W niniejszej pracy przedstawiłem temat personalizacji wyszukiwania.
Rozpocz ˛ałem od dokładnego opisu dziedziny, jej historii i powi ˛azanych kwe-stii takich jak ochrona prywatno´sci. Nast ˛epnie omówiłem techniki perso-nalizacji: interpretacj ˛e zapytania, filtrowanie i sortowanie wyników oraz metody ich oceny. Przedstawiłem sposoby budowy profilu u ˙zytkownika.
Zwróciłem równie ˙z szczególn ˛a uwag ˛e na rozwój sieci społeczno´sciowych i mo ˙zliwo´s´c ich wykorzystania w personalizacji.
Rozdział czwarty stanowi opis praktycznego wykorzystania przedstawio-nej wiedzy. Rozpocz ˛ałem od krótkiego opisu projektu SYNAT. Nast ˛epnie przeszedłem do architektury aplikacji. Przedstawiłem schemat struktury agentowej oraz realizowane scenariusze. Opisałem zastosowane narz ˛edzia i szczegółowo omówiłem wybrane algorytmy.
Do pracy doł ˛aczona została aplikacja, która stanowi praktyczn ˛a demon-stracj ˛e przestawionych tu rozwa ˙za ´n. Jest to prosta wyszukiwarka inter-netowa. Zapewnia ona jednak szereg funkcjonalno´sci, które umo ˙zliwiaj ˛a testowanie i wykorzystanie w praktyce technik personalizacji.
Teza postawiona na pocz ˛atku pracy brzmiała: “Efektywno´s´c wyszukiwa-nia wiedzy naukowej mo ˙ze zosta´c w znacznym stopniu poprawiona poprzez odpowiednie wykorzystanie technik personalizacji”. Testy zamieszczone w pracy pokazały, ˙ze zaw ˛e ˙zenie dziedziny klasyfikacji pozwala na znaczn ˛a po-praw ˛e jako´sci klasyfikatorów. Przekłada si ˛e to na popo-praw ˛e skuteczno´sci samej personalizacji. Analiza wybranych zapyta ´n wykazała, ˙ze w ich przy-padku personalizacja miała pozytywny wpływ.
Z uwagi na brak odpowiednich zasobów nie zostały jednak przeprowa-dzone bardziej intensywne testy. Wymagałyby one zatrudnienia grupy osób, które u ˙zywałyby systemu przez dłu ˙zszy okres np. kilka miesi ˛ecy. Niestety jest to cech ˛a wi ˛ekszo´sci opracowa ´n zwi ˛azanych z personalizacj ˛a.
Podsumowuj ˛ac, to co wyró ˙znia t ˛e prac ˛e to bardzo szeroki zakres oma-wianych tematów zwi ˛azanych z personalizacj ˛a. Zawiera ona szereg technik i
5.1. Dalsze prace 62 algorytmów, które pojawiaj ˛a si ˛e w literaturze, jak równie ˙z kilka nowych pro-pozycji. Na szczególn ˛a uwag ˛e zasługuj ˛e z pewno´sci ˛a rozwa ˙zenie problemu skuteczno´sci działania systemu w pocz ˛atkowej fazie jego działania.
5.1. Dalsze prace
Rozwini ˛ecie niniejszej pracy polegałoby na przeprowadzeniu dokładniej-szych testów przez du ˙z ˛a grup ˛e u ˙zytkowników. Nast ˛epnie na podstawie uzyskanych wyników nale ˙załoby dokona´c poprawek u ˙zywanych algorytmów oraz wprowadzi´c kolejne ulepszenia. We wst ˛epie teoretycznym wymieniłem wiele ciekawych koncepcji zwi ˛azanych z personalizacj ˛a, które nie zostały ostatecznie zaimplementowane. Na uwag ˛e zasługuje przede wszystkim wy-szukiwanie wst ˛epnych informacji o u ˙zytkowniku oraz wprowadzenie pro-filu krótko i długoterminowego. Temat personalizacji rozwija si ˛e bardzo dynamicznie co sprawia, ˙ze mo ˙zliwy zakres dalszych bada ´n jest naprawd ˛e ogromny.
Bibliografia
[1] Adapting SEO for personalized search. http://www.searchenginejournal.
com/adapting-seo-for-personalized-search/22207/.
[2] Andrew goodman: Googlifikacja to jeszcze nie personalizacja - internet stan-dard. http://www.internetstanstan-dard.pl/news/381457/Andrew.Goodman.
Googlifikacja.to.jeszcze.nie.personalizacja.html.
[3] Eli pariser: Beware online "filter bubbles"| video on TED.com.
http://www.ted.com/talks/lang/en/eli_pariser_beware_online_
filter_bubbles.html.
[4] Eugene Agichtein, Eric Brill, Susan Dumais, Robert Ragno. Learning user interaction models for predicting web search result preferences. Proceedings of the 29th annual international ACM SIGIR conference on Research and deve-lopment in information retrieval, SIGIR ’06, strony 3–10, New York, NY, USA, 2006. ACM.
[5] David Carmel, Naama Zwerdling, Ido Guy, Shila Ofek-Koifman, Nadav Har’el, Inbal Ronen, Erel Uziel, Sivan Yogev, Sergey Chernov. Personalized social search based on the user’s social network. Proceedings of the 18th ACM conference on Information and knowledge management, CIKM ’09, strony 1227–1236, New York, NY, USA, 2009. ACM.
[6] Ramnath K. Chellappa, Raymond G. Sin. Personalization versus privacy:
An empirical examination of the online consumer’s dilemma. Information Technology and Management, 6:181–202, 2005.
[7] L. Chen, K. Sycara. WebMate: a personal agent for browsing and searching.
Proceedings of the second international conference on Autonomous agents, strona 132–139, 1998.
[8] P. A. Chirita, C. S. Firan, W. Nejdl. Personalized query expansion for the web. Proceedings of the 30th annual international ACM SIGIR conference on Research and development in information retrieval, strony 7–14, 2007.
[9] Paul Alexandru Chirita, Wolfgang Nejdl, Raluca Paiu, Christian Kohlschütter.
Using odp metadata to personalize search. Proceedings of the 28th annual in-ternational ACM SIGIR conference on Research and development in information retrieval, SIGIR ’05, strony 178–185, New York, NY, USA, 2005. ACM.
[10] B. Choi, Z. Yao. Web page classification. Wesley Chu, Tsau Young Lin, redaktorzy, Foundations and Advances in Data Mining, wolumen 180 serii Studies in Fuzziness and Soft Computing, strony 221–274. Springer Berlin / Heidelberg, 2005.
[11] Associate Professor Dan Jurafsky, Professor. Christopher Manning. Natural language processing coursera.
[12] M. Daoud, L. Tamine-Lechani, M. Boughanem. Learning user interests for a session-based personalized search. Proceedings of the second international symposium on Information interaction in context, strony 57–64, 2008.
[13] Mayur [US] DATAR, Ashutosh [US] GARG. Scalable user clustering based on set similarity, Czerwiec 2010. G06F 17/30; G06F 7/00; 707803; 707804.
[14] Zhicheng Dou, Ruihua Song, Ji-Rong Wen. A large-scale evaluation and ana-lysis of personalized search strategies. Proceedings of the 16th international
Bibliografia 64 conference on World Wide Web, WWW ’07, strony 581–590, New York, NY, USA, 2007. ACM.
[15] Overland Park KS Gary Culliss. Personalized search methods, Stycze/n 2001.
G06F 1730; 707/5.
[16] E. J. Glover, G. W. Flake, S. Lawrence, W. P. Birmingham, A. Kruger, C. L.
Giles, D. M. Pennock. Improving category specific web search by learning qu-ery modifications. International Symposium on Applications and the Internet, strony 23–32, 2001.
[17] M. Gordon, P. Pathak. Finding information on the world wide web: the retrie-val effectiveness of search engines. Information processing and management, 35(2):141–180, 1999.
[18] Philipp Haller, Martin Odersky. Scala actors: Unifying thread-based and event-based programming. Theoretical Computer Science, 410(2-3):202–220, Luty 2009.
[19] B. J. Jansen, A. Spink. How are we searching the world wide web? a comparison of nine search engine transaction logs. Information Processing
& Management, 42(1):248–263, 2006.
[20] Alfred Kobsa. Privacy-enhanced web personalization. Peter Brusilovsky, Al-fred Kobsa, Wolfgang Nejdl, redaktorzy, The Adaptive Web, wolumen 4321 serii Lecture Notes in Computer Science, strony 628–670. Springer Berlin / Heidelberg, 2007.
[21] G. Koutrika, Y. Ioannidis. A unified user profile framework for query disam-biguation and personalization. Proceedings of workshop on new technologies for personalized information access, strony 44–53, 2005.
[22] R. Kumar, P. K. Suri, R. K. Chauhan. Search engines evaluation. DESIDOC Bulletin of Information Technology, 25(2):3–10, 2005.
[23] Lin Li, Zhenglu Yang, Botao Wang, Masaru Kitsuregawa. Dynamic adaptation strategies for long-term and short-term user profile to personalize search.
Guozhu Dong, Xuemin Lin, Wei Wang, Yun Yang, Jeffrey Yu, redaktorzy, Advances in Data and Web Management, wolumen 4505 serii Lecture Notes in Computer Science, strony 228–240. Springer Berlin / Heidelberg, 2007.
[24] F. Liu, C. Yu, W. Meng. Personalized web search by mapping user queries to categories. Proceedings of the eleventh international conference on Information and knowledge management, strony 558–564, 2002.
[25] Julia Luxenburger, Shady Elbassuoni, Gerhard Weikum. Matching task pro-files and user needs in personalized web search. Proceedings of the 17th ACM conference on Information and knowledge management, CIKM ’08, strony 689–698, New York, NY, USA, 2008. ACM.
[26] Christopher D. Manning, Prabhakar Raghavan, Hinrich Schtze. Introduction to Information Retrieval. Cambridge University Press, New York, NY, USA, 2008.
[27] Nicolaas Matthijs, Filip Radlinski. Personalizing web search using long term browsing history. Proceedings of the fourth ACM international conference on Web search and data mining, WSDM ’11, strony 25–34, New York, NY, USA, 2011. ACM.
[28] M. Odersky, P. Altherr, V. Cremet, B. Emir, S. Maneth, S. Micheloud, N. Mi-haylov, M. Schinz, E. Stenman, M. Zenger. An overview of the scala pro-gramming language. Raport instytutowy, Technical Report IC/2004/64, EPFL Lausanne, Switzerland, 2004.
[29] Marcin Paprzycki. Agenci programowi jako metodologia tworzenia oprogramo-wania. 2003.
Bibliografia 65 [30] Xiaoguang Qi, Brian D. Davison. Web page classification: Features and
algorithms. ACM Comput. Surv., 41(2):12:1–12:31, 2009.
[31] Feng Qiu, Junghoo Cho. Automatic identification of user interest for perso-nalized search. Proceedings of the 15th international conference on World Wide Web, WWW ’06, strony 727–736, New York, NY, USA, 2006. ACM.
[32] Inbal Ronen, Elad Shahar, Sigalit Ur, Erel Uziel, Sivan Yogev, Naama Zwer-dling, David Carmel, Ido Guy, Nadav Har’el, Shila Ofek-Koifman. Social ne-tworks and discovery in the enterprise (sand). Proceedings of the 32nd inter-national ACM SIGIR conference on Research and development in information retrieval, SIGIR ’09, strony 836–836, New York, NY, USA, 2009. ACM.
[33] M. Sanderson, W.B. Croft. The history of information retrieval research.
Proceedings of the IEEE, 100(Special Centennial Issue):1444 –1451, 13 2012.
[34] D. Shen, Z. Chen, Q. Yang, H. J. Zeng, B. Zhang, Y. Lu, W. Y. Ma. Web-page classification through summarization. Proceedings of the 27th annual inter-national ACM SIGIR conference on Research and development in information retrieval, strona 242–249, 2004.
[35] A. Sieg, B. Mobasher, R. Burke. Web search personalization with ontological user profiles. Proceedings of the sixteenth ACM conference on information and knowledge management, strona 525–534, 2007.
[36] C. Silverstein, H. Marais, M. Henzinger, M. Moricz. Analysis of a very large web search engine query log. ACm SIGIR Forum, wolumen 33, strony 6–11, 1999.
[37] Kazunari Sugiyama, Kenji Hatano, Masatoshi Yoshikawa. Adaptive web se-arch based on user profile constructed without any effort from users. Pro-ceedings of the 13th international conference on World Wide Web, WWW ’04, strony 675–684, New York, NY, USA, 2004. ACM.
[38] Jian-Tao Sun, Hua-Jun Zeng, Huan Liu, Yuchang Lu, Zheng Chen. Cubesvd:
a novel approach to personalized web search. Proceedings of the 14th interna-tional conference on World Wide Web, WWW ’05, strony 382–390, New York, NY, USA, 2005. ACM.
[39] T. Takenobu, D. Kaplan N., Calzolari, M. Monachini, C. Soria, V. Sornlertla-mvanich, T. Charoenporn, X. Yingju, C. R. Huang, S. K. Hsieh. Query expan-sion using lmf-compliant lexical resources. Proceedings of the 7th Workshop on Asian Language Resources, strony 145–152, 2009.
[40] Bin Tan, Xuehua Shen, ChengXiang Zhai. Mining long-term search history to improve search accuracy. Proceedings of the 12th ACM SIGKDD interna-tional conference on Knowledge discovery and data mining, KDD ’06, strony 718–723, New York, NY, USA, 2006. ACM.
[41] J. Teevan, S. T. Dumais, D. J. Liebling. To personalize or not to persona-lize: modeling queries with variation in user intent. Proceedings of the 31st annual international ACM SIGIR conference on Research and development in information retrieval, strona 163–170, 2008.
[42] Jaime Teevan, Susan T. Dumais, Eric Horvitz. Personalizing search via au-tomated analysis of interests and activities. Proceedings of the 28th annual international ACM SIGIR conference on Research and development in informa-tion retrieval, SIGIR ’05, strony 449–456, New York, NY, USA, 2005. ACM.
[43] Jaime Teevan, Susan T. Dumais, Eric Horvitz. Potential for personalization.
ACM Trans. Comput.-Hum. Interact., 17(1):4:1–4:31, Kwiecie/n 2010.
[44] Jaime Teevan, Meredith Ringel Morris, Steve Bush. Discovering and using groups to improve personalized search. Proceedings of the Second ACM Inter-national Conference on Web Search and Data Mining, WSDM ’09, strony 15–24, New York, NY, USA, 2009. ACM.
Bibliografia 66 [45] J. Trajkova, S. Gauch. Improving ontology-based user profiles. Praca dok-torska, University of Kansas, Electrical Engineering and Computer Science, 2003.
[46] D. Wolfram, A. Spink, B. J. Jansen, T. Saracevic, i in. Vox populi: The public searching of the web. JASIST, 52(12):1073–1074, 2001.
[47] Jinxi Xu, W. Bruce Croft. Query expansion using local and global document analysis. Proceedings of the 19th annual international ACM SIGIR conference on Research and development in information retrieval, SIGIR ’96, strony 4–11, New York, NY, USA, 1996. ACM.
[48] Shengliang Xu, Shenghua Bao, Ben Fei, Zhong Su, Yong Yu. Exploring folk-sonomy for personalized search. Proceedings of the 31st annual international ACM SIGIR conference on Research and development in information retrieval, SIGIR ’08, strony 155–162, New York, NY, USA, 2008. ACM.
[49] Yiming Yang, Xin Liu. A re-examination of text categorization methods. Pro-ceedings of the 22nd annual international ACM SIGIR conference on Research and development in information retrieval, SIGIR ’99, strony 42–49, New York, NY, USA, 1999. ACM.