Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Einsatz von Recommendersystemen am Beispiel des neuen OPACs der UB Karlsruhe Uwe Dierolf.

Ähnliche Präsentationen


Präsentation zum Thema: "Einsatz von Recommendersystemen am Beispiel des neuen OPACs der UB Karlsruhe Uwe Dierolf."—  Präsentation transkript:

1 Einsatz von Recommendersystemen am Beispiel des neuen OPACs der UB Karlsruhe Uwe Dierolf

2 Gliederung Die UB Karlsruhe Der neue OPAC, XOPAC, der UB Karlsruhe Das Recommendersystem im XOPAC Erweiterungen als Ergebnisse des DFG-Projekts Recommendersysteme für Meta-Bibliothekskataloge -kurz: KVK-Recommender

3 Campusuniversität gute technische Infrastruktur Festnetz: LWL mit 1-10 GBit Flächendeckendes Funknetz älteste TH in Deutschland, 1825 gegründet, seit Forschungsuniversität ! Schwerpunkt Ingenieur-, Natur- und Wirtschaftswissenschaften ca Beschäftigte ca Studenten Universität Karlsruhe (TH)

4 Zentralbibliothek funktional einschichtig Universitätsbibliothek Karlsruhe 12-geschossiger Turmbau Konventionelle Konzeption - -80% Magazinbestand Bände Ausleihen Erweiterungsbau ab Bände Freihand - -7 x 24h-Betrieb Lesesaalplätze

5 XOPAC – eXtendable OPAC Hybrid-OPAC -Volltext-Engine als Suchmaschine a la Google -Relationale Datenbank als Anzeigekomponente Basis: Open Source Komponenten -Linux -PostgreSQL V Volltext-Engine Swish-e V Programmiersprache PHP V 5.x XOPAC ist Open Source -frei verfügbar -schnell -flexibel -erweiterbar

6 XOPAC- Suchmaske

7 Einzeltreffer Buch

8 Einzeltreffer Zeitschrift

9 Kontextabhängige Links bei Einzeltreffern Benutzer sieht direkt das, was möglich ist -Link zu den Empfehlungen wird nur angezeigt, falls Empfehlungen vorliegen -Online-Prüfung bei jeder Volltitelanzeige exist recommendation ? Unterschied zum SFX-Konzept -ist ein kontextbezogener Linking Service -hier wird erst dann geprüft, welche Links angeboten werden, wenn der Benutzer den SFX-Button anklickt Meldung im BVB Das Serviceangebot für Ihren Treffer wird ermittelt

10 Empfehlungen

11 Kennzahlen zum XOPAC-Recommender Empfehlungslisten mit durchschnittlich 10 Empfehlungen -Empfehlungen für ca. 50% aller Titel im Unikatalog KA -Sortierung nach Güte der Empfehlungen (Anzahl der gemeinsamen Benutzungen in Klammern) Aufruf der Empfehlungen in Jan4545 Feb6102 März4214 April11208 Mai Juni12080 Juli12944 August Derzeit ca. 600 Anfragen pro Tag

12 Klassifikation von Recommenderdiensten Eine Form von "bibliographic enrichment" Explizite Recommenderdienste -Beispiel: Rezensionen z.B. bei Amazon -Mit und ohne Ranking Verhaltensbasierte Recommenderdienste -Automatisch erzeugte Empfehlungen -Beispiel: Amazon "Kunden, die dieses Buch gekauft haben, haben auch diese Bücher gekauft -Beispiel: Recommender im XOPAC "Kunden, die dieses Buch interessant fanden, fanden auch diese Bücher interessant

13 Der 1. Empfehlungsdienst Fernseh- und Rundfunkwerbung Wir wissen nicht, was dieser freundliche Tankwart empfiehlt, wir empfehlen.... ausgeblendet

14 Verhaltensbasierte Recommenderdienste Recommenderdienste können eine auf statistischen Auswertungen basierende Kaufempfehlung aussprechen Grundlage des Recommenders im XOPAC -Ehrenbergs Repeat-Buying Theorie (1988) Beschreibende Theorie zum Konsumentenverhalten Analyse von Warenkörben Für einen Recommenderdienst relevante Faktoren -Kunden (anonym) -Produkte -Warenkörbe

15 Ehrenbergs Repeat-Buying Theorie Kernaussage Of the thousand and one variables which might affect buyer behavior, it is found that nine hundred and ninety-nine usually do not matter. Many aspects of buyer behavior can be predicted simply from the penetration (Marktdurchdringung) and the average purchase frequency of an item, and even these two variables are interrelated. Irrelevante Faktoren für Ermittlung von Empfehlungen -Packungsgröße -Motivation (warum kauft ein Kunde das Produkt) ausgeblendet

16 Empfehlungsdienst aus Sicht eines Mathematikers Ehrenbergs Repeat-Buying Theorie -Stochastisches Kaufverhaltensmodell -Kaufverteilung von Produktpaaren ist eine LSD-Verteilung -Anwenden eines 2 -Tests zwischen beobachteter und erwarteter Verteilung LSD-Verteilung -Logarithmic Series Distribution = Logarithmische Reihenverteilungsmodell Poissonprozesse

17 Empfehlungsdienst aus Sicht eines Informatikers Agentenbasierte Software Intelligente Agenten sind Softwareeinheiten, die eine Menge von Operationen im Auftrag eines Benutzers oder eines anderen Programmes mit einem gewissen Grad von Unabhängigkeit oder Autonomie ausführen und dabei Wissen über die Ziele und Wünsche des Benutzers anwenden" (IBM)

18 Generierung der Empfehlungen Betrachtung von Produktpaaren in Warenkörben von Kunden Zufällig gemeinsam gekaufte Produkte dürfen nicht empfohlen werden Nicht zufällig gemeinsam gekaufte Produkte werden empfohlen -Produkte, die häufiger zusammen gekauft wurden als vom stochastischen Modell erwartet += Klassisches Beispiel: Sprühsahne und Erdbeeren - -Werden im Supermarkt benachbart positioniert

19 LSD-Verteilungsfunktion Ausreißer in Bezug auf den Erwartungswert sind empfehlenswert ausgeblendet

20 Übertragung der Theorie auf Bibliothekskataloge KundenOPAC-Benutzer ProdukteTitel ProduktnummerVerbund-Identnummer oder ISBN/ISSN WarenkörbeIn einer OPAC-Sitzung betrachtete Titel Elimination des Zufalls -Beim Blättern erreichte Titel werden nicht berücksichtigt Wünschenswert Berücksichtigung der Relevanz eines Titels für den Benutzer -Vorteil: Verbessertes Ranking bei den Empfehlungslisten -Maß für die Relevanz Betrachtungsdauer Fanden weitere Aktionen statt? –Ausleihvorgang, Dokumentlieferung, etc.

21 Eigenschaften dieses Recommenders funktioniert ohne Nachbearbeitung seitens Personal benötigt keine Vorhersagemodelle bzw. Annahmen ist robust gegenüber Störungen in den Log-Daten sehr effiziente, inkrementelle Aktualisierung der Warenkörbe -O(n 2 ) in Zeit und Speicherplatz, n Anzahl der zu aktualisierenden Titel Fazit -schnell -liefert qualitativ gute Empfehlungen -sehr neutral, da keine kommerziellen Interessen vorliegen

22 Praxis Auswertung der Logfiles des XOPAC -access_log des Apache Web-Server -Umstellung auf Online-Logging im Moment der Volltitelanzeige exist recommendation ?-Prüfung überträgt Logdaten online –Session-ID, OPAC, Titel-ID, ISBN, Uhrzeit Vorteil: Jeder OPAC könnte den Recommenderdienst nutzen ! Empfehlungen werden aus wiederholt gemeinsam betrachteten Volltiteln abgeleitet -gemeinsam == innerhalb einer OPAC-Sitzung -Titel eindeutig identifizierbar anhand z.B. Verbund-Identnummer ermöglicht katalogübergreifende Empfehlungen (UBKA + BLB) Aufbau eines guten Recommendersystem langwierig -1/2 – 1 Jahr bis gute Empfehlungen vorliegen -kann stark verkürzt werden, wenn alte Logdaten vorliegen

23 Datenmodell Online-Logging erfordert folgende EntitätenLogdaten Werk ISBNs Werk-ID OPAC Beispiel:UBKA Ronneburg, Frank Debian GNU-Linux-Anwenderhandbuch 2005 ausgeblendet

24 Wie kommt die UB Karlsruhe zu diesem Dienst? Recommendersystem ist Ergebnis eines DFG-Projekts -DFG-Schwerpunktprogramm V3D2 Verteilte Verarbeitung und Vermittlung digitaler Dokumente -Teilprojekt Wissenschaftliche Bibliotheken in Informationsmärkten -Laufzeit – Projektpartner Prof. Dr. Andreas Geyer-Schulz Institut für Informationswirtschaft und –management –Implementierung des Recommender-Servers Universitätsbibliothek Karlsruhe –Einbindung in den OPAC

25 Weitere Entwicklungen DFG-Projekt Recommendersysteme für Meta-Bibliothekskataloge -Laufzeit Juli Juli 2006 Arbeitspakete -KVK-Recommender -Expliziter Recommenderdienst -Integration in den Benachrichtigungsdienst der UB -Verbesserung des Bestandsmanagements -Verbesserung der inhaltlichen Erschließung

26 KVK-Recommender Idee -Anwendung der Erfahrungen des beim XOPAC eingesetzten Recommenders im KVK -ISBN zur Identifizierung gleicher Titel in verschiedenen Katalogen da ein Global Identifier nicht vorhanden Praxis -Problem: Wie kann man einen Empfehlungen-Link bei der Volltitelanzeige in KVK-Zielsystemen anbieten ? -Wrapper-Ansatz (Bsp.: Fernleih-KVK) wurde verworfen -Präferierter Ansatz erfordert lediglich Javascript und Kooperationsbereitschaft seitens der Katalogbetreiber Anreiz -Recommender-Service für beliebige OPACs

27 Expliziter Recommenderdienst Entwicklung eines Reviewdienstes -Benutzer können explizit Ihre Meinung äussern (Rezension) -Gruppierung nach Nutzertypen (Student, Mitarbeiter, Professor) -Erstellung von Reviewrichtlinien Vermeidung von –verfälschenden Reviews –übler Nachrede Aktuell: Spiegel Online-Artikel vom Anarchie im Feuilleton Entwicklung eines Rankingdienstes -Befragung der Benutzer zur Güte eines Titels -Skala: hilfreich - unbrauchbar

28 Integration in Benachrichtigungsdienst Idee -Versand einer Mail-Benachrichtigung, falls es neue Empfehlungen zu einem interessanten Titel gibt Praxis -Alert me-Funktion auf den Empfehlungsseiten. Erstellt automatisch einen Recommender-Eintrag im Alerting Service der UB

29 Alerting Service

30 Alert me-Funktion

31 Verbessertes Bestandsmanagement Idee -Betriebswirtschaftliche Verfahren zum Sortimentsmanagement im Handel auf den Bibliotheksbereich übertragen -Nutzen für Beschaffungsentscheidungen seitens der Fachreferenten Bestandsentwicklung

32 Verbesserte inhaltliche Erschließung Idee -Entwicklung automatischer Klassifikationsverfahren zur Benennung von Clustern Zielsetzung für UB Karlsruhe -Recommender als Ergänzung der vorhandenen inhaltlichen Erschließungssysteme Notationssystem bis 1993 (lokal) Aufstellungssystematik ab 1994 (lokal) Schlagwörter nach RSWK (regional) [RVK (regional)] Systematiken der Institutsbibliotheken Praxis -Großteil der Titel im OPAC sind nicht sachlich erschlossen -Automatische Vergabe von Schlagworten von Titeln mit Schlagworten an Titel ohne Schlagworte

33 Umsetzung im XOPAC Titelbezogene Weiterführung im Uni-Katalog bereits vorhanden -weitere Literatur des Autors zum Fachgebiet Konzept der Zusatzdaten -Anreicherung der vom Verbund gelieferten Daten -Übernahme von Daten aus dem Ausleihsystem vermeidet redundante Datenerfassung (Lokalsystem + Verbund) Fachgruppen Standorte Handapparate Semesterapparate -Übernahme von Daten vom Recommendersystem automatisch erzeugte Schlagworte

34 Vorteile von Recommendersystemen sehr günstiger Betrieb, da maschinelles Verfahren bieten einen Mehrwert für Benutzer können neutrale Empfehlungen aussprechen im Gegensatz zu einer Systematik veralten Empfehlungen nicht Anzahl der Empfehlungen ist ein Maß für die Nutzung eines Titels Qualität steigt mit der Anzahl der Nutzung und Dokumenten medienneutral (auch Videos, Zeitschriftenaufsätze...) einheitliches Verfahren für unterschiedliche Kataloge Rationalisierungspotential durch -Verbesserung des Sortiments- und Bestandsmanagements -Automatische Erschließung

35 Nachteile von Recommendersystemen Empfehlungen nur bei Nutzung Zuordnung ist nicht transparent Vorsicht bei Recommenderdiensten bei kommerziellen Angeboten -Vom Vertrieb manipulierte Empfehlungen (Bias) Teuerstes Produkt oder Produkt mit größter Gewinnspanne oben Kunden sind nicht dumm –Umsatzrückgänge bei via Recommender verkauften Produkten auf Grund des Verlusts an Glaubwürdigkeit

36 Ausblick Recommender statt Sacherschließung ? Wird in Zukunft die intellektuelle Sacherschließung durch den Einsatz von Recommendersystemen ersetzt? What a Wonderful World

37 Dank DFG für Ihre Unterstützung Prof. Geyer-Schulz und seinen Mitarbeitern für die Implementierung des bestehenden Recommendersystems Projektmitarbeitern der UB Karlsruhe für die Implementierung des KVK-Recommenders Ihnen für Ihre Aufmerksamkeit Haben Sie noch Fragen ?


Herunterladen ppt "Einsatz von Recommendersystemen am Beispiel des neuen OPACs der UB Karlsruhe Uwe Dierolf."

Ähnliche Präsentationen


Google-Anzeigen