Krijgen we ooit de beschikking over slimme zoektechnologie? - presentatie op congres Kennis in Praktijk 2010

1. Krijgen we ooit de beschikking over slimme zoektechnologie? Suzan Verberne Information Foraging Lab, Radboud University Nijmegen Congres Kennis in Praktijk, 17 juni 2010 – WTC Rotterdam

2. Zoeken met Google

3. Zoeken met Google

4. Zoeken met Google

5. Hoe werkt Google? Index Relevantie-formule zoekvraag

6. De relevantie-formule van Google gebruikt: Het aantal voorkomens van de woorden uit de zoekvraag in de webpagina. Positie van de zoekwoorden in de webpagina (titel, URL): “Noord/Zuidlijn – HOME” Woorden die minder vaak in de index voorkomen wegen zwaarder dan woorden die heel vaak voorkomen: ‘de’ vs. ‘noord-zuidlijn’ Populariteit van de webpagina (aantal links, aantal kliks): wikipedia.org, amsterdam.nl, nrc.nl Hoe werkt Google?

7. Hoe werkt Google?

8. Meer specifieke informatie: Hoe gaat de noord-zuidlijn lopen? Wanneer is begonnen met de aanleg ervan? Verbanden, analyses en sentimenten: Wie was betrokken bij de besluitvorming rond de noord-zuidlijn? Welke partijen waren voor en welke waren tegen? Wat waren de argumenten voor en tegen? Hoe hebben de media gereageerd? Beperkingen van Google

9. Beperkingen van Google

10. Beperkingen van Google

11. Verschillende typen van zoeken

12. Zoeken met een volledige vraag: “wanneer is de aanleg van de noord-zuidlijn begonnen?” Zoekvraag is specifiek, antwoord is exact. Type antwoord dat de gebruiker verwacht, is expliciet in de vraag aangegeven: wanneer  jaartal/datum waar  plaats Het systeem gebruikt taalkundige intelligentie om het antwoord te vinden. Question Answering

13. Question Answering Index Ranking-formule zoekvraag Antwoordtype Lijst van mogelijke antwoorden Antwoorden extraheren Documenten oktober 1999 9 oktober 2002 april 2003

14. Voorbeeld: Joost (Nederlands) http://www.let.rug.nl/~tiedeman/joost/ “In welk jaar won Feyenoord de Europacup?” “Wat is de hoofdstad van Spanje?” “Hoe hoog is de Euromast?” Question Answering

15. Joost

16. Joost

17. Joost

18. Voorbeeld: Lexxe (Engels) http://www.lexxe.com/ “how tall is the euromast?” “who is the mayor of rotterdam?” “when was the north south line in amsterdam constructed?” Question Answering

19. Lexxe

20. Lexxe

21. Lexxe

22. Onderzoekend, interactief Toepassingen voor specifieke domeinen: biomedisch, patenten Kost de gebruiker veel tijd en moeite Maar: de precisie van het resultaat kan heel exact bepaald worden. Text Mining

23. Drie onderdelen: Zoeken: in een grote database worden documenten gevonden die over het gezochte onderwerp gaan. Analyseren: (delen van) de gevonden documenten worden door het systeem gecategoriseerd en geanalyseerd op relevante informatie. Presentatie: gestructureerde teksten worden aan de gebruiker gepresenteerd. Specifieke informatie die gevraagd is wordt apart getoond. Text Mining

24. Voorbeeld: PHASAR http://twoquid.cs.ru.nl/phasar/applet.html ‘aspirin’ ‘aspirin ?’ ‘aspirin causes ?’ ‘aspirin causes ? damage’ ‘aspirin causes mucosal damage’ Text Mining

25. PHASAR

26. PHASAR

27. PHASAR

28. PHASAR

29. PHASAR

30. Krijgen we ooit de beschikking over slimme zoektechnologie? Ja, door wetenschappers wordt voor veel soorten zoekproblemen technologie ontwikkeld. Die wetenschappers zijn afhankelijk van externe financiering en gebruikers die aangeven wat ze willen en wat ze nodig hebben om deze technologie echt commercieel bruikbaar te maken. Conclusies

31. Bedankt!