Aanbevelingssystemen: vinden wat je niet zocht, het voorbeeld van bX Veerle Kerstens, Libis Informatie aan Zee 11 september 2009 Kursaal Oostende Zaal Mercator

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

3. Voorbeelden uit informatie- en bibliotheekwereld

4. Ervaringen en Issues

5. bX, aanbevelingssysteem voor wetenschappelijke artikels11-09-2009 2 Aanbevelingssystemen: vinden wat je niet zocht

6. 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 3

7. “Content-based filtering” 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 4 Aanbevelingen op basis van analyse van tekst/golfvorm/pixels

8. “Collaborative filtering” 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 5 Impliciet: bv. ook gekocht door.. Expliciet: via quoteringen e.d.

11. Ervaringen en issues

12. bX, aanbevelingssysteem voor wetenschappelijke artikels11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 7

14. Prijs van 1.000.000 $ voor wie aanbevelingen 10% accurater maakt

15. aanbevelingen genereren 38% meer “click-throughs”

16. 35% vd verkoop via aanbevelingen11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 8 Bron: Music Recommendation Tutorial (http://www.slideshare.net/ocelma/music-recommendation-tutorial)

17. Bijkomend instrument om relevante info te vinden in wereld van informatieoverload 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 9

18. “While search engines help youfindthingsyouknowyou are lookingfor, discoveryhelpsyoufind the rest” Rick Hangartner 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 10

20. Worden zowel “strategisch” als toevallig gebruikt

21. “strategisch”: als onderdeel van zoekstrategie, bv. zoeken naar bekend item als bron voor aanbevelingen11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 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

23. Voorbeelden in informatie- en bibliotheekwereld

24. Ervaringen en issues

25. bX, aanbevelingssysteem voor wetenschappelijke artikels11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 12

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

28. WordCatFederated search - PurpleSearch 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 13 Bibliotheek 2.0…

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

31. WorldCatFederated search - PurpleSearch 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 14 Aanbevelingssystemen

32. BibTip(Universiteitsbibliotheek Karlsruhe) 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 15 Aanbevelingen op basis van opvragingen van volledige titelbeschrijvingen. Twee titels zijn gerelateerd als ze samen in één sessie worden opgevraagd.

34. Aanbevelingen worden gebruikt om zoekvraag uit te breiden

35. Presentatie is belangrijk: gebruikers willen weten waarom item aanbevolen wordt

36. In een als nuttig beoordeelde set waren niet noodzakelijk alle items nuttig

37. Domeinexpertise speelt rol in beoordeling relevantie11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 16 Whitney, C. and Schiff, L. (2006), The Melvyl Recommender Project. In: D-Lib Magazine, 12(12), doi:10.1045/december2006-whitney

38. WorldCat 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 17 2009-03-25

39. 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 18

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

42. Web of Science 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 21 Aanbevelingen van artikels op basis van aantal gemeenschappelijke referenties

43. Ingentaconnect 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 22 Met technologie van Baynote

45. Voorbeelden in informatie- en bibliotheekwereld

46. Ervaringen en issues

47. bX, aanbevelingssysteem voor wetenschappelijke artikels11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 23

48. 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 24

49. Feedback-lus 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 25 Aanbevolen: Keuze voor aanbevolen item versterkt bestaande relatie

50. Probleem populaire items 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 26 !?

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

52. Transparantie -> vertrouwen (2) 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 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.

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

55. Voorbeelden in informatie- en bibliotheekwereld

56. Ervaringen en issues

57. bX, aanbevelingssysteem voor wetenschappelijke artikels11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 30

59. K.U.Leuven nam deel aan testen voor release.11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 31

60. 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 32

61. 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 33 Exporteren naar bibliografische software

62. 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 34

64. ContextObject (metadata)…….. CO’s Logs met ContextObjects

65. 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 36

66. Voorbeeld van een zoeksessie A B C

67. 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]

70. Interessant in context van

71. Onderwijs

72. Verkennen van aangrenzende/nieuwe interessedomeinen

73. Info zoeken buiten eigen expertisedomein

74. Meer kans op het vinden van nieuwe (“serendipitous”) items11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 40

76. Aantal aanbevelingen, layout, navigatie, relevantie

77. Integratie in portal-omgeving (Primo, extern systeem) mogelijk11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 41

78. Vragen ? 11-09-2009 Aanbevelingssystemen: vinden wat je niet zocht 42