211service.com
Skitseret information
Leder du efter en anbefaling af en bog, cd eller film? Indtast navnet på en forfatter, som du kan lide på Gnooks.com, og der vises en skærm med andre forfattere. Men det, der gør webstedet anderledes, er, at forfatterne ikke vises som en rulleliste. I stedet sidder det navn, du giver, midt i browservinduet, mens de foreslåede navne drysses rundt, dirrende og dansende, som om de forsøgte at bøje hinanden ud af vejen for at nå midten.
Dette er søgevisualisering i aktion. Jo tættere en anden forfatter er på dit valg, jo mere sandsynligt tror systemet, at du også vil nyde den forfatters arbejde. Gnooks og andre systemer anvender datavisualisering og relationsanalyseteknikker for at hjælpe folk med at få et andet syn på, hvad der er på nettet. I stedet for at levere søgeresultater som en lang liste af links, viser grafiske søgninger, hvordan forskellige kategorier og typer information relaterer til hinanden. Den svære del er at finde en måde at præsentere informationen på uden at kræve, at brugeren skal have en grad i, hvordan man bruger grænsefladen.
Visualiseringsteknikker har eksisteret i nogen tid på nettet. Websteder har længe tilladt brugere at gøre sådanne ting som at klikke på et kortområde for at få alle salgsrepræsentanter eller firmaplaceringer i dette område. Hvor de nyere tilgange adskiller sig, er i kompleksitet, fordi de kan vise indviklede forhold mellem elementer. Gnooks-skaberen Marek Gibney fra Hamborg, Tyskland, startede sit system som et personligt projekt, hvor han brugte kunstig intelligens til at producere musikanbefalinger. Nu forbinder Gnooks såvel som Gnoovies (til film) og Gnoosic (til musik) alle et centralt websted - Gnod.net, for et globalt netværk af drømme - og bruger en lignende tilgang. Hvis 90 procent af læserne af Douglas Hofstadter også kan lide [Stephen] Hawking, er afstanden mellem disse to forfattere i Hofstadter-Hawking-dimensionen 0,1, siger Gibney.
Alle de relative præferenceoplysninger, han har, kommer fra brugere af webstedet, der beskriver deres likes og dislikes. Nogen nævner tre yndlingsforfattere eller musikalske kunstnere eller film; Gnod viser derefter en række valgmuligheder og spørger til hver, om brugeren kan lide det eller ej. Efterhånden som flere mennesker udtrykker deres præferencer, akkumulerer Gnod informationen for yderligere at forfine sine forslag. Der er ikke noget særligt nyt ved at få anbefalinger baseret på likes og dislikes. Det, der kendetegner Gnod, er dets brug af visuel repræsentation til at afsløre styrken af anbefalingen. Afstandsmetaforen viser, hvor tæt forbundet i popularitet to forfattere er, baseret på præferenceoplysningerne fra alle brugere. Grafisk repræsenterer det et sæt multidimensionelle forhold i to dimensioner.
Grafik tilføjer en stærk evne til at søge på grund af den måde, folk opfatter på, siger Phil H. Goddard, direktør hos Human Factors International, et konsulentfirma i Fairfield, Iowa. Mennesker er rumlige processorer, siger han. For eksempel har de fleste mennesker lettere ved at forstå data i tabelform end i en uformateret liste. Grafiske frontends til søgemaskiner kan organisere og præsentere information på måder, der lader brugerne absorbere og behandle dem mere effektivt. Sådanne værktøjer, siger Goddard, udnytter effekten af, at vi ser mønstre og lærer mønstre og analyserer mønstre hurtigere, end vi behandler tekst.
Men at finde den rigtige form til at vise information på en måde, som brugerne hurtigt kan forstå, er ikke let. Ændre publikum og de typer spørgsmål, de måtte stille, og den visuelle form skifter også meget. Endeca, en virksomhed i Cambridge, MA, der fokuserer på guidet navigation, har en demo af sin teknologi, der viser, hvordan visuel søgning kan hjælpe en gennemsnitlig person med at vælge en vin. Enhver given flaske vin vil have et multidimensionelt sæt af egenskaber, såsom oprindelse, smag, årgang og pris. En person, der indtaster zinfandel som en søgeterm, vil se horisontalt formaterede lister med tekstlinks grupperet efter karakteristisk type. At vælge en amerikansk zinfandel ville bringe nationale regioner frem såvel som priskategorier, årstal og vurderinger fra vinsmagere. Der er ingen ikoner, ingen billeder. Årsagen, siger Endecas administrerende direktør Steve Papa, er, at jo mere kompleks visualiseringen er, jo mere kyndig skal brugeren være. Nogle af disse grafiske grænseflader kræver mere sofistikering, end de fleste har, siger han.
For at komme til det punkt, hvor man overvejer den rigtige grafiske repræsentation, skal et system vide, hvordan data hænger sammen. Der er forskellige algoritmer og tilgange; selv tekstbaseret Google tilbyder et mål for den relevans, som et link har til en søgeterm, og Yahoo! grupper links under overskrifter. Men det, der virkelig hjælper med at cementere relationer, er metadata – det vil sige information om datas art og struktur.
Den største udfordring med visualisering er dataoverbelastning, siger Greg Coyle, general manager for Ancubis, en Cambridge, UK-baseret udvikler af søgevisualiseringsværktøjer. Når datasættene bliver store, er det en udfordring at bruge det visuelt og ikke skræmme brugeren af. Effektiv præsentation kræver forståelse for, hvordan man kategoriserer den og relaterer en information til en anden. Så udviklere har brug for beskrivende information om de underliggende data, som folk ønsker at søge.
Anacubis får disse metadata fra forretningspartnere som Dunn & Bradstreet. Hver type data er repræsenteret af et ikon, og relaterede dataikoner er forbundet med linjer. Information ankommer til Anacubis-softwaren i et proprietært format ved hjælp af udvidet markup-sprog eller XML. Anacubis-applikationen kan vise en virksomhedsbaggrund som ét ikon, ikoner for forbundne personer for virksomhedsledere, et andet billede for de seneste økonomiske resultater og så videre. Relationerne ekspliciterer de links, man kan finde ved at læse flere rapporter og korrelere resultaterne.
En demo af Anacubis-systemet viser en søgning på Google knyttet til en Amazon.com-fortegnelse for filmen Another Thin Man.
En demonstrationsversion af Anacubis' muligheder giver nogen mulighed for at søge efter kunstnere, forfattere, bøger, cd'er eller film ved at sende anmodningen til Amazon.com. Resultater vises som ikoner. Brugere kan derefter højreklikke på et hvilket som helst ikon og anmode om en relateret søgning på Google. Google leverer dog kun tekstinformation - uden metadata. For at indsnævre og skærpe resultaterne ser Anacubis på de metadata, den har fra Amazon-søgningen; en film vil for eksempel have tilknyttet instruktør, rollebesætning og forfatter. Så hvis nogen leder efter yderligere oplysninger om en dvd-version af Lawrence Oliviers version af Hamlet, kunne Anacubis søge på Google efter termerne Hamlet, DVD og film.
Men visualiseringsfrontends er ikke magiske løsninger for dem, der vil finde noget; en kombination af tekst og booleske kommandoer kan hurtigt løse en kompleks søgning. Overvej for eksempel en vinkøber, der leder efter en australsk merlot med et strejf af eg til 7,99 USD. Brug af visualisering vil sandsynligvis tage flere trin for at bevæge sig gennem informationsskærmene. Og det kan være svært at finde den bedste kombination af repræsentation og dataorganisering.
At gøre tingene let tilgængelige og forståelige er virkelig svært, siger Sue Aldrich, senior vice president hos Patricia Seybold Group, et konsulentfirma for kundecentrerede forretningsprocesser. Det er fantastisk, at vi finder noget. Så selvom brugerne får en bedre forståelse af de data, der ligger foran dem, bør udviklere ikke forvente, at deres arbejde er så let som en cirkel eller et cirkeldiagram.