Online Personalization in Exploratory Search

Näytä kaikki kuvailutiedot

Permalink

http://urn.fi/URN:ISBN:978-951-51-4304-4
Julkaisun nimi: Online Personalization in Exploratory Search
Tekijä: Pyykkö, Joel
Muu tekijä: Helsingin yliopisto, matemaattis-luonnontieteellinen tiedekunta
Tietojenkäsittelytieteen tohtoriohjelma
Opinnäytteen taso: Väitöskirja (artikkeli)
Kuuluu julkaisusarjaan: URN:ISSN:1238-8645
Tiivistelmä: Modern society produces vast amounts of digital data related to multiple domains of our lives. We produce data in our free time when browsing the net or taking photos with various personal devices, such as phones or ipads. Businesses and governments also gather a lot of information related to our interests, habits or otherwise personal information (legal status, health data, etc.). The amount of data produced is growning too large for us to be handled manually, and so to assist the user, specialized information retrieval systems have been developed to allow efficient perusal of different types of data. Unfortunately, as using such systems often requires expert understanding of the domain in question, many users get lost in their attempt to navigate the search space. This problem will only be exacerbated in the future, as the amount of data keeps growing, giving us less time to learn about the domains involved. Exploratory search is a field of research that studies user behaviour in situations, where users have little familiarity with the search domain, or have not yet decided exactly what their search goal is. Situations such as these arise when the user wishes to explore what is available, or is otherwise synthesizing or investigating the data. To assist the user in exploratory search and in finding relevant information, various methodologies may be employed, such as user modeling techniques or novel interfaces and data visualization techniques. This thesis presents exploratory search techniques for online personalization and feature representations that allow efficient perusal of unknown datasets. These methods are showcased in two different search environments. First, we present a search engine for scientific document retrieval, which takes the user's knowledge level into account in order to provide the user with more or less diverse search results. The second search environment aims at supporting the user when browsing through a dataset of unannotated images. Overall, the research presented here describes a number of techniques based on reinforcement learning and neural networks that, compared to traditional search engines, can provide better support for users who are unsure of the final goal of their search or who cannot easily formulate their search needs.Moderni yhteiskunta tuottaa suuria määriä digitaalista dataa liittyen elämämme eri osa-alueisiin. Tuotamme tätä dataa vapaa-ajallamme kun käymme internetissä, tai tuotamme moninaista multimediaa eri älylaitteillamme. Tämä näkyy vahvasti myös yritysten liiketoiminnassa ja valtioiden hallinnassa, missä erilaisten toimintojen seurantaa kirjataan digitaalisesti, kuten laillisen informaation, terveysdatan ja henkilökohtaisen datan muodossa. Tuotetun datan määrä on kasvamassa liian suureksi yksittäisten ihmisten käsiteltäväksi, ja täten järjestelmiä mitkä automatisoivat hakuprosessia tuotetaan enenevässä määrin. Valitettavasti, useat näistä järjestelmistä vaativat asiantuntemusta annetulta alalta, minkä takia käyttäjät eksyvät helposti hakuavaruuteen. Exploratiivinen haku on tieteenala joka tutkii käyttäjän käyttäytyymistä tilanteissa, missä heillä on vähän tuntemusta alalta, tai he eivät ole vielä päättäneet mikä on heidän hakunsa päämäärä. Tällaiset tilanteet syntyvät kun käyttäjä haluaa kartoittaa saatavilla olevaa aineistoa, tai muuten syntetisoida tai tutkia kyseistä dataa. Oleellisen tiedon löytämiseksi exploratiivinen haku hyödyntää erilaisia menetelmiä, kuten käyttäjän mallintamista, erikoisia käyttöliittymiä tai datan visualisointimenetelmiä. Tämä kirja esittelee exploratiivisen haun menetelmiä ajantasaiseen personalisointiin ja piirrerepresentaatioihin, mitkä mahdollistavat käyttäjälle entuudestaan tuntemattomien tietokantojen tehokkaan käsittelyn. Nämä menetelmät esitellään kahden hakujärjestelmän yhteydessä. Ensiksi, esittelemme hakukoneen tieteellisille artikkeleille, mikä ottaa käyttäjän tietotason huomioon kun hakutuloksia esitellään. Jälkimmäinen hakukone mahdollistaa annotoimattomien kuvien tehokkaan selailun. Kokonaisuudessaan, tämä kirja kertoo useasta tutkimus- ja järjestelmämenetelmästä, mitkä, verrattuna perinteisiin hakukoneisiin, tukevat epävarman käyttäjän hakuprosessia tuntemattomassa ympäristössä paremmin.
URI: URN:ISBN:978-951-51-4304-4
http://hdl.handle.net/10138/235331
Päiväys: 2018-06-15
Avainsanat:
Tekijänoikeustiedot: Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.


Tiedostot

Latausmäärä yhteensä: Ladataan...

Tiedosto(t) Koko Formaatti Näytä
OnlinePe.pdf 5.643MB PDF Avaa tiedosto

Viite kuuluu kokoelmiin:

Näytä kaikki kuvailutiedot