Collaborative søgemaskine

Collaborative søgemaskiner er web søgemaskiner og søgninger enterprise inden virksomhedens intranet, der lader brugere kombinere deres indsats i informationssøgning aktiviteter, deler informationsressourcer fællesskab bruge viden tags, og lade eksperter til at vejlede mindre erfarne folk gennem deres søgninger. Samarbejdspartnere gøre det ved at give søgeudtryk, kollektiv tagging, tilføje kommentarer eller udtalelser, bedømmelse søgeresultater og links klikket af tidligere IR-aktiviteter til brugerne, der har den samme eller en relaterede oplysninger behov.

Modeller for samarbejde

Collaborative søgemaskiner kan klassificeres langs flere dimensioner: hensigtserklæringer og synkronisering og dybde af mægling, opgave vs træk, og arbejdsdeling og deling af viden.

Explicit vs. implicit samarbejde

Implicit samarbejde karakteriserer Collaborative filtrering og anbefaling systemer, hvor systemet udleder lignende informationsbehov. I-Spy, Jumper 2.0, Søger, Fællesskabet Search Assistant, CSE af Burghardt et al., Og værker af Longo et al. alle repræsenterer eksempler på implicitte samarbejde. Systemer, der falder ind under denne kategori identificere lignende brugere, forespørgsler og links klikkede automatisk, og anbefale relaterede forespørgsler og links til søgende.

Eksplicit samarbejde betyder, at brugerne deler en aftalt informationer brug og arbejde sammen hen imod dette mål. For eksempel i en chat-lignende applikation, søgeudtryk og links klikket automatisk udveksles. Det mest fremtrædende eksempel på denne klasse er SearchTogether offentliggjort i 2007. SearchTogether tilbyder en grænseflade, der kombinerer søgeresultater fra standard søgemaskiner og en chat til at udveksle forespørgsler og links. Reddy et al. følge en lignende fremgangsmåde og sammenligner to implementeringer af deres CSE kaldet MUSE og MUST. Reddy et al. fokuserer på den rolle, kommunikation kræves for effektive tilpassede søgemaskiner. Repræsentanter for klassen af ​​implicitte samarbejde er I-Spy, Fællesskabet Søg assistent, og CSE af Burghardt et al. Cerciamo understøtter eksplicit samarbejde ved at lade én person til at koncentrere sig om at finde lovende grupper af dokumenter, og samtidig have den anden person gør dybdegående domme relevans på dokumenter fundet af den første person.

Men i Papagelis et al. termer bruges forskelligt: ​​de kombinerer udtrykkeligt delte links og implicit indsamlede browsing historier af brugere til en hybrid CSE.

Praksisfællesskab

Nyligt arbejde i kollaborativ filtrering og informationssøgning har vist, at deling af søgning erfaringer blandt brugere, der har samme interesser, typisk kaldes et praksisfællesskab eller interessefællesskab, reducerer den indsats sættes i af en given bruger i at hente den nøjagtige oplysninger af interesse.

Collaborative søgning indsat i et praksisfællesskab udruller nye teknikker til at udnytte kontekst under søgning ved indeksering og ranking søgeresultater baseret på de lærde præferencer et fællesskab af brugere. Brugerne gavn ved at dele information, erfaringer og bevidsthed til at personliggøre resultat-lister til at afspejle præferencer samfundet som helhed. Samfundet, der repræsenterer en gruppe af brugere, der deler fælles interesser, lignende erhverv. Det bedst kendte eksempel er den open source-projekt Jumper 2.0.

Dybde af mægling

Dette refererer til den grad, at CSE medierer søgning. SearchTogether er et eksempel på UI-niveau mægling: brugere udveksler forespørgsel resultater og vurderinger af relevans, men systemet skelner ikke blandt brugerne, når de kører forespørgsler. Cerchiamo og anbefaling systemer såsom I-Spy holde styr på hver enkelt persons søgeaktiviteter selvstændigt, og bruge disse oplysninger til at påvirke deres søgeresultater. Dette er eksempler på dybere algoritmisk mægling.

Opgave vs. træk

Denne model klassificerer folks medlemskab i grupper baseret på opgaven ved hånden vs langsigtede interesser; disse kan være korreleret med eksplicitte og implicitte samarbejde.

Fortrolighed-aware kollaborative søgemaskiner

Søgetermer og links klikket, der deles blandt brugere afsløre deres interesser, vaner, sociale relationer og intentioner. Med andre ord, tilpassede søgemaskiner sætte privatlivets fred for brugerne i fare. Undersøgelser har vist, at tilpassede søgemaskiner øge effektiviteten. Unfortunatelly, af manglen på privatlivsfremmende teknologier, et privatliv bevidst bruger, der ønsker at drage fordel af en CSE har at videregive hele sin søgen log. log videregives til enhver bruger, der slutter sig til en søgning session). Således er sofistikerede mekanismer, der tillader en mere finkornet niveau, som oplysninger videregives til hvem er ønskelige.

Som tilpassede søgemaskiner er en ny teknologi, bare komme ind på markedet, identificere præferencer bruger personlige oplysninger og integrere privatlivsfremmende teknologier i samarbejde søgning er i konflikt. På den ene side, Kæledyr er nødt til at opfylde brugernes præferencer, på den anden side kan man ikke identificere disse præferencer uden at bruge en CSE, dvs gennemføre teknologier i tilpassede søgemaskiner. I dag er det eneste arbejde, løse dette problem kommer fra Burghardt et al. De implementeret en CSE med eksperter fra informationssystemet domæne og afledt omfanget af mulige præferencer privatlivets fred i en bruger undersøgelse med disse eksperter. Resultater viser, at brugerne definerer præferencer, der henviser til deres nuværende kontekst, indhold forespørgsel, tidspres, og at brugerne intensivt benytte muligheden for at skelne mellem forskellige sociale grupper, når de deler oplysninger. Endvidere brugere kræver anonymisering og definere gensidige begrænsninger, dvs de henviser til adfærd andre brugere, fx, hvis en bruger ville have delt den samme forespørgsel igen.

  0   0
Forrige artikel 1796 i Storbritannien
Næste artikel Anne-Marie Javouhey

Kommentarer - 0

Ingen kommentar

Tilføj en kommentar

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Tegn tilbage: 3000
captcha