Interactive exploration of multi-dimensional information spaces with preference support

Abstract

Users access large amounts of information resources (documents or data) mainly through search functions,where they type a few words and the system (web search engine, query engine) returns a linearlist of hits. While this is often satisfactory for focalized search, it does not provide enough support forrecall-oriented (exploratory) information needs, which constitute the majority according to various userstudies.The interaction of Faceted and Dynamic Taxonomies (FDT), is a highly prevalent model for exploratorysearch, which allows users to get an overview of the information space (e.g. search results) andoffer them various groupings of the results (based on their attributes, metadata, or other dynamicallymined information). These groupings enable users to restrict their focus gradually and in a simple way(through clicks, i.e. without having to formulate queries), enabling them to locate resources that wouldbe difficult to locate otherwise (especially the low ranked ones).The enrichment of search mechanisms with preferences could be proved useful for recall-orientedinformation needs. However, the current approaches for preference-based access (mainly from the areaof databases), seem to ignore the fact that users should be acquainted with the information space andthe available choices for describing effectively their preferences.In this dissertation we extend the interaction model of FDT with preference actions that allow usersto express their preferences interactively, gradually, and in a simple way.Initially, we introduce a preference framework appropriate for information spaces comprising resourcesdescribed by attributes whose values can be hierarchically valued and/or multi-valued. Wedefine the language, its semantics and the required algorithms. The framework supports preferenceinheritance in the hierarchies, automatic conflict resolution, as well as preference composition (prioritization,Pareto and their combination).Subsequently, we enrich the FDT model with preference actions and we propose logical optimizationsand methods for exploiting the intrinsic characteristics of the FDT-based interaction, aiming at making it applicable to large amounts of information. Then, we present the design and the implementationof the web-based system Hippalus, which realizes the extended interaction model.Regarding user benefits, at first we theoretically analyze user gain in terms of the number and difficultyof choices, and then we describe and analyze three user-based evaluations that we have conducted.The first investigates the degree of effectiveness of preferences (and the effort to express them) whenusers are not aware of the available choices. The results showed that only 20% of the users managed toexpress effective preferences without knowing the available choices.The second comparatively evaluates FDT and other exploratory models. The results showed that themajority of users preferred FDT, was more satisfied by FDT and achieved higher rates of task completionwith FDT.The last one concerns the evaluation of the preference-enriched FDT as realized by Hippalus. Theresults were impressive. Even in a very small dataset, with the preference-enriched FDT all users successfullycompleted all tasks in 1/3 of the time and with 1/3 of the actions in comparison to the plain FDT.Moreover all (100%) of the users (either plain or experts) preferred the preference-enriched interface.

Η πρόσβαση των χρηστών σε μεγάλους όγκους πληροφοριακών πόρων (δεδομένων ή εγγράφων) συνήθωςγίνεται μέσω λειτουργιών αναζήτησης όπου οι χρήστες παραδοσιακά πληκτρολογούν μερικές λέξεις κλει-διά και το σύστημα αναζήτησης (π.χ. η μηχανή αναζήτησης ή σύστημα αποτίμησης επερωτήσεων) επι-στρέφει μία γραμμική λίστα «επιτυχιών» (hits). Αν και αυτό είναι ικανοποιητικό για τις ανάγκες τηςεπικεντρωμένης αναζήτησης (focalized search), αυτού του τύπου οι αποκρίσεις δεν παρέχουν επαρκήυποστήριξη σε ανάγκες εξερευνητικού χαρακτήρα (recall oriented), οι οποίες, κατά διάφορες μελέτες,είναι και οι περισσότερες.Ένα ευρέως πλέον διαδεδομένο μοντέλο εξερευνητικής αναζήτησης είναι η αλληλεπίδραση μέσωΠολυεδρικών και Δυναμικών Ταξινομιών (ΠΔΤ). Το μοντέλο αυτό επιτρέπει στους χρήστες να εποπτεύ-σουν τον πληροφοριακό χώρο, π.χ. τα αποτελέσματα μιας αναζήτησης, προσφέροντας τους διάφορεςομαδοποιήσεις των αποτελεσμάτων (βάσει των γνωρισμάτων τους, των μεταδεδομένων τους, ή άλλωνδυναμικά εξηγμένων πληροφοριών). Οι ομαδοποιήσεις αυτές επιτρέπουν στους χρήστες να περιορίσουντο επίκεντρο τους σταδιακά, και με απλό τρόπο (απλά κλικς), χωρίς δηλαδή να χρειάζεται η διατύπωσηεπερωτήσεων, και εν τέλει να βρουν πηγές που θα ήταν δύσκολο να βρεθούν στη γραμμική λίστα αποτε-λεσμάτων λόγω της χαμηλής τους κατάταξης.Ο εμπλουτισμός των μηχανισμών αναζήτησης με προτιμήσεις θα μπορούσε να αποδειχθεί ιδιαίτεραχρήσιμος σε ανάγκες εξερευνητικού χαρακτήρα (recall oriented), όμως οι τρέχουσες προσεγγίσεις πρό-σβασης πληροφορίας με υποστήριξη προτιμήσεων (που προέρχονται κυρίως από το χώρο των βάσεωνδεδομένων), αγνοούν το γεγονός ότι οι χρήστες πρέπει να είναι εξοικειωμένοι με τον πληροφοριακόχώρο και τις διαθέσιμες επιλογές για να μπορέσουν να περιγράψουν αποτελεσματικά τις προτιμήσειςτους.Σε αυτή τη διατριβή επεκτείνουμε το μοντέλο αλληλεπίδρασης των ΠΔΤ με δράσεις που επιτρέπουνστους χρήστες να εκφράσουν τις προτιμήσεις τους διαλογικά, σταδιακά, και με απλό τρόπο.Αρχικά εισάγουμε ένα μοντέλο προτιμήσεων κατάλληλο για πληροφοριακούς χώρους αποτελούμενους από πόρους που περιγράφονται από γνωρίσματα των οποίων οι τιμές μπορεί να είναι ιεραρχικάοργανωμένες ή/και πλειότιμες. Ορίζουμε τη γλώσσα, τη σημασιολογία της και τους σχετικούς αλγόρι-θμους. Το μοντέλο υποστηρίζει κληρονομικότητα προτιμήσεων στις ιεραρχίες και αυτόματη επίλυσησυγκρούσεων, καθώς και τελεστές σύνθεσης προτιμήσεων (προτεραιοποίηση, Pareto και συνδυασμόςτους).Εν συνεχεία εμπλουτίζουμε το μοντέλο ΠΔΤ με δράσεις προτίμησης και προτείνουμε διάφορες βελτι-στοποιήσεις και τρόπους αξιοποίησης των εγγενών χαρακτηριστικών των ΠΔΤ για την εφαρμοσιμότητατου μοντέλου σε μεγάλους όγκους πληροφορίας. Κατόπιν παρουσιάζουμε τη σχεδίαση και υλοποίηση τουιστο-συστήματος Hippalus, που υλοποιεί το εκτεταμένο μοντέλο αλληλεπίδρασης.Σχετικά με το όφελος για το χρήστη, αρχικά αναλύουμε θεωρητικά τα οφέλη βάσει του πλήθουςτων επιλογών και της δυσκολίας αποφάσεων που καλείται να πάρει, και εν συνεχεία περιγράφουμε καιαναλύουμε τα αποτελέσματα τριών αξιολογήσεων από χρήστες.Η πρώτη διερευνά το βαθμό αποτελεσματικότητας των προτιμήσεων (και τον κόπο διατύπωσής τους)όταν ο χρήστης δεν έχει γνώση των διαθέσιμων επιλογών. Τα αποτελέσματα έδειξαν ότι μόνο το 20% τωνχρηστών μπορούν να εκφράσουν αποτελεσματικές προτιμήσεις χωρίς γνώση των διαθέσιμων επιλογών.Η δεύτερη αξιολογεί την αποδοτικότητα των ΠΔΤ έναντι άλλων εξερευνητικών μοντέλων, και τααποτελέσματα έδειξαν ότι οι ΠΔΤ προτιμήθηκαν από το μεγαλύτερο μέρος των χρηστών, προσέφερανμεγαλύτερη ικανοποίηση και οδήγησαν σε μεγαλύτερα ποσοστά ολοκλήρωσης των εργασιών.Η τρίτη αφορά το εκτεταμένο με προτιμήσεις μοντέλο ΠΔΤ και η αξιολόγηση έγινε χρησιμοποιώνταςτο σύστημα Hippalus. Τα αποτελέσματα ήταν εντυπωσιακά. Ακόμα και σε πολύ μικρές συλλογές, με τηχρήση της διεπαφής με προτιμήσεις, όλοι οι χρήστες ολοκλήρωσαν με επιτυχία όλες τις εργασίες στο 1/3του χρόνου (!) και με υποτριπλάσιες ενέργειες σε σχέση με την απλή ΠΔΤ. Επίσης το 100% των χρηστών,απλών και έμπειρων, προτίμησε την εμπλουτισμένη με προτιμήσεις διεπαφή.