Let us exemplify the unsatisfying state of the art". (0,27 Sekunden, SS2007) SS2015: 4 URLs der gleichen Quelle Kap. 1-48

49 1.4 Überblick Attribut-Suche Voraussetzung für eine Attribut-Suche sind strukturierte Daten. Diese werden im Normalfall durch Schemata beschrieben. Standardmäßig kommt eine Datenbank im Backend zum Einsatz: Im Unterschied zur Stichwortsuche ist bei einer Attributsuche ein exaktes Daten-Retrieval möglich. Web-Applikationen verstecken das Datenmodell, die dazu gehörenden Schemata und die Ablauflogik. Eingabefelder erlauben die Selektion und Projektion der gewünschten Daten. Beispiel: Reiseauskunft bei der DB Kap. 1-49

50 Bei der Attributsuche mit exakten Treffern (exact match) treten die bekannten Phänomene auf: Leere Ergebnismenge (empty result set) Überflutung (flooding effect) Eine Bewertung (ranking) ist nicht möglich. Viele Datenbanksysteme kombinieren die Attribut- mit der Volltextsuche wie z.b. Oracle Text von Oracle. Kap. 1-50

51 Bemerkung (Warnung): Webseiten, die dynamisch durch Attributsuche generiert werden, können nicht indiziert werden, da der Spider sonst alle möglichen Eingabe-Kombinationen ausprobieren müsste ( Deep Web). Die Ergebnisse von Fachdatenbanken mit einem Web-Frontend liegen aus dem gleichen Grund im Deep Web trotz einer guten Ergebnisqualität. Die Stichwortsuche kann in diesen Fällen also nur dazu benutzt werden, geeignete Fachportale zu finden. I will use Google before asking dumb questions. Kap. 1-51

52 Beispiel: Elektronischer Handel (E-Commerce) B2C (Business-to-Consumer) EcommerceSystem Anfrage Relevanz? Kauf! Gewichtete Waren DB 1. Ware1 Kauf! 2. Ware2 Kauf! 3. Ware3 Kauf! Kap. 1-52

53 Beispiel 1: Mieten einer Wohnung Online-Immobilienmakler Korpus (Immobilienbestand) Suchmöglichkeiten: Reiter, Überschriften Suchfenster Hintergrundwissen abgeschlossen, rel. geringe Änderungsrate Kategorien, Navigation Attributsuche, hierarchische Suche Geographisches Informationssystem (GIS) Beispiel: Wohnen, Augsburg, Mietwohnungen (SS07) Salomon-Idler, Umkreis Automat. Erweiterung um Univiertel, ab SS08: Radius (SS15) #Zimmer, Fläche, Preis Leeres Ergebnis bei zu geringem Preis Parametrische Suche (Synonym Facettensuche) Kap. 1-53

54 Seit SS Vorschläge für Autovervollständigung (z.b. STARTS WITH Augs ) der Benutzereingabe auf mehreren geographischen Konzeptebenen: - Orte, Kreise, Bezirke und Gemeinden, Straßen Parallele, konzeptspezifische Suche mit Beschränkung der konzeptspezifischen Ergebnismenge durch Ranking mit LIMIT=5 wegen beschränkter Fenstergröße des Auswahlfensters Kap. 1-54

55 Seit SS2013 Ziel: Vermeidung der leeren Ergebnismenge! Zulässige Vergleichsoperatoren sind nur und. Dynamische Anzeige der Trefferanzahl in Abhängigkeit von jedem Parameter Frühere attributbasierte Suche ist ersetzt durch Parametrische Suche mit 4 Attributen, wobei WO und WAS für den Anwender als Prefilter wirken. Kap. 1-55

56 SS2014 Ziel: Vermeidung der leeren Ergebnismenge! Großzügige semantische Auslegung von Mietwohnung nach Eingabe Preis 200 EUR, #Zimmer: egal, ab 20m2, Radius: 10km Kap. 1-56

57 Suche anpassen: Anzeige aller vorhandenen Parameter Kap. 1-57

58 Beobachtung: In Abhängigkeit vom Datenbestand und der Anfrage können bei der Attribut-Suche zwei Phänomene auftauchen: Leere Ergebnismenge (empty result set) Viel zu große Ergebnismenge (flooding effect) Mit Hilfe der Parametrischen Suche wird der Einfluss von Attributen auf die Größe der Ergebnismenge visualisiert und damit dem Benutzer ein Feedback auf seine Aktionen gegeben. Kap. 1-58

59 Parametrische Suche Beispiel 2: Auswahl von Elektronikware Preisvergleich (z.b. Fernseher) bei Idealo Ergebnis: Nach einem hierarchischen Suchvorgang gelangt man zu einer Startseite für eine parametrische Suche. Bei einer parametrischen Suche wird durch die Benutzerauswahl eines Attributwertes die Ergebnismenge eingeschränkt. Die Ergebnismenge kann dann durch Auswahl weiterer Attributwerte iterativ eingeschränkt werden, dabei kann auch eine leere Ergebnismenge auftreten. Durch Rücknahme von Einschränkungen kann sich die Ergebnismenge wieder vergrößern. Die Kardinalität der Ergebnismenge der momentanen Selektion ist (meistens) angegeben. Die Vorgehensweise entspricht einer iterativen Navigation bezüglich der Attribute des Suchraums. Kap. 1-59

60 1.5 Übersicht Multimedia-Suche Suche in Multimediabeständen bestehend aus Bildern, Audios, Videos. Multimediasuche findet meist in textuell erschlossenen Beständen ab. Die Erschließung findet in sozialen Netzwerken durch Annotierungen (Tagging) mit Hilfe eines offenen Vokabulars statt. Für die professionelle Annotierung existieren z.b. spezifische XMLSprachen wie MPEG-7 (siehe Schema). Beispiele: Videos mit den Annotierungen Clinton 1984 YouTube Yahoo Kap. 1-60

61 Praktisches Beispiel: Google Bildersuche Suche Bild aus tz aus der Wochenendausgabe vom 11./ : Kap. 1-61

62 Aus dem Zeitungsartikel, in dem das Bild eingebettet ist (Erschließung über Umgebungstext), kann der Leser folgende Stichwörter entnehmen: 1. Versuch: saturn, ring, earth, cassini (SS07: , seit SS13: Anzahl wird nicht mehr angezeigt.) 2. Versuch: saturn, eclipse, , cassini (SS07: 215, seit SS13: Anzahl wird nicht mehr angezeigt.) Aus der Ergebnismenge von Google-Bildsuche kann bislang nur durch (menschliche) Analyse das gesuchte Bild und seine Quelle gefunden werden. Quelle: Kap. 1-62

63 Die Suche nach ähnlichen Bildern in einem Bildarchiv bzw. die BildAnnotierung und Suche ausgehend von einem Vergleichsbild ist im Allgemeinen ein kaum zu lösendes Problem. Für stark eingeschränkte Anwendungsdomänen wie z.b. Gesichtserkennung werden Lösungen angeboten. Beispiele: Polar Rose, 2010 gekauft von Apple, bzw. Gesichtserkennung bei Facebook abgeschlossenes Lehrstuhlprojekt: Heron Bildsuchekriterien: z.b. Farbhistogramm (blau/weiß) Textur (Hermelinfell) Kap. 1-63

64 1.6 Übersicht Soziale Netzwerke Suche nach Information in sozialen Netzwerken Korpus von Dokumenten Anfrage, Blogstart Relevanz? IRSystem Editierte Dokumente (Blog) 1. Doc1 2. Doc2 3. Doc3... Gewichtete Dokumente Kap. 1-64

65 Suchfunktionalität: Synchrone Suche: Dokumente einer Benutzergruppe (auch Profile) Dokumente mit expliziter Schlagwortzuordnung (z.b. Multimedia) IR-System als Kernkomponente Asynchrone Suche: Anfrage / Nachricht an das soziale Netzwerk Asynchrone Ergebnisse der Anfrage werden gesammelt und liegen als Dokumente für eine Verarbeitung bereit. Kap. 1-65

66 Soziale Netzwerke als Massenphänomen: Allein Facebook hat weltweit etwa 890 Millionen täglich aktive und 1,39 Milliarden monatlich aktive Nutzer (4. Quartal 2014). Quelle: Kap. 1-66

67 Eigenschaften: Soziale Netze erweitern die Web-Suche um soziale Kontakte bzw. persönliche Kontakte um eine technische Komponente zur Virtualisierung der Beziehungen. Soziale Kontakte sind in Gruppen gegliedert, die gemeinsame Interessen teilen und darüber kommunizieren. Eine Mitgliedschaft in mehreren Gruppen ist möglich. Ein wichtiges Merkmal sind die durch Menschen generierten Beschreibungen (Annotationen, Tagging) von eigentlich nur maschinenlesbaren Formaten. Kap. 1-67

68 Meinungsmacher (soziale Multiplikatoren) sind Knoten mit einem hohen Verknotungsgrad. Kommunikation wird oft über Beziehungsstruktur gestreut per Push-Strategie. Persönliches Profil Vielfach Multimediadaten Datenschutz (oft nur privat bzw. öffentlich) Social Bots als Datendiebe Kap. 1-68

69 Beispiele Freundeskreis: Facebook Gegründet 2004 (Marc Zuckerberg, Student in Harvard) ½ Milliarde USD Venture Capital Etwa 1.39 Milliarden Nutzer im Dezember 2014, Benutzerstatistiken 2012 Übernahme des Foto-Sharing-Dienstes Instagram 2014 Übername des Messanger-Dienstes WhatsApp 2014 Übername des VR-Anbieters Oculus Rift (Quelle: Wikipedia) Kap. 1-69

70 Profilangaben Allgemeines Interessen Kontakt Ausbildung / Beruf Wohnorte Familie Kap. 1-70

71 Auswahl von Interessen aus Kandidaten Sport Filme TV-Serien Musik Bücher Likes Kap. 1-71

72 Geschäftskontakte: Xing Gegründet 2003, seit 2006 an der deutschen Börse Zielgruppe Berufstätige und Firmen Hubert Burda Medien seit 2009 Hauptaktionär Leistungsdaten: Diskussionsforen (Okt. 2011)*, Organisation von Events (2010)* *Quelle: Wikipedia Kap. 1-72

73 Anmeldeformular: Beispielprofil Kap. 1-73

74 Nachrichtenaustausch: Twitter Gegründet 2006 als kleines Internet Startup. Öffentlich einsehbares Tagebuch im Internet, welches weltweit auch per Mobiltelefon geführt werden kann. Angemeldete Benutzer können eigene Textnachrichten mit maximal 140 Zeichen eingeben und an andere Benutzern senden. Einsatz besonders für schnelle Nachrichtenverbreitung (z.b. Notwasserung von US-Airways-Flug 1549, Amoklauf von Winnenden, Nutzung in der Politik für Wahlkampf Obama, Twitter Revolution zur Organisation von Revolutionen) Suchmaschinen für Tweets: z.b. Topsy, Jobsuchmaschine Kap. 1-74

75 1.7 Mobile Dienste Anstelle der Domain-Einschränkung ist bei mobilen Geräten durch GPS ein alternativer Ortsbezug möglich: Ortung von (mobilen) Freunden / Diensten in einer Landkarte (z.b. Google Latitude, Yahoo Fire Eagle bereits 2013 eingestellt, jedoch Integration in Android, Google+) Informationen (z.b. Einkaufsmöglichkeiten) - als Beschreibungen von Situationen - verlieren an Wert, wenn sie auf Grund der räumlich / zeitlichen Distanz nicht in Aktivitäten (z.b. Einkaufen) umgesetzt werden können. Ziel: ortsspezifische bzw. zeitrelevante Informationen auf kleinen, mobilen Geräten (iphone, Android) Kap. 1-75

76 Beispiel: Bergwanderung 1.) Tourenwahl Kap. 1-76

77 2.) Ortsspezifische Online- Suche nach Points of Interest (POI) anhand von Kategorien Kap. 1-77

78 3.) Festlegung der Sportart Kap. 1-78

79 4.) Tourenvorschläge Kap. 1-79

80 5.) Route der gewählten Tour mit POIs (Points of Interest) Kap. 1-80

81 6.) Beschreibung der gewählten Tour Kap. 1-81

82 1.8 Metasuchmaschinen Metasuchmaschinen lassen Suchbegriffe von mehreren Suchmaschinen gleichzeitig suchen. Dabei ergeben sich zusätzliche Anforderungen: Terminierung jeder Suchmaschine Fusion der Ergebnisse und Bewertungen der einzelnen Suchmaschinen Andrerseits entfällt das Crawling und die Indexierung, da die Metasuchmaschine sich auf existierende Suchmaschinen abstützt. Beispiele: Dogpile, Zoo, Kap. 1-82

83 1.9 Google Analytics Google Analytics ist ein kostenloser Dienst, der zur Analyse des Datenverkehrs auf Webseiten dient. Gibt dem Betreiber der Web-Seite Feedback, wie sie die Seite gefunden haben (Einstiege) wie lange seine Besucher auf einzelnen Seiten verweilen zu welchen fremden Seiten sie navigieren (Ausstiege) Ermöglicht daher eine gute Beurteilung von Landing-Pages, Werbekampagnen, Social Media Kampagnen, etc. Ist unter Gesichtspunkten des Datenschutzes stark umstritten. Kap. 1-83

84 Google Analytics - Technik Einbindung des Skripts ga.js auf jeder zu trackenden Web-Seite: <script src=' type='text/javascript'></script> <script type="text/javascript">! try{ var pagetracker = _gat._gettracker("ua-xxxxxx-x"); pagetracker._trackpageview();} eindeutige catch(err) {} </script> Tracking-ID Der Tracking-Code setzt zusätzlich Cookies, um wiederkehrende Benutzer zu identifizieren. Der Java Script-Code wird (seit 2009) asynchron ausgeführt, um die Performance beim Laden der Seite nicht zu beeinträchtigen. Kap. 1-84

85 Google Analytics - Analysen Detaillierte Analysen, wie (Eindeutige) Seitenzugriffe (keine Spider, etc.) Absprungrate Ausstiege Graphisch ansprechend aufbereitet: Verschiedene Aggregationen möglich (einzelne Unterverzeichnisse, ganzes Web-Angebot) Kap. 1-85

86 Google Analytics Datenschutz Es ist unklar, was Google mit den gewonnenen Daten intern macht. Die Nutzung der IP-Adresse (z. B. zur Lokalisation) ist in Deutschland rechtlich unzulässig. Nutzung von GA auf den Web-Seiten von Behörden, Universitäten ist in der Regel in Deutschland nicht zulässig. Vgl. Datenschutzerklärung der Universität Augsburg: Auswertung der [protokollierten] Daten erfolgt nicht. Einfache Abhilfe, um Tracking über Besuche an verschiedenen Tagen zu vermeiden: Browser so einstellen, das Cookies beim Beenden des Browsers gelöscht werden. Kap. 1-86

87 Google Analytics Aufspüren und deaktivieren Mit Ghostery steht ein kostenloses Firefox Plug-In zur Verfügung, welches viele Tracker wie Google Analytics erkennen und deaktivieren kann Beispielsweise werden auf der Nachrichtenseite Zeit online 11 Tracker gefunden Diese lassen sich einzeln deaktivieren, sowie weitere Informationen darüber abrufen Die Anbieter sind sowohl Werbeanbieter wie DoubleClick (Tochterunternehmen von Google) und viele andere Anbieter, die Interesse am Surfverhalten der Besucher haben Kap. 1-87

88 1.10 Zusammenfassung Benutzersicht User-Interface: - Input: Suchanfrage (Suchmaske; Verknüpfungen; Kategorien als Filter) Attributsuche; Volltextsuche; - Output: nach Relevanz geordnete Suchergebnisse Benutzerverhalten Navigieren (surfing) Deklaratives Suchen (searching) Iterativ, Mischformen Kap. 1-88