• Keine Ergebnisse gefunden

7 Berücksichtigung der Nutzungsszenarien

7.2 Zufriedenheit des Nutzers als oberste Priorität

7.2.2 Adaption im Information Retrieval

Adaptive  Mensch-­‐‑Maschine-­‐‑Interaktion  ist  unter  der  Prämisse  sinnvoll,  dass  ein  Nut-­‐‑

zer  ein  bestimmtes  Ziel  hat,  das  er  mit  Hilfe  eines  Systems  erreichen  will.  Davon  ist  bei   der  Informationssuche  in  der  Wikipedia  auszugehen16  (siehe  dazu  ab  Kapitel  5.3).  Un-­‐‑

ter   Umständen   gelingt   ihm   die   Zielerreichung   zunächst   nicht   (z.B.   durch   Selektions-­‐‑

probleme   [Morita   und   Shinoda,   1994;   Wu   und   Wu,   2011]),   dann   ist   es   hilfreich,   das   System   ist   mit   Möglichkeiten   ausgestattet,   um   dem   Nutzer   helfen   zu   können.   Dazu   muss  es  das  Ziel  des  Nutzers  kennen  und  wissen,  wie  es  reagieren  kann,  um  ihn  bei   der  Zielerreichung  zu  unterstützen.  Dabei  spielt  es  zunächst  eine  untergeordnete  Rolle,   um   welche   Art   Informationssystem   es   sich   dabei   handelt:   sowohl   im   E-­‐‑Learning,   als   auch  bei  Informationssystemen  wie  Stadtführern  auf  dem  Smartphone,  Systemen  zur   Unterstützung   des   Alltags   (z.B.   Gesundheitsratgeber)   oder   Wissensdatenbanken,   wie   der   Wikipedia,   ist   die   Hilfe   zur   Zielerreichung   (bzw.   der   besseren   und   einfacheren   Zielerreichung)  sinnvoll.  

7.2.2 Adaption im Information Retrieval

Die  Idee,  die  Inhalte  bzw.  Auswahl  und  Präsentation  der  vorhandenen  Inhalte  adaptiv   und  dem  Kontext  entsprechend  zu  gestalten,  ist  nicht  neu.  Durch  die  unüberschaubare   Menge  an  Informationen  motiviert  gibt  es  bereits  einige  Ansätze,  das  Information  Ret-­‐‑

rieval  durch  adaptives  Verhalten  eines  Systems  zu  verbessern  [z.B.  Hu  et  al.,  2009;  So-­‐‑

mol  et  al.,  1999;  Morita  und  Shinoda,  1994].  

Im  Wesentlichen  kann  im  Information  Retrieval  die  Anpassung  auf  drei  Ebenen  statt-­‐‑

finden:  erstens  bei  der  Formulierung  der  Query  (das  Problem  des  unscharfen  Informa-­‐‑

tionsbedürfnisses   und   des   Informationsverlustes   durch   die   Verbalisierung   desselben   berücksichtigend),   zweitens   auf   der   Ebene   des   Dokumentenabgleichs   (z.B.   durch   se-­‐‑

mantische   Erweiterungen   oder   Disambiguierung   von   Anfragetermen   durch   Berück-­‐‑

     

16 Sowohl inhaltlich als auch nicht-informationsbezogen.

sichtigung  des  semantischen  Kontextes)  oder  drittens  bei  der  Präsentation  der  Ergeb-­‐‑

nisse  (wobei  hier  bei  der  aktuellen  Forschungslage  der  Schwerpunkt  tendenziell  mehr   auf  der  Gestaltung  von  Ergebnislisten  im  Sinne  des  Dokumenten-­‐‑Rankings  liegt,  denn   auf  der  Präsentation  der  Inhalte  selbst).  

 

Ein   konkreter   Ansatz   zur   Adaptivität   im   Information   Retrieval   ist,   dass   das   System   sich  vorangegangene  Anfragen  merkt  und  so  semantische  Disambiguierung  von  An-­‐‑

fragetermen   unterstützen   kann.   Lau,   Bruza   und   Song   [Lau   et   al.,   2008]   verwenden   hierzu  eine  logikbasierte  believe-­‐‑revison.  Das  bedeutet,  dass  das  „Umfeld“  des  Nutzers   im  Sinne  seiner  bisherigen  Aktivitäten,  seinem  Wissen  (sofern  bekannt)  und  der  durch-­‐‑

suchten  Domain  unter  der  Anwendung  von  Logik  in  die  Interpretation  der  Suchterme   mit  einbezogen  wird.  So  erreichen  die  Autoren  bessere  Ergebnisse  als  mit  vergleichba-­‐‑

ren,  nicht  adaptiven  Vorgehensweisen.  

Abbildung   7-­‐‑1   zeigt   einen   Überblick   über   den   Aufbau   eines   adaptiven   Information   Retrieval  Systems.  Zwischen  der  Anfrage  des  Nutzers  und  den  Informationsobjekten   steht  außer  einem  matching  meachanism  noch  ein  learning  meachnism,  der  auf  Basis  eines   Nutzer-­‐‑Profils   und   dem   Feedback   die   Retrieval-­‐‑Situation   berücksichtigt,   damit   den   matching   mechanism   dementsprechend   beeinflusst   und   –   wie   sich   zeigte   –   verbessert   [Lau  et  al.,  2008].  

 

 

Abbildung 7-1 Überblick über ein adaptive gestaltetes Information Retrieval System [Lau et al., 2008, S.4]

 

Crestiani  und  van  Rijsbergen  [Crestani  und  van  Rijsbergen,  1997]  entwickelten  auf  der   Basis  logischer  und  konzeptueller  Beziehungen  ein  Modell,  das  sie  im  Rahmen  eines   adaptiven   Information   Retrieval   Systems   implementierten.   Sie   testeten   verschiedene   Lernalgorithmen  zur  Verbesserung  der  Retrieval  Ergebnisse  und  erzielten  damit  eine   deutlich  bessere  Bewertung  der  Treffermenge  durch  die  Nutzer.  Die  Adaption  findet   hier  ebenfalls  vor  allem  in  einer  Anpassung  bzw.  Erweiterung  der  Query  und  damit   einem  genaueren  und  adaptiven  matching  mit  der  Dokumentenmenge  statt.    

Shen  [Shen,  2007]  stellt  in  den  Mittelpunkt  ihrer  Forschung  die  Frage  nach  einem  aktu-­‐‑

alisierbaren  Nutzermodell,  das  notwendige  Informationen  über  den  Kontext  des  Nut-­‐‑

zers  liefern  soll,  um  eine  Personalisierung  der  Suche  zu  ermöglichen.  In  ihrem  Frame-­‐‑

work  verwendet  sie  die  Interaktion  des  Nutzers  mit  dem  System  im  Sinne  von  Implicit   Relevance  Feedback  (hier  vor  allem  clickthrough),  um  sofort  auf  Veränderungen  des  Nut-­‐‑

zerkontexts  reagieren  zu  können  und  die  Suche  anzupassen.  Dabei  kommen  vor  allem   statistische  Sprachmodelle  zum  Einsatz,  anhand  derer  zum  Beispiel  die  bereits  betrach-­‐‑

teten  Dokumente  oder  vorangegangene  Anfragen  mit  in  die  Suche  einbezogen  werden   können  (query  expansion).  So  kann  das  Ranking  der  Antwort-­‐‑Dokumente  entsprechend   überarbeitet  werden.  Es  gelang  Shen,  eine  Client-­‐‑seitige  Anwendung  zu  implementie-­‐‑

ren,  die  durch  eine  Abspeicherung  des  bisherigen  (semantischen)  Nutzerkontexts  auf   Basis  vorangegangener  querys  und  verwendeter  Dokumente  jeweils  ein  re-­‐‑ranking  der   von  einer  Web-­‐‑Suchmaschine  gelieferten  Dokumente  durchführt.  Bei  einer  Vergleichs-­‐‑

studie  ließ  sich  feststellen,  dass  die  überarbeitete  Reihenfolge  der  Ergebnisse  Verbesse-­‐‑

rungen  gegenüber  dem  ursprünglichen  Ranking  von  Google  zeigte.    

Einen  ähnlichen  Ansatz  verfolgen  auch  Wilrich  et  al.  [Wilrich  et  al.,  2006],  die  speziell   im   Bereich   der   digitalen   Bibliotheken   untersuchten,   in   wie   weit   die   Erstellung   eines   Nutzerprofils,  das  vor  allem  die  Metadaten  der  bereits  besuchten  Dokumente  berück-­‐‑

sichtigt,   die   Suchergebnisse   für   den   Nutzer   personalisiert   und   verbessert.   Ein   großer   Vorteil  hierbei  ist,  dass  die  Dokumente  in  digitalen  Bibliotheken  in  der  Regel  mit  sehr   guten   Metadatensätzen   ausgestattet   sind.   Die   umfangreichen   Informationen   über   die   Inhalte   erleichtern   eine   Präzisierung   der   Auswahl.   Diese   Arbeiten   machen   deutlich,   dass  Adaption  mit  ausreichend  Wissen  über  den  Nutzer,  hier  vor  allem  über  den  se-­‐‑

mantischen   Kontext   seiner   Anfrage,   großes   Potential   hat,   die   Nutzerzufriedenheit   zu   verbessern.  

Berger,  Dittenbach  und  Merkl  [Berger  et  al.,  2004]  zeigen,  wie  sie  mit  Hilfe  assoziativer   Verknüpfungen  in  Form  eines  Wissensrepräsentationsmodells  semantische  Relationen   als  Grundlage  für  ein  mehrsprachiges  Information  Retrieval  System  verwenden.  Adap-­‐‑

tion  findet  hier  auf  zwei  Ebenen  statt:  erstens  in  Form  eines  matching  mit  den  Suchter-­‐‑

men,   das   durch   (gewichtete)   semantische   Relationen   mit   anderen   Termen   verbessert   wird  und  dadurch  zweitens  eine  sog.  query-­‐‑expansion  (durch  Einbeziehen  der  erweiter-­‐‑

ten  semantischen  Beziehungen)  bewirkt.  [Berger  et  al.,  2004]  versuchen  so  vor  allem,   einen  eher  intuitiven  Zugang  zu  den  Informationen  zu  schaffen.  

Wen,  Zhou  und  Aggarwal  [Wen  et  al.,  2007]  wendeten  eine  adaptive  und  adaptierbare   Methode  an,  indem  sie  auf  der  einen  Seite  dem  Nutzer  die  Möglichkeit  gaben,  selbst   aktiv  einen  semantischen  Suchkontext  mitzugestalten  und  zweitens  das  System  diesen   Prozesse  unterstützte.  Auch  diese  Autoren  konnten  zeigen,  dass  die  Maßnahmen  die   Relevanz  der  erhaltenen  Ergebnisse  für  den  Nutzer  tatsächlich  verbesserten.    

Diane  Kelly  und  Xin  Fu  [Kelly  und  Fu,  2007]  präsentieren,  dass  mit  Hilfe  von  konkre-­‐‑

tem  Nutzerfeedback  die  Retrieval  Performance  deutlich  verbessert  werden  konnte.  Sie   benutzten  dazu  einen  Fragebogen,  in  dem  der  Suchende  nach  zusätzlichen  Informatio-­‐‑

nen  über  sein  Suchziel  gefragt  wurde.  Auf  Basis  dieser,  über  die  ursprüngliche  Query   hinausgehenden   Informationen   wurde   der   Dokumentenspeicher   erneut   durchsucht   und  die  Ergebnisse  angepasst.  Es  wurde  in  dieser  Studie  offensichtlich,  dass  zwar  zu-­‐‑

sätzliche  Informationen  notwendig  sind  (query  expansion),  dass  aber  mit  deren  Kenntnis   die  Ergebnisse  des  IR  angepasst  und  verbessert  werden  können.  

 

Zusammenfassend  konzentriert  sich  die  Forschung  im  Bereich  des  adaptiven  Informa-­‐‑

tion  Retrieval  bisher  vor  allem  auf  die  Verbesserung  der  Suchanfragen  z.B.  durch  Be-­‐‑

rücksichtigung  allgemeiner  semantischer  Relationen  und/oder  des  Nutzerkontextes,  im   Sinne   von   vorangegangenen   Suchanfragen   und   der   Evaluation   der   Ergebnisse   durch   den  Nutzer  (in  Form  impliziten  und/oder  expliziten  Feedback  [Li,  2011]).  Zum  Einsatz   kommen   verschiedene   Methoden   und   Techniken   wie   Entscheidungsbäume,   Logik,   Lernalgorithmen,  Wissensrepräsentationsmodelle  und  andere.    

Die  Arbeiten  zielen  allesamt  stark  auf  eine  Verbesserung  der  Suchterme  durch  Berück-­‐‑

sichtigung  semantischer  Relationen  und/oder  durch  Anwendung  von  Logik  und  Lern-­‐‑

verfahren  ab.  Kontext  ist  so  vor  allem  auf  den  inhaltlichen  Kontext  einer  Anfrage  be-­‐‑

zogen.  Die  genannten  Untersuchungen  belegen  aber,  dass  die  Bewertungen  der  Ergeb-­‐‑

nisse   durch   den   Nutzer   im   adaptiven   Verfahren   besser   ausfallen   als   bei   den   nicht   adaptiven  Suchvorgängen.  Es  bleibt  allerdings  offen,  ob  und  wie  auch  über  die  inhalt-­‐‑

lich   hinausgehenden   Faktoren   der   Kontext17   des   Nutzers   konkret   berücksichtigt   wer-­‐‑

den  kann.  

Außerdem  wird  in  dieser  Arbeit  nicht  die  situative  Rezeption  respektive  Präsentation   von  Dokumenten  sondern  die  von  Dokumentelementen  untersucht.  Da  die  Untersuchun-­‐‑

gen  dieser  Arbeit  vor  allem  auf  die  Verwendung  verschiedener  Inhaltstypen  abzielen,   wird   also   das   als   relevant   ermittelte   Dokument   an   sich   in   diese   Elemente   aufgebro-­‐‑

chen.  Das  ist  möglich,  da  zum  einen  in  einem  Wikipedia-­‐‑Artikel  die  für  das  jeweilige   Lemma  semantisch  relevanten  Angaben  enthalten  sind  (siehe  dazu  auch  Kapitel  7.1.1)   und  zum  zweiten  immer  der  selbe  Dokumenttyp  zurückgeliefert  wird  (sowohl  struk-­‐‑

turell  als  auch  intentionell),  selbst  wenn  theoretisch  mehr  als  ein  relevanter  Artikel  zur   Suchanfrage  existiert.  Ziel  dieses  Vorgehens  ist  es,  über  ein  Re-­‐‑Ranking  von  Dokumen-­‐‑

ten  hinaus  Aussagen  zu  einer  situativen  Informationsrezeption  machen  zu  können.