휴먼-컴퓨터 정보 검색

Human–computer information retrieval

HCIR(Human-computer Information recovery, HCIR)은 인간의 지능을 검색 과정에 도입하는 정보 검색 기법의 연구 및 엔지니어링이다.휴먼-컴퓨터 상호작용(HCI)과 정보검색(IR)의 분야를 결합하고, 휴먼 컨텍스트를 고려하거나, 휴먼 피드백의 기회를 제공하는 다단계 검색 프로세스를 통해 검색을 개선하는 시스템을 만든다.null

역사

인간-컴퓨터 정보 검색이라는 용어는 게리 마르치오니니가 2004년부터 2006년 사이에 연달아 행해진 강연에서 생겨났다.[1]Marchionini의 주요 논문은 "HCIR은 사람들이 대규모 정보 기반을 탐색할 수 있도록 하는 것을 목표로 하지만 인지 에너지와 물리적 에너지를 소비함으로써 사람들이 또한 이러한 통제에 대해 책임을 질 것을 요구한다"는 것이다.null

1996년과 1998년, 글래스고 대학의 정보 검색과 인간-컴퓨터 상호작용에 관한 워크숍 한 쌍은 이 두 분야 사이의 중첩을 다루기 위해 노력했다.Marchionini는 월드 와이드 웹의 영향과 정보 사용능력의 급격한 증가 - 1990년대 후반에는 태아에 불과했던 변화에 주목한다.null

몇몇 워크샵은 IR과 HCI의 교차점에 초점을 맞추었다.2005년 메릴랜드 대학교 휴먼-컴퓨터 인터랙션 랩이 시작한 탐색 탐색 탐색 워크샵은 컴퓨터 기계 정보 검색 특별 이익 그룹(SIGIR)과 컴퓨터-인간 상호작용 특별 이익 그룹(CHI)이 번갈아 가며 열린다.또한 2005년에는 유럽과학재단이 컨텍스트에서 정보검색에 관한 탐구 워크숍을 개최하였다.그 후, 2007년 제1회 인간 컴퓨터 정보 검색 워크숍이 매사추세츠 공과대학에서 열렸다.null

설명

HCIR은 IR과 HCI의 다양한 측면을 포함한다.여기에는 사용자가 학습과 조사를 촉진하기 위해 일반적으로 질의와 탐색 전략을 결합하는 탐색적 검색, 맥락에서의 정보 검색(즉, 질의에 일반적으로 반영되지 않는 사용자나 환경의 측면을 고려함), Peter Ingwersen이 정의한 대화형 정보 검색 등이 포함된다.s "정보 검색(IR), 즉 사용자, 중개자, IR 시스템의 모든 주요 참여자를 참여시킴으로써 정보 검색 중에 발생하는 쌍방향 통신 프로세스."[2]

HCIR의 주요 관심사는 인간 사용자를 위한 IR 시스템이 그러한 사용자의 요구를 반영하는 방식으로 구현되고 평가된다는 것이다.[3]null

대부분의 현대적인 IR 시스템은 순위 검색 모델을 채택하고 있는데, 이 모델에서 문서는 질의에 대한 문서의 관련성 확률을 기반으로 채점된다.[4]이 모델에서 시스템은 최상위 문서만을 사용자에게 제시한다.이 시스템은 일반적으로 TREC(문자 검색 회의)와 같은 조직의 벤치마크 질의 집합에 대한 평균 정밀도에 기초하여 평가된다.null

HCIR은 정보 검색 과정에서 인간의 지능을 사용하는 것을 강조하기 때문에, 시스템의 IR 및 HCI 구성요소에 대한 평가를 결합한 다른 평가 모델을 요구한다.HCIR의 주요 연구 영역에는 이러한 시스템의 평가가 포함된다.자동 질의 개혁을 위한 다양한 수준의 상호작용에 대한 Juergen Koenemann과 Nicholas J. Belkin의 1996년 연구와 같은 대화형 정보 검색에 대한 초기 연구, 정밀도와 리콜의 표준 IR 측정치를 활용하지만 단일 질의 응답자가 아닌 사용자 상호작용의 다중 반복의 결과에 적용한다.se.[5] Pia Borlund의 IIR 평가 모델과 같은 다른 HCIR 연구는 사용자의 특성, 실험 설계의 세부사항 등을 중심으로 HCI를 더 연상시키는 방법론을 적용한다.[6]null

목표들

HCIR 연구원들은 사용자가 관련 결과를 더 잘 결정할 수 있는 시스템을 위해 다음과 같은 목표를 제시했다.[1][7]null

시스템은 다음과 같이 해야 한다.

  • 더 이상 관련 문서를 전달할 뿐만 아니라 의미론적 정보를 해당 문서와 함께 제공해야 한다.
  • 통제뿐만 아니라 사용자 책임도 증대한다. 즉, 정보시스템은 인간의 지적 노력을 필요로 한다.
  • 유연한 아키텍처를 갖추어 점점 더 까다롭고 지식이 풍부한 사용자 기반에 적응하고 진화시킬 수 있다.
  • 개별적인 독립형 서비스보다는 개인 및 공유 메모리 및 도구의 정보 생태계의 일부가 되는 것을 목표로 한다.
  • 보급이나 이용 단계만이 아닌 전체 정보 라이프사이클(창작에서 보존까지)을 지원한다.
  • 최종 사용자 및 특히 정보 리소스에 가치를 추가하는 정보 전문가에 의한 조정 지원
  • 매력적이고 사용하기에 재미있다.

요컨대 정보검색 시스템은 좋은 도서관이 하는 방식으로 운영될 것으로 예상된다.시스템은 사용자가 데이터 또는 정보(이 용어들의 매우 좁고 세분화된 의미)와 지식(정보 검색 프로세스의 다음 반복을 알리는 데 필요한 맥락을 제공하는 처리된 데이터 또는 정보) 사이의 간극을 메울 수 있도록 도와야 한다.즉, 좋은 도서관은 그 정보를 탐색하고, 이해하고, 보존하고, 지식으로 전환하기 위해 (이것은 새로운, 더 많은 정보를 필요로 한다) 후원자가 필요로 하는 정보뿐만 아니라 학습 과정의 파트너인 정보 전문가도 제공한다.null

기술

HCIR과 관련된 기법은 인간 지능을 사용하여 사용자를 관련 결과로 이끄는 정보의 표현을 강조한다.또한 이러한 기법은 사용자가 불필요한 시간 비용, 마우스 클릭 또는 컨텍스트 이동 없이 데이터 집합을 탐색하고 소화할 수 있도록 한다.null

많은 검색 엔진은 HCIR 기술을 통합한 특징을 가지고 있다.맞춤법 제안과 자동 질의 개혁은 사용자를 관련 결과로 이끌 수 있는 잠재적 검색 경로를 제안하기 위한 메커니즘을 제공한다.이러한 제안은 사용자에게 제시되어 선택과 해석에 대한 통제를 사용자의 손에 맡긴다.null

측면 검색은 사용자가 카테고리에서 하위 카테고리로 이동하면서 정보를 계층적으로 탐색할 수 있도록 하지만 카테고리가 표시되는 순서를 선택할 수 있다.이는 범주의 계층이 고정되고 변하지 않는 전통적인 분류법과 대비된다.측면 탐색은 분류학 탐색과 같이 사용자에게 이용 가능한 범주(또는 측면)를 보여줌으로써 사용자를 안내하지만, 사용자의 요구나 사고방식에 정확히 맞지 않을 수 있는 계층 구조를 탐색할 필요는 없다.[8]null

룩어헤드는 패널티 없는 탐사에 대한 일반적인 접근방식을 제공한다.예를 들어, 다양한 웹 애플리케이션은 AJAX를 사용하여 자동으로 쿼리 용어를 작성하고 인기 있는 검색을 제안한다.룩어헤드의 또 다른 일반적인 예는 검색 엔진이 검색 질의의 단어와 가장 관련성이 높은 문서 텍스트의 정적 정보(예: 객체에 대한 메타데이터)와 "스니펫"을 모두 포함하여 결과에 대한 요약 정보를 주석을 추가하는 방법이다.null

목적적합성 피드백은 사용자가 특정 결과가 목적적합한지 여부를 표시하여 IR 시스템을 안내할 수 있도록 한다.[9]null

요약 및 분석은 사용자가 쿼리에서 돌아온 결과를 소화할 수 있도록 돕는다.여기서 요약하는 것은 질의 결과를 인간-소비형식으로 통합하거나 압축하는 모든 수단을 포괄하는 것이다.위에서 설명한 면밀한 검색은 그러한 형태의 요약이다.또 다른 하나는 클러스터링으로, 유사하거나 공동으로 발생한 문서나 용어를 그룹화하여 문서 집합을 분석한다.클러스터링은 결과를 관련 문서 그룹으로 분할할 수 있다.예를 들어, "java"를 검색하면 Java(프로그래밍 언어), Java(섬) 또는 Java(커피)에 대한 클러스터가 반환될 수 있다.null

데이터의 시각적 표현도 HCIR의 핵심 측면으로 간주된다.요약 또는 분석의 표현은 집계된 데이터의 표, 차트 또는 요약으로 표시될 수 있다.사용자가 검색 결과의 요약 보기에 액세스할 수 있는 다른 종류의 정보 시각화에는 태그 클라우드와 트리맵핑이 포함된다.null

관련 영역

참조

  1. ^ a b 마리오니, G. (2006년)2006년 6월/7월 휴먼-컴퓨터 정보검색 회보, 미국정보과학학회 회보
  2. ^ "Ingwersen, P. (1992). Information Retrieval Interaction. London: Taylor Graham". Archived from the original on 2007-11-25. Retrieved 2007-11-28.
  3. ^ "Mira working group (1996). Evaluation Frameworks for Interactive Multimedia Information Retrieval Applications". Archived from the original on 2008-02-01.
  4. ^ 그로스만, D.와 프리더, O. (2004)정보 검색 알고리즘 및 휴리스틱스.
  5. ^ Koenemann, J.와 Belkin, N. J. (1996년).상호작용의 예: 상호작용 정보 검색 행동과 효과에 대한 연구.컴퓨터 시스템의 인적 요인에 관한 SIGCHI 회의의 절차: 공통 그라운드 (Vancouver, British Columbia, Canada, 1996년 4월 13일–18일)M. J. 타우버, 에드.CHI 96.ACM 프레스, 뉴욕, 205-212
  6. ^ 볼룬드, P. (2003)IIR 평가 모델: 쌍방향 정보 검색 시스템의 평가를 위한 프레임워크.정보 연구, 8(3), 종이 152
  7. ^ 화이트, R, 카프라, R, 골로프친스키, G, 쿨스, B, 스미스, C, 툰켈랑 (2013년)휴먼-컴퓨터 정보 검색에 관한 특별호 소개정보처리 및 관리 저널 49(5), 1053-1057
  8. ^ 허스트, M. (1999년)사용자 인터페이스 및 시각화, Baeza-Yates, R. 및 Ribeiro-Neto, B. 현대 정보 검색 10장.
  9. ^ 로키오, J. (1971)정보 검색의 관련성 피드백.In: Salton, G(ed), The SMART Recovering System.

외부 링크