Szkicowe informacje

Szukasz rekomendacji na książkę, płytę CD lub film? Wpisz nazwisko autora, którego lubisz na Gnooks.com, a pojawi się ekran z innymi pisarzami. Ale to, co wyróżnia tę witrynę, to fakt, że autorzy nie pojawiają się jako przewijalna lista. Zamiast tego podana nazwa znajduje się pośrodku okna przeglądarki, podczas gdy sugerowane nazwy są rozrzucone, drżąc i tańcząc, jakby próbowały odepchnąć się nawzajem, aby dotrzeć do środka.

To jest wizualizacja wyszukiwania w akcji. Im bliżej twojego wyboru jest inny pisarz, tym bardziej prawdopodobne jest, że system uzna, że ​​spodoba ci się również praca tego autora. Gnooks i inne systemy stosują techniki wizualizacji danych i analizy relacji, aby pomóc ludziom uzyskać inny pogląd na to, co jest w sieci. Zamiast dostarczać wyniki wyszukiwania w postaci długiej listy linków, wyszukiwania graficzne pokazują, jak różne kategorie i rodzaje informacji są ze sobą powiązane. Najtrudniejsze jest znalezienie sposobu na przedstawienie informacji bez konieczności zdobycia przez użytkownika wykształcenia w zakresie korzystania z interfejsu.

Techniki wizualizacji istnieją w sieci od jakiegoś czasu. Witryny od dawna umożliwiają użytkownikom robienie takich rzeczy, jak kliknięcie regionu mapy, aby uzyskać wszystkich przedstawicieli handlowych lub lokalizacje firm w tym obszarze. Nowsze podejścia różnią się między sobą złożonością, ponieważ mogą pokazywać skomplikowane relacje między przedmiotami. Twórca Gnooks, Marek Gibney z Hamburga w Niemczech, rozpoczął swój system jako osobisty projekt, wykorzystując sztuczną inteligencję do tworzenia rekomendacji muzycznych. Teraz zarówno Gnooki, jak i Gnoovies (dla filmów) i Gnoosic (dla muzyki) łączą się z centralną stroną – Gnod.net, dla globalnej sieci snów – i stosują podobne podejście. Jeśli 90 procent czytelników Douglasa Hofstadtera również lubi [Stephena] Hawkinga, odległość między tymi dwoma pisarzami w wymiarze Hofstadtera-Hawkinga wynosi 0,1, mówi Gibney.

Wszystkie informacje o względnych preferencjach, które posiada, pochodzą od użytkowników witryny opisujących ich upodobania i niechęci. Ktoś wymienia trzech ulubionych autorów, artystów muzycznych lub filmy; Następnie Gnod pokazuje serię wyborów i pyta o każdą z nich, czy użytkownikowi się to podoba, czy nie. W miarę jak coraz więcej osób wyraża swoje preferencje, Gnod gromadzi informacje w celu dalszego udoskonalania swoich sugestii. Nie ma nic nowego w otrzymywaniu rekomendacji na podstawie upodobań i niechęci. To, co wyróżnia Gnod, to wykorzystanie wizualnej reprezentacji do ujawnienia siły rekomendacji. Metafora odległości pokazuje, jak bardzo są powiązani popularność dowolnych dwóch autorów, na podstawie informacji o preferencjach dostarczonych przez wszystkich użytkowników. Graficznie reprezentuje zestaw wielowymiarowych relacji w dwóch wymiarach.

Grafika dodaje potężnych możliwości wyszukiwania ze względu na sposób, w jaki ludzie postrzegają, mówi Phil H. Goddard, dyrektor firmy konsultingowej Human Factors International z Fairfield w stanie Iowa. Istoty ludzkie są procesorami przestrzennymi, mówi. Na przykład większości ludzi łatwiej jest zrozumieć dane w formie tabelarycznej niż na niesformatowanej liście. Graficzne interfejsy do wyszukiwarek mogą organizować i prezentować informacje w sposób, który pozwala użytkownikom przyswajać je i przetwarzać wydajniej. Takie narzędzia, jak mówi Goddard, wykorzystują efekt, że widzimy wzorce, uczymy się wzorców i analizujemy wzorce szybciej niż przetwarzamy tekst.

Jednak znalezienie odpowiedniego formularza do wyświetlania informacji w sposób, który użytkownicy mogą szybko zrozumieć, nie jest łatwe. Zmień publiczność i rodzaje pytań, które mogą zadać, a także znacznie zmieni się forma wizualna. Endeca, firma z Cambridge w stanie Massachusetts, zajmująca się nawigacją z przewodnikiem, ma prezentację swojej technologii, która pokazuje, w jaki sposób wyszukiwanie wizualne może pomóc przeciętnej osobie wybrać wino. Każda butelka wina będzie miała wielowymiarowy zestaw cech, takich jak pochodzenie, smaki, rocznik i cena. Ktoś, kto wpisze zinfandel jako wyszukiwane hasło, zobaczy poziomo sformatowane listy linków tekstowych pogrupowane według charakterystycznego typu. Wybór amerykańskiego zinfandela wywołałby wyświetlenie regionów narodowych, a także kategorii cenowych, lat i ocen od degustatorów wina. Nie ma ikon ani obrazków. Powodem, jak mówi dyrektor generalny Endeca, Steve Papa, jest to, że im bardziej złożona wizualizacja, tym bardziej doświadczony musi być użytkownik. Niektóre z tych interfejsów graficznych wymagają więcej wyrafinowania niż większość ludzi, mówi.

Aby dojść do rozważania właściwej reprezentacji graficznej, system musi wiedzieć, jak łączą się dane. Istnieją różne algorytmy i podejścia; nawet tekstowy Google oferuje miarę trafności linku do wyszukiwanego hasła, a Yahoo! grupuje linki pod nagłówkami. Ale to, co naprawdę pomaga cementować relacje, to metadane, czyli informacje o naturze i strukturze danych.

Największym wyzwaniem związanym z wizualizacją jest przeciążenie danych, mówi Greg Coyle, dyrektor generalny Ancubis, dewelopera narzędzi do wizualizacji wyszukiwania z Cambridge w Wielkiej Brytanii. Gdy zbiory danych stają się duże, wyzwaniem jest użyteczne wizualne przedstawienie tego i nie przestraszenie użytkownika. Skuteczna prezentacja wymaga zrozumienia, jak ją kategoryzować i powiązać jedną informację z drugą. Dlatego programiści potrzebują opisowych informacji na temat podstawowych danych, które ludzie chcą przeszukiwać.

Anacubis uzyskuje te metadane od partnerów biznesowych, takich jak Dunn & Bradstreet. Każdy typ danych jest reprezentowany przez ikonę, a powiązane ikony danych są połączone liniami. Informacje docierają do oprogramowania Anacubis w zastrzeżonym formacie przy użyciu rozszerzonego języka znaczników lub XML. Aplikacja Anacubis może pokazywać tło firmy jako jedną ikonę, ikony połączonych osób dla kadry kierowniczej, inny obraz z ostatnimi wynikami finansowymi i tak dalej. Relacje wyraźnie wskazują powiązania, które można znaleźć, czytając wiele raportów i korelując wyniki.

Demo systemu Anacubis pokazuje wyszukiwanie w Google połączone z listą Amazon.com dla filmu, Another Thin Man.

Wersja demonstracyjna możliwości Anacubis pozwala komuś na wyszukiwanie wykonawców, pisarzy, książek, płyt CD lub filmów, przekazując żądanie do Amazon.com. Wyniki są wyświetlane jako ikony. Użytkownicy mogą następnie kliknąć prawym przyciskiem myszy dowolną ikonę i poprosić o powiązane wyszukiwanie w Google. Google dostarcza jednak tylko informacje tekstowe – bez metadanych. Aby zawęzić i wyostrzyć wyniki, Anacubis analizuje metadane, które ma z wyszukiwania Amazon; na przykład film będzie miał powiązanego reżysera, obsadę i scenarzystę. Jeśli więc ktoś szuka dodatkowych informacji na temat wersji DVD Hamleta Lawrence'a Oliviera, Anacubis może wyszukać w Google terminy Hamlet, DVD i film.

Ale interfejsy wizualizacyjne nie są magicznymi rozwiązaniami dla tych, którzy chcą coś znaleźć; kombinacja poleceń tekstowych i logicznych może szybko rozwiązać złożone wyszukiwanie. Rozważmy na przykład kupującego wina, który szuka australijskiego merlota z nutą dębu za 7,99 USD. Korzystanie z wizualizacji prawdopodobnie wymagałoby wielu kroków, aby poruszać się po ekranach informacji. A znalezienie najlepszej kombinacji reprezentacji i organizacji danych może być trudne.

Sprawienie, by rzeczy były znajdowane i zrozumiałe, jest naprawdę trudne, mówi Sue Aldrich, starszy wiceprezes Patricia Seybold Group, firmy konsultingowej zajmującej się procesami biznesowymi zorientowanymi na klienta. To niesamowite, że cokolwiek znajdziemy. Dlatego nawet jeśli użytkownicy lepiej zrozumieją dane, które mają przed sobą, programiści nie powinni oczekiwać, że ich praca będzie tak łatwa jak kołowe lub wykresy kołowe.

ukryć