3 Prinzipien des Information Retrieval

Transkript

1 3 Prinzipien des Information Retrieval Einführung Information-Retrieval-Modelle Relevance Feedback Bewertung von Retrieval-Systemen Nutzerprofile Literaturempfehlungen

2 Information Retrieval notwendig zur Suche von Multimedia- Objekten in Datenbanken z.b. Bild mit Flusslandschaft Besonderheit: Verwaltung von Daten anhand ihrer Interpretation Suche von relevanten Dokumenten Information Retrieval versus Daten Retrieval Informations-Retrieval-System (IRS)

3 3.1 Einführung Zugriff auf Daten 2 Varianten: 1. Datenbankabfragen anhand exakt formulierter Bedingungen SELECT isbn FROM Buch WHERE Titel = Multimedia-Datenbanken. 2. unscharfe Formulierung in IRS Finde alle Text-Dokumente, die sich mit dem Thema Multimedia-Datenbank beschäftigen.

4 Historische Entwicklung von Information-Retrieval-Systemen Einsatz in Bibliotheken seit 70er Jahren Stärke bei Verwaltung schwachstrukturierter Daten, etwa Text-Dokumente aufgrund Datenflut: Problem des Findens geeigneter Informationen Internet-Suchmaschinen

5 Suche auf Medien-Objekten und Dokumenten Grundproblem: Inhalt von Dokumenten und Medien-Objekten oft nur schwer anhand Datenbankschema strukturier- und erschließbar Lösungsansatz: Ähnlichkeitssuche mittels IR-Techniken

6 Formulierung eines Suchbedarfs Formulierung eines Suchbedarfs... - als Dokument (Ähnlichkeitssuche oder query by example) - Liefere alle Text-Dokumente, die ähnlich zum Text-Dokument #0815 sind - Liefere alle Text-Dokumente die ähnlich zum Dokument Urlaub Sommer Mittelmeer sind

7 Formulierung eines Suchbedarfs (2) Formulierung eines Suchbedarfs... - als Anfrage (Eingrenzung durch Bedingung) Datenbank and (Bild or Video) Im Folgenden umfasst der Begriff Anfrage beide Varianten

8 Daten versus Information Retrieval Information Retrieval (außer Boole'sches Retrieval) Daten sind unstrukturiert Implizit formulierte Information (erfordert Interpretation)

9 Daten versus Information Retrieval (2) Suche nach Dokumenten, die ausreichend wahrscheinlich relevant bzgl. Anfrage sind Beispiel: Suche von Text-Dokumenten anhand Text Toleranz bzgl. Fehler bei Anfrageformulierung

10 Daten versus Information Retrieval (3) auch irrelevante Ergebnisse möglich Anfrage-Iteration oft hilfreich Ergebnisreihenfolge ist wesentlich Einschränkung der Ergebnisgröße durch Schwellwert oder Ergebnisanzahl

11 Daten versus Information Retrieval (4)

12 Schritte des IR-Prozesses NB: kein direkter Vergleich zwischen Anfrage und Dokumenten 1. Überführung Anfrage und Dokumente in interne Darstellung Extraktion von Daten, welche Semantik der Dokumente beschreiben relevante Informationen explizit und kompakt z.b.: Zusammenfassungen von Texten

13 Schritte des IR-Prozesses (2) 2. Vergleich der internen Darstellung durch Ähnlichkeitsfunktion numerischer Relevanzwert drückt Ähnlichkeit aus häufig Distanzfunktion (das ist eine Unähnlichkeitsfunktion)

14 Schritte des IR-Prozesses (3) 3.Ergebnis Dokumente mit höchsten Relevanzwerten absteigend sortiert Einschränkung der Ergebnisliste durch Schwellwert bzw. Ergebnisanzahl

15 Schritte des IR-Prozesses (4) 4. Relevanzbewertung und Feedback, wenn Ergebnis nicht zufriedenstellend Anfrage-Iteration Modifikation der Anfrage Modifikation der internen Darstellung

16 Schritte des IR-Prozesses (5)

17 Modifikation der Anfrage: Beispiel Anfrage Finde alle Text-Dokumente, die sich mit dem Thema Multimedia-Datenbanken beschäftigen.

18 Modifikation der Anfrage: Beispiel (2) Verfeinerung: Finde alle Text-Dokumente, die sich mit dem Thema Bild-Datenbanken beschäftigen.

19 Modifikation der Anfrage: Beispiel (3) Verallgemeinerung: Finde alle Text-Dokumente, die sich mit dem Thema Datenbanken beschäftigen

20 Relevanz-Feedback automatische Anfragemodifikation Nutzer bewertet Ergebnisdokumente bzgl. Relevanz zur Anfrage System nutzt Bewertungen zur automatischen Anfragemodifikation Anfrage-Iteration

21 Extraktionsverfahren Extraktionsverfahren erzeugen interne, kompakte Dokumentdarstellung Verfahren abhängig: vom Typ des Dokuments z.b. Text-Dokument versus Audio-Dokument von der Art beabsichtigter Anfragen in Bild-DB: Ähnlichkeitssuche über Farbverteilung versus über Textur

22 3.2 Information-Retrieval- Modelle IR-Modell definiert interne Dokumentdarstellung, Anfrageformulierung und interne Anfragedarstellung, Vergleichsfunktion zwischen jeweils zwei Dokumenten beziehungsweise zwischen Anfrage und jeweils einem Dokument.

23 Text-Retrieval Modelle ursprünglich fur Text-Retrieval Existenz einer vordefinierten Menge von Indextermen (Indexierungsvokabular) Darstellung eines Dokumentes uber auftretende Indexterme verschiedene Arten von Termgewichten Modelle lassen sich auch auf andere Medien- Typen anwenden

24 Traditionelle Information- Retrieval-Modelle 1.Boole'sches Modell 2.Fuzzy-Modell 3.Vektorraummodell

25 Boole'sches Modell basiert auf Mengentheorie und Boole'scher Algebra sehr einfaches Modell mit klarer Semantik Dokumente als Mengen von Indextermen Termgewichte sind binär: im Dokument enthalten oder nicht enthalten Test auf Enthaltensein als Vergleichsfunktion

26 Boole'sches Modell (2) Verknüpfung von Enthaltenseinsbedingungen mittels Boole'scher Junktoren and (Mengendurchschnitt) or (Mengenvereinigung) not (Mengendifferenz)

27 Boole'sches Modell: Beispiel Indexvokabular {Korsika, Sardinien, Strand, Ferienwohnung, Gebirge} Dokument d1:{sardinien, Strand, Ferienwohnung} Dokument d2:{korsika, Strand, Ferienwohnung} Dokument d3:{korsika, Gebirge}

28 Anfrage Boole'sches Modell: Beispiel (2) Korsika liefert {d2, d3} Ferienwohnung liefert {d1, d2} Ferienwohnung and Korsika liefert {d2} Ferienwohnung or Korsika liefert {d1, d2, d3} Ferienwohnung and not Korsika liefert {d1}

29 Boole'sches Modell: Beispiel (3)

30 but-junktor Anfrage: not Korsika liefert alle Dokumente, die Korsika nicht enthalten, u.u. die ganze Dokumentkollektion statt dessen Verwendung but-junktor (entspricht and not, also Komplement bzgl. Vorauswahl) Beispiel: Ferienwohnung but Korsika

31 of-konstrukt Suche nach Dokumenten, die m von n (m<n) Termen enthalten 2 of (Korsika, Stand, Ferienwohnung) ersetzt komplexen Boole'schen Ausdruck (Korsika and Strand) or (Korsika and Ferienwohnung) or (Strand and Ferienwohnung)

32 Anfragenormalisierung in DNF bzw. KNF Anfrage: Ferienwohnung and ((Sardinien and Strand) or Korsika) in disjunktiver Normalform (DNF): (Ferienwohnung and Sardinien and Strand) or (Ferienwohnung and Korsika) in konjunktiver Normalform (KNF): Ferienwohnung and (Sardinien or Korsika) and (Strand or Korsika)

33 Anfrageauswertung jeder Term liefert Menge von Dokumenten, die diesen Term enthalten komplexe Anfrage: Kombination der Dokumentenmengen durch entsprechende Mengenoperationen kleine Zwischenergebnisse durch DNF (zuerst Durchschnitt, dann Vereinigung)

34 Nachteile des Boole'schen Modells exaktes Modell aufgrund binärer Gewichte eher Daten-Retrieval keine Ähnlichkeitssuche durch zu scharfe suche Größe des Ergebnisses alle Dokumente sind bzgl. Anfrage gleichrangig Präsentation der gesamten Ergebnismenge Ergebnismenge in Abhängigkeit von Anfrage oft zu groß oder zu klein bzw. leer

35 Nachteile des Boole'schen Modells (2) Boole'sche Junktoren schwierige Anwendung Boole'scher Junktoren Verwechslung mit und, oder und nicht Impliziter weiterer Gegensatz: IR wird stärker von Laien benutzt als SQL

36 Milderung Problem exaktes Modell verschiedene Stufen der Relevanz durch Überführung Konjunktion in Disjunktion Präsentation der Ergebnisse sortiert nach Relevanzstufen Beispiel: Umwandlung von Korsika and Strand Korsika or Strand Ergebnis: zuerst die and-({d2}), dann restliche or-dokumente ({d1, d3})

37 Milderung Problem Größe des Ergebnisses faceted query zweistufiges Suchverfahren 1.Formulierung und Verfeinerung der Anfrage anhand benannter Anfragen und Ergebnisabzahl 2.Ergebnis zur finalen Anfrage anzeigen

38 Milderung Problem Größe des Ergebnisses (2) Beispiel: 1 Korsika liefert Q1: Q1 and Strand liefert Q2: 13 2 Anzeige Q2 liefert die 13 Ergebnisdokumente

39 Beispiel Problem Boole'sche Junktoren Anwender sucht Dokumente über Korsika und Dokumente über Sardinien falsche d.h. nicht intendierte Anfrage: Korsika and Sardinien liefert Dokumente, in denen beide Terme gemeinsam auftreten richtige bzw. intendierte Anfrage: Korsika or Sardinien

40 Milderung Problem Boole'sche Junktoren Verwendung besserer Junktorenbegriffe, etwa Ersetzen von and durch all or durch any

41 Fuzzy-Modell Erweiterung des Boole'schen Modells um Unschärfe (fuzzy) Verallgemeinerung Boole'scher Junktoren Unschärfe durch graduelle Zugehörigkeit von Dokumenten zu Termen

42 Fuzzy-Mengen beim Information Retrieval Universum ist Menge aller gespeicherten Dokumente Term definiert Fuzzy-Menge Zugehörigkeit (Fuzzy-Wert) des Dokuments d zu Term t durch Wert 0 für keine Relevanz 1 für maximale Relevanz Wert zwischen 0 und 1 für graduelle Relevanz

43 Beispiel Universum umfasst 3 Dokumente {d1, d2, d3} Fuzzy-Mengen Korsika bzw. Strand drücken Zugehörigkeit zu Term Korsika bzw. Strand aus

44 Fuzzy-Junktoren jedes Dokument in jeder Fuzzy-Menge übliche Mengenoperationen nicht anwendbar Junktoren ermitteln neue Zugehörigkeitswerte and durch Min-Funktion or durch Max-Funktion

45 Fuzzy-Junktoren (2) not durch Subtraktion von 1:

46 Beispiel 1.Korsika and Strand 2.Korsika or Strand 3.not Korsika

47 Fuzzy-Anfragen und Anfragebearbeitung 1.Überführung Anfrage in disjunktive Normalform 2.jeder Suchterm induziert eine Fuzzy-Menge 3.Anwendung entsprechender Fuzzy- Operationen auf Fuzzy-Mengen 4.Ergebnis: Dokumente absteigend sortiert nach Zugehörigkeitsgrad ausgeben

48 Begrenzung Fuzzy- Ähnlichkeitsanfrage Ergebnis umfasst alle Dokumente des Universums Begrenzung der Anzahl durch Schwellwerte für Zugehörigkeitswerte vorgegebene Anzahl von Ergebnisdokumenten

49 Begrenzung Fuzzy- Ähnlichkeitsanfrage (2) Beispiel: Korsika and Strand Schwellwert 0,5 liefert Anzahl 2 liefert d3 d2, d3

50 Zugehörigkeitswert Dokument zu Term viele Möglichkeiten Beispiel: Ansatz von Ogawa, Morita, Kobayashi mittels Term-zu-Term- Korrelationsmatrix Zeile entspricht Term i und Spalte entspricht Term j n i,j ist Anzahl Dokumente, welche Terme t i, t j enthalten

51 Zugehörigkeitswert Dokument zu Term (2) n i ist Anzahl Dokumente, welche Term t i enthalten Zugehörigkeitsgrad:

52 Beispiel: Term-zu-Term- Korrelationsmatrix Dokument d1: {Sardinien, Strand, Ferienwohnung} Dokument d2: {Korsika, Strand, Ferienwohnung} Dokument d3: {Korsika, Gebirge}

53 Beispielrechnung Dokument d1: {Sardinien, Strand, Ferienwohnung} Dokument d2: {Korsika, Strand, Ferienwohnung} Dokument d3: {Korsika, Gebirge} µ Sar (d 1 )=1-Π tk 2{Sar,Str,Fer} (1-c i,k )=1-(1-1)(1-0,5)(1-0,5)=1 µ Kor (d 1 )=1-Π tk 2{Sar,Str,Fer} (1-c i,k )=1-(1-0)(1-0,33)(1-0,33)=5/9

54 Zugehörigkeitswert Dokument zu Anfrageterm Fuzzy-Modell für komplexe Ähnlichkeitsanfragen: Ähnlichkeitswert bzgl. atomarer Anfrage als Zugehörigkeitswert anwendbar für jeden Medien-Typ Beispiel: Suche nach roter Morgensonne Farbe = rot and Gestalt = Kreis

55 Vektorraummodell weit verbreitetes Retrieval-Modell Dokumente als Vektoren eines Vektorraums Überführung Retrieval-Problem in Gebiet der linearen Algebra einsetzbar, wenn jedes Medien-Objekt darstellbar durch feste Anzahl von numerischen Merkmalswerten Beispiel Bild-Retrieval: Vektorwerte etwa anhand der Farbverteilung

56 Vektorraummodell (2) Beispiel Text-Retrieval: jeder Indexterm eine eigene Dimension Termgewicht (meist Häufigkeiten) als Vektorwert einer Dimension

57 Ähnlichkeit im Vektorraum Anfrage selbst als Vektor Ähnlichkeit zwischen Anfrage q und Dokument d über deren Vektoren Kosinusmaß (Kosinus des eingeschlossenen Winkels als Ähnlichkeitsmaß) Distanzmaß (Abstand zwischen Vektoren als Unähnlichkeitsmaß) z.b. Euklid'sche Distanz:

58 Beispiel

59 Darstellung im Vektorraum

60 Ähnlichkeitswerte nach Kosinusmaß

61 Eingeschlossene Winkel

62 Unähnlichkeitswerte anhand Euklid'scher Distanz

63 Abstände

64 Kosinusmaß und Euklid'sche Distanz erzeugen unterschiedliche Ergebnisse (Sortierungen) Kosinusmaß erzeugt <d1, d3, d2> Euklid'sche Distanz erzeugt <d1, d2, d3> Wahl der geeigneten Ähnlichkeitsfunktion abhängig von subjektivem Ähnlichkeitsempfinden Anwendungsszenario

65 Zusammenfassung Vektorraummodell Vektorraummodell sehr weit verbreitet setzt feste Anzahl von numerischen Merkmalswerten pro Dokument voraus

66 Zusammenfassung Vektorraummodell (2) Probleme: Merkmale als orthogonale Dimensionen aufgefasst (unrealistisch) Orthogonalisierung Problem bei hoher Anzahl von Merkmalswerten bzgl. Effektivität und Effizient Dimensionsreduktion Anfrage ist Vektor, also keine Junktoren Boole'sche Junktoren durch Kombination mit dem Fuzzy-Modell

67 3.3 Relevance Feedback 1.Bewertung von Ergebnisdokumenten 2.Auswertung von Bewertungen

68 Vereinfachter IR-Prozess

69 Motivation erstes Ergebnis oft nicht zufriedenstellend Gründe: vage Vorstellung des Nutzers über Suchergebnisse schlechte Anfrageformulierung unbekannte Dokumentenkollektion keine relevanten Dokumente verfügbar

70 Reaktion auf nicht zufriedenstellendes Ergebnis 1.Abbruch 2.Browsing 3.manuelle Abfragemodifikation 4.Relevance Feedback

71 Vorteile Relevance Feedback Anwender braucht keine Anfragemodifikation furchzuführen muss Systeminterna nicht kennen Anwender bewertet nur Ergebnisse Annähern an Ergebnis iterativ oft einfacher als mit einer einzigen Anfrage Relevanzwerte vom Nutzer zum System Relevance Feedback

72 Beispiel Relevance Feedback

73 Bewertung von Ergebnisdokumenten zu berücksichtigende Aspekte: Anzahl der zu bewertenden Dokumente soviel wie möglich versus Aufwand: <=10 reduzierte Darstellung der Ergebnisdokumente z.b. Thumbnails, Zusammenfassungen

74 Bewertung von Ergebnisdokumenten (2) Art der Bewertung relevant und keine Bewertung relevant, irrelevant und keine Bewertung gestufte Relevanzwerte

75 Bewertung von Ergebnisdokumenten (3) Bewertungsgranulat: Dokument oder Dokumenteneigenschaften bzgl. mehreren Anfrageobjekten (Suchtermen) einer zusammengesetzten Anfrage, z.b. Korsika and Strand bzgl. verschiedener Eigenschaftswerte z.b.: Bildersuche anhand Form und Größe, aber getrennte Bewertung

76 Beispiel gestufte Relevanzwerte

77 Pseudorelevanz automatische Bewertung, also Entlastung des Nutzers erste relevante Dokumente gelten automatisch als relevant Anfragemodifikation schlechtere Ergebnisse als bei manueller Relevanzbewertung oft bessere Ergebnisse als ohne Anfrage-Iteration

78 Auswertung von Bewertungen Finden eines besseren Ergebnisses Anfragemodifikation Modifikation von Nutzerprofilen z.b. Text-Retrieval: Profil enthält nutzerspezifische Suchterme (etwa Ferienwohnung für Reisebüro)

79 Auswertung von Bewertungen (2) Modifikation der Dokumentenbeschreibungen z.b. Modifikation des Indexvokabulars erfordert hohen Aufwand Modifikation des Suchalgorithmus z.b. andere Distanzfunktion

80 Auswertung von Bewertungen (3) Modifikation von Anfragetermgewichten in zusammengesetzten, gewichteten Anfragen

81 Anfragemodifikation im Vektorraummodell: Rocchio Verschiebung des Anfragevektors in Richtung der als relevant bewerteten Dokumente weg von als irrelevant bewerteten Dokumenten Anfrage: q alt relevant (irrelevant) bewertete Dokumente: D r (D i )

82 Anfragemodifikation im Verkorraummodell: Rocchio (2) α und β wichten Einfluss relevanter und irrelevanter Dokumente

83 Beispiel Rocchio

84 3.4 Bewertung von Retrieval-Systemen 1.Einführung 2.Precision, Recall und Fallout 3.Kombinierte Precision- und Recall-Werte 4.Precision- und Recall-Werte abhängig von der Ergebnisgröße

85 Einführung Bewertung (Qualitätsvergleich) verschiedener Retrieval-Systeme quantitative Maße vonnöten

86 Ergebnisbewertung bzgl. versch. Formulierungsebenen inwieweit ist Ergebnis relevant zu 0.nicht formuliertem Informationsbedarf 1.Informationsbedarf als natürlichsprachliche Frage 2.Informationsbedarf als Anfrage

87 Ergebnisbewertung bzgl. versch. Formulierungsebenen (2) Bewertungsunterschiede bzgl. Informationsbedarf und Frage: mangelnde Fähigkeit des Nutzers, Informationsbedarf adäquat als Frage zu formulieren (Bewertung des Nutzers) Frage und Anfrage: mangelnde Formulierung einer Frage als Anfrage (Bewertung des Nutzers und der Abfragesprache)

88 Nützlichkeit und Relevanz Relevanz: inwieweit befriedigt Ergebnis den Informationsbedarf Nützlichkeit: inwieweit ist das Ergebnis hilfreich Unabhängigkeit zwischen Nützlichkeit und Relevanz Beispiel: irrelevant aber nützlich: Suche nach Urlaubsmöglichkeiten in Korsika liefert Dokumente über Napoleon

89 Nützlichkeit und Relevanz (2) Beispiel: relevant aber nutzlos: Suche nach Urlaubsmöglichkeiten in Korsika liefert veraltete Dokumente zu Ferienwohnungen im Folgenden Konzentration auf Relevanz und Irrelevanz von Ergebnissen bzgl. Anfrage

90 Precision, Recall und Fallout zunächst Ergebnis als Menge zwei verschiedene Fehlentscheidungen 1.false alarms (fa) bezeichnet diejenigen Dokumente, die vom Retrieval-System irrtümlicherweise als relevant zurückgeliefert werden 2.false dismissals (fd) sind Dokumente, die fälschlicherweise vom Retrieval-System als irrelevant eingestuft wurden

91 Precision, Recall und Fallout (2) zwei korrekte Entscheidungen: 1.correct alarms (ca) 2.correct dismissals (cd) fa, fd, ca, cd stehen für entsprechende Dokumentanzahlen bzgl. einer Anfrage

92 fa, fd, ca, cd

93 fa, fd, ca, cd im Euler-Venn-Diagramm

94 Precision P Precision: Wieviele (als Verhältnis) Ergebnisdokumente sind tatsächlich relevant?

95 Recall R Recall: Wieviele (als Verhältnis) tatsächlich relevante Dokumente erscheinen im Ergebnis

96 Fallout F Verhältnis falsch gefundener zur Gesamtzahl irrelevanter Dokumente

97 Ermittlung von fd und ca normalerweise nur fa+ca+fd+cd und ca+fa bekannt für fd und ca Nutzerbewertung notwendig ca durch Relevanzbewertung der Ergebnisdokumente fd durch Relevanzbewertung der zurückgehaltenen Dokumente

98 Ermittlung von fd und ca (2) Problem: meist hoher Aufwand aufgrund hoher Dokumentenanzahl, insbesondere für fd Lösungsansatz: Verwendung von kleiner, repräsentativer Testdatenbank

99 Durchschnitt über Anfrageserie Precision, Recall, Fallout definiert bzgl. einer Anfrage besser: mehrere Anfragen und entsprechende Durchschnittswerte

100 Beispiel 20 Dokumente, 2 Anfragen, jeweils 10 Ergebnisdokumente

101 Precision versus Recall beide Werte gleich wichtig, da gute Precision auf Kosten Recall: möglichst kleine Ergebnismenge z.b. Ergebnismenge enthält nur ein relevantes Dokument: P = 100% und R 0 gutes Recall auf Kosten Precision: möglichst große Ergebnismenge z.b. Ergebnismenge enthält alle Dokumente: R = 100% und P 0

102 Abhängigkeit von Dokumentanzahl Ergebnis als Liste ca, cd, fa, fd, Precision und Recall sind abhängig von Ergebnisgröße r daher ca(r), cd(r), fa(r), fd(r), P q (r) und R q (r) bzgl. der r ersten Ergebnisdokumente

103 Kombinierte Precision- und Recall-Werte beim Inkrementieren von r, pro neues Dokument zwei Varianten

104 Beispiel 20 Dokumente, 1 Anfrage, 2 Retrieval- Systeme die selben 20 Dokumente, neue Anfrage, 3. Retrieval-System

105 Beispielwerte für Precision und Recall tabellarisch

106 Beispielwerte für Precision und Recall graphisch

107 Abbildung zwischen Precision und Recall Linie ist Sägezahnlinie keine Funktion Ziel: Precision als Funktion über Recall Lösung: pro Recall-Wert maximalen Precision-Wert verwenden Optimum: 100%-Linie System besser, je näher zum Optimum

108 Precision als Funktion über Recall

109 Unterschiedliche Recall-Werte unterschiedliche Anfragen erzeugen oft unterschiedliche Recall-Werte z.b. Anfrage 1,2 versus 3 Ziel: Vergleich Retrieval-System immer bzgl. 11 Standard-Recall-Stufen 11 Standard-Recall-Stufen: 0%, 10%,..., 100%

110 Unterschiedliche Recall- Werte (2) Lösung: Precision-Werte aus Intervallen berechnen: r j S ist j-te Stufe der 11 Stufen und r i sind ursprüngliche Recall-Stufen

111 11 Standard-Recall-Stufen grafisch

112 Alternative Precision-Recall- Funktion ursprüngliche Abbildung ist keine Funktion (Sägezahnlinie) alternative Lösung: pro Recall-Wert den größten Precision-Wert des aktuellen und aller nachfolgenden Recall-Werte übernehmen

113 11 Standard-Recall-Stufen grafisch

114 Durchschnitt über Standard- Recall-Stufen Recall-unabhängiger Vergleich Durchschnittswerte zum Vergleich nutzen wenn gewünscht: zusätzlich Durchschnitt über mehrere Anfragen

115 Precision-Werte abhängig von der Ergebnisgröße

116 Harmonisches Mittel Kombination von Precision und Recall einer Ereignisgröße

117 Beispiel harmonisches Mittel

118 Beispiel harmonisches Mittel grafisch

119 3.5 Nutzerprofile 1.Retrieval-Szenarien 2.Einfluss von Nutzerprofilen auf den Retrieval-Prozess

120 Motivation bis jetzt keine Unterscheidung von Anwender und Anwendergruppen Verhalten bzw. Suchbedarf verschiedener Nutzer differiert oft Idee: Subjektivität wird als Nutzerprofil modelliert und bei Suche berücksichtigt nur sinnvoll bei häufigem Zugriff von einzelnen Nutzern mit Identifikation

121 Beispiel Bibliothekarin in einer Informatik-Bibliothek kennt Nutzer Professoren interessiert an spezieller Fachliteratur Studenten interessiert an Lehrbüchern

122 Bestandteile eines Nutzerprofils etwa eine feste Anfrage vorgegeben vom Nutzer oder aus Suchläufen ermittelt zusätzlich möglich: Bildungsstand: Vorkenntnisse Vertrautheitsgrad mit Interessensgebiet: Anfänger versus Experte

123 Bestandteile eines Nutzerprofils (2) Spachfähigkeit: Deutschkenntnisse Retrieval-Historie: Ergebnisse vorheriger Sitzungen spezielle Präferenzen: z.b. Bevorzugung eines bestimmten Journals

124 Retrieval-Szenarien

125 Filtering mit Profilen Vergleich Nutzerprofile mit neu eingefügten Dokumenten Relevanz Nutzer wird informiert Dokument quasi als Anfrage und Profile als Datenkollektion System ist aktiv Push-Dienst oder Current-Awareness-System oder Subscription

126 Filtering mit Profilen (2) zusätzliche Sortierung anhand Relevanz: Routing Beispiel: Ärzte bleiben informiert anhand medizinischer Artikel, die entsprechend ihren Profilen gefiltert werden

127 Retrieval mit Profilen Nutzerstamm statisch zwei Realisierungsmöglichkeiten 1.Nachfiltern: Filtering auf Anfrageergebnis hoher Berechnungsaufwand durch u.u. großem Zwischenergebnis reduzieren nur false alarms 2.Vorfiltern: Nutzerprofil beeinflusst Retrieval-Prozess direkt Reduzierung von false alarms und false dismissals

128 Nachfiltern

129 Einfluss von Nutzerprofilen auf den Retrieval-Prozess Annahme: Anfrage als Profil einfache Realisierung: Verschiebung Anfragepunkt q in Richtung Profilabfragepunkt p

130 Einfluss von Nutzerprofilen auf den Retrieval-Prozess (2) Problem: relevante Dokumente bzgl. q können irrelevant bzgl. q' werden, gewünscht: Reduzierung false dismissals statt Reduzierung false alarms

131 Minimumsfunktion Erweiterung der Anfragesemantik statt - modifikation naiver Ansatz: Min-Funktion

132 Minimumsfunktion Problem 1: Profil liefert immer selbe Dokumentmenge Problem 2: Dokumente zwischen q und p erscheinen nicht unbedingt im Ergebnis

133 Summenbildung Problem: Suchbereich wird zu groß

134 Multiplikation Kompromiss zwischen Min-Funktion und Summenbildung 3 Varianten in Abhängigkeit von r: