Совместная поисковая система - Collaborative search engine

Совместные поисковые системы (CSE) - это поисковые системы в Интернете и корпоративный поиск в интрасетях компании, которые позволяют пользователям объединять свои усилия в деятельности по поиску информации (IR), совместно использовать информационные ресурсы, используя теги знаний , и позволяют экспертам направлять менее опытных людей в процессе поиска. Партнеры по совместной работе делают это, предоставляя условия запроса, коллективные теги, добавляя комментарии или мнения, оценивая результаты поиска и ссылки, по которым щелкнули предыдущие (успешные) действия IR с пользователями, которым нужна такая же или связанная информация .

Модели сотрудничества

Совместные поисковые системы можно классифицировать по нескольким параметрам: намерение (явное и неявное) и синхронизация, глубина посредничества, задача и характеристика, разделение труда и обмен знаниями.

Явное и неявное сотрудничество

Неявное сотрудничество характеризует системы совместной фильтрации и рекомендаций, в которых система предполагает аналогичные информационные потребности. I-Spy, Jumper 2.0 , Seeks , Community Search Assistant, CSE Бургхардта и др., А также работы Лонго и др. все представляют собой примеры неявного сотрудничества. Системы, подпадающие под эту категорию, идентифицируют похожих пользователей, запросы и ссылки, по которым автоматически нажимают, и рекомендуют похожие запросы и ссылки для поисковиков.

Явное сотрудничество означает, что пользователи разделяют согласованную потребность в информации и вместе работают над достижением этой цели. Например, в приложении, похожем на чат, происходит автоматический обмен условиями запроса и нажатыми ссылками. Наиболее ярким примером этого класса является SearchTogether, опубликованный в 2007 году. SearchTogether предлагает интерфейс, который объединяет результаты поиска из стандартных поисковых систем и чат для обмена запросами и ссылками. PlayByPlay делает шаг вперед, поддерживая общие задачи совместного просмотра с помощью функции обмена мгновенными сообщениями. Редди и др. следуют аналогичному подходу и сравнивают две реализации их CSE под названием MUSE и MUST. Редди и др. сосредоточиться на роли коммуникации, необходимой для эффективных CSE. Cerciamo поддерживает явное сотрудничество, позволяя одному человеку сконцентрироваться на поиске многообещающих групп документов, в то время как другой человек делает глубокие выводы о релевантности документов, найденных первым лицом.

Однако в Papagelis et al. термины используются по-разному: они объединяют явно совместно используемые ссылки и неявно собранные истории просмотров пользователей в гибридную СПП.

Сообщество практики

Недавняя работа по совместной фильтрации и поиску информации показала, что обмен опытом поиска среди пользователей со схожими интересами, обычно называемых сообществом практиков или сообществом интересов , снижает усилия, прилагаемые данным пользователем для извлечения точной интересующей информации.

В рамках совместного поиска, применяемого в сообществе практикующих, используются новые методы использования контекста во время поиска путем индексации и ранжирования результатов поиска на основе изученных предпочтений сообщества пользователей. Пользователи получают выгоду, делясь информацией, опытом и знаниями, чтобы персонализировать списки результатов, чтобы отразить предпочтения сообщества в целом. Сообщество, представляющее группу пользователей, имеющих общие интересы, схожие профессии. Самый известный пример - проект с открытым исходным кодом ApexKB (ранее известный как Jumper 2.0).

Глубина посредничества

Глубина посредничества относится к степени, в которой CSE опосредует поиск. SearchTogether является примером посредничества на уровне пользовательского интерфейса: пользователи обмениваются результатами запросов и оценками релевантности, но система не различает пользователей, когда они запускают запросы. PlayByPlay - еще один пример посредничества на уровне пользовательского интерфейса, когда все пользователи имеют полный и равный доступ к функциям обмена мгновенными сообщениями без координации системы. Cerchiamo и рекомендательные системы, такие как I-Spy, отслеживают поисковую активность каждого человека независимо и используют эту информацию, чтобы влиять на результаты поиска. Это примеры более глубокого алгоритмического посредничества.

Задача против черты характера

Эта модель классифицирует членство людей в группах на основе поставленной задачи и долгосрочных интересов; они могут быть соотнесены с явным и неявным сотрудничеством.

Платформы и методы

Системы CSE начинались с настольных компьютеров, причем самые ранние из них были расширениями или модификациями существующих веб-браузеров. GroupWeb - это настольный веб-браузер, который предлагает общую визуальную рабочую область для группы пользователей. SearchTogether - это настольное приложение, которое объединяет результаты поиска из стандартных поисковых систем и интерфейс чата, позволяющий пользователям обмениваться запросами и ссылками. CoSense поддерживает задачи осмысления при совместном поиске в сети, предлагая насыщенные и интерактивные презентации поисковой деятельности группы.

С преобладанием мобильных телефонов и планшетов СПП также пользуются преимуществами этих дополнительных устройств. CoSearch - это система, которая поддерживает совместный совместный поиск в Интернете с помощью дополнительных мобильных телефонов и мышей. PlayByPlay также поддерживает совместный просмотр между мобильными и настольными пользователями.

Синхронное и асинхронное сотрудничество

Модель синхронного сотрудничества позволяет различным пользователям одновременно работать над достижением одной и той же цели, при этом каждый отдельный пользователь имеет доступ к прогрессу друг друга в режиме реального времени. Типичным примером модели синхронного сотрудничества является GroupWeb, где пользователи узнают о том, что делают другие, с помощью таких функций, как синхронная прокрутка страниц, телепоинтеры для выполнения жестов и групповые аннотации, прикрепленные к веб-страницам.

Асинхронные модели сотрудничества предлагают большую гибкость при выполнении различных процессов поиска разных пользователей, снижая при этом когнитивные усилия, которые последующие пользователи могут использовать и опираться на результаты поиска предыдущих пользователей. SearchTogether, например, поддерживает функции асинхронной совместной работы, сохраняя журналы чата предыдущих пользователей, поисковые запросы и истории просмотра веб-страниц, чтобы более поздние пользователи могли быстро освоиться.

Приложения совместных поисковых систем

Применение СПП хорошо изучено как в академическом сообществе, так и в промышленности. Например, GroupWeb использовался в качестве инструмента презентации для дистанционного обучения и конференций в режиме реального времени. ClassSearch используется на занятиях в средней школе, чтобы облегчить совместный поиск в классах и изучить пространство совмещенных педагогических методов поиска.

Совместные поисковые системы с учетом конфиденциальности

Поисковые запросы и ссылки, используемые пользователями, раскрывают их интересы, привычки, социальные отношения и намерения. Другими словами, СПП ставят под угрозу конфиденциальность пользователей. Исследования показали, что CSE повышают эффективность. К сожалению, из-за отсутствия технологий повышения конфиденциальности пользователь, осведомленный о конфиденциальности, который хочет получить выгоду от СПП, должен раскрыть весь свой журнал поиска. (Обратите внимание, что даже при явном совместном использовании запросов и ссылок, весь (прежний) журнал раскрывается любому пользователю, который присоединяется к сеансу поиска). Таким образом, желательны сложные механизмы, позволяющие на более детальном уровне раскрывать информацию о том, кому раскрывать информацию.

Поскольку СПП - это новая технология, которая только выходит на рынок, определение предпочтений конфиденциальности пользователей и интеграция технологий повышения конфиденциальности (ПЭТ) в совместный поиск находятся в противоречии. С одной стороны, ПЭТ должны соответствовать предпочтениям пользователя, с другой стороны, невозможно идентифицировать эти предпочтения без использования CSE, т. Е. Внедрения PET в CSE. Сегодня единственная работа, посвященная этой проблеме, принадлежит Burghardt et al. Они внедрили CSE с экспертами из области информационных систем и определили диапазон возможных предпочтений конфиденциальности в исследовании пользователей с этими экспертами. Результаты показывают, что пользователи определяют предпочтения, относящиеся к (i) их текущему контексту (например, нахождение на работе), (ii) содержанию запроса (например, пользователи исключают темы из общего доступа), (iii) временным ограничениям (например, не публиковать запрашивать через X часов после отправки запроса, хранить не дольше X дней, не распределять рабочее время), и что пользователи интенсивно используют возможность (iv) различать разные социальные группы при обмене информацией. Кроме того, пользователям требуется (v) анонимизация и (vi) определение взаимных ограничений, т. Е. Они относятся к поведению других пользователей, например, если бы пользователь поделился тем же запросом по очереди.

Languages

In other projects