Meet BESS 만날 베스

We hear so much about collaborative web-sites, wikis, user-generated content, the vast dialog that is the blogosphere, social media and social bookmarking, online networking, the whole web 2.0 revolution, that it is hard to imagine a time when finding useful information meant simply tapping in a few keywords into a search engine. , 전체 웹 2.0의 혁명, 그것을 찾는 시간을 상상하기 힘들 때 우리는 너무 많은 웹 협업에 대해 듣기 - 사이트, 위키, 사용자 - 콘텐츠가 생성, 광대한 대화가 블로그, 소셜 미디어와 소셜 북마크, 온라인 네트워킹이다 유용한 정보를 간단히 몇 가지 키워드가 검색 엔진에 도청 의미가있다. But, I hear you scream, Google still reigns supreme and the vast majority of web users are still doing just that. 하지만, 난 당신 비명, 구글은 아직 웹 사용자의 대다수 장악한 듣고 방금 여전히 그러는거야.

Yes, you’re probably right, there is still a lot of educating to do, to persuade the average non-techie user, present excepted, of course, that collaborative methods of finding the best, most relevant, most informative, and perhaps even the most entertaining, information is the future. 그래요, 당신이 옳은거, 아직 할 수 양성 많이 - techie 사용자, 선물, 물론 예외, 평균이 아닌 것은 설득에도 최선의, 가장, 가장 유익한, 그리고 관련성이 높은 아마도 협업을 찾는 방법 가장 엔터테인먼트, 정보 미래입니다.

Part of the problem lies with the whole notion that beauty, or relevance more precisely, is in the eye of the beholder. 문제의 일부는 전체 개념의 아름다움, 또는 관련성을보다 정확하게, 보는 사람의 시선에있다. Web-spam aside, who’s to say that the first page of search engine hits is going to be relevant to members of a particular niche. 누가 검색 엔진 안타의 첫 페이지에 관련성이 높은 특정 틈새 시장의 구성원이 될 것이라고하는 웹 - 스팸은 제쳐두고,. Even with specialist search engines for movie buffs, photographers, artists, scientists, musicians, etc, there is still the problem of information overload. 영화 buffs, 사진 작가, 예술가, 과학자에 대한 전문 검색 엔진도, 음악가 등, 아직 정보 과부하의 문제입니다. No search engine yet invented provides the perfect answers for everyone, each and every time. 검색 엔진 안돼 아직 발명 모두 각각의 모든 시간에 대한 완벽한 해답을 제공한다.

Now, 지금, Roman Shtykh 로마 Shtykh and 및 Qun Jin Qun 양궁장 of the Networked Information Systems Laboratory at Waseda University, in Japan, have also recognized that a one-size-fits-all to dealing with information overload is not the most effective way of satisfying anyone’s individual information needs. 네트워크 정보 시스템 연구실 와세다 대학에서 일본에의 과부하 로움을 달래는 또한 - 모든 정보를 한 - 크기 - 맞는 만족 누구의 개인 정보를 요구의 가장 효과적인 방법이 아니라는 인식이있다. But, rather than simply griping about the problem, they propose a new a new form of collaborative personalized search that attempts to understand your search. 그러나 단순히 문제에 대해 강하게 마음을 사로 잡는 것보다, 그들은 새로운 형태의 협업 맞춤 검색의 새로운 시도를 제안하여 검색을 이해합니다.

They have developed a web information retrieval framework called Better Search and Sharing (BESS) that captures interactions between users and the system. 그들이 더 나은 검색 및 사용자와 시스템 사이의 상호 작용을 캡처 (베스) 공유라는 웹 정보 검색 프레임 워크를 개발했습니다. This can then be used to produce user profile and then tailor results to personal interests dynamically, the same mechanism could be used to co-evaluate documents found valuable within a specific search context by users with similar interests, their subjective index. 이 다음과 개인의 이익을 누른 다음 결과를 동적으로 사용자 프로필에 맞게 생산, 동일한 메커니즘을 공동으로 사용될 수있을 - 서류 평가 컨텍스트 내에서 특정 검색 귀중한 비슷한 관심사를 가진 사용자에 의해, 자신의 주관적인 색인을 발견 사용할 수있습니다.

Currently, systems such as 현재, 시스템과 같은 Swiki (social wiki, (사회 위키, Eurekster was unavailable at the time of writing Eurekster 작성 당시에는 사용할 수 없게됐다 ), Rollyo rollyo , and the , 그리고 Google Custom Search Engine 구글 맞춤 검색 엔진 correspond to the vertical and mostly community-oriented approach to search personalization. 그리고 대부분의 커뮤니티를 수직으로 일치 - 지향적인 접근을 검색 개인화. They allow communities to create personalized search engines around specific interests, Shtykh and Jin say. 그들이 사회에 구체적인 관심 분야, Shtykh과 양궁장 주변에 맞춤 검색 엔진을 만들 수있다. However, the advent of collaborative 그러나 협업의 도래 web 2.0 sites 웹 2.0 사이트 that favor the transition of each person’s activities from passive browsing to active participation have changed the search situation radically. 그 근본적인 검색이 적극적인 참여에 소극적인 상황이 바뀌 브라우징에서 각 사람의 활동의 전환을 부탁했다.

BESS is different. 베스 다르다. It is a community-oriented system, but has the features of a horizontal search system, like Google personalized search and a vertical search system like Google custom search rolled into one. 그건 사회 - 지향 시스템, 수평 검색 시스템의 기능을 가지고 있지만, 같은 Google 맞춤 검색과 구글 맞춤 검색을 하나로 합친처럼 수직으로 검색 시스템. “It performs searches on the information assets of both horizontal (the objective index unedited, non-controlled) and vertical (subjective index, evaluated, commented). "둘 다 수평 (목표 지수는 편집되지 않은, 비 - 통제의 정보 자산에 대한) 및 수직 (주관적 지수, 평가, 논평) 검색을 수행합니다.

The notion of the subjective index in our research is similar to the “social search” of the vertical community-oriented systems presented above, but differ in the higher degree of personalization for every user, the high granularity of the vertical search model and, finally, the way of collecting and (re-)evaluating the information pieces. 우리의 연구에서 주관 인덱스의 개념 세로 커뮤니티의 "소셜 검색"- 지향 시스템, 위에서 제시 비슷하지만 모든 사용자에게 개인화의 높은 수준에 차이가, 수직 검색 모델의 높은 세분하고, 마침내 수집의 방법과 (다시 -) 정보 조각을 평가했다.

In other words, groups of users are formed dynamically without user intervention, based on matching interests and expertise. 즉, 사용자의 그룹을 동적으로 사용자의 개입없이, 매칭의 관심과 전문 지식을 바탕으로 형성된다. The role of the community becomes indispensable for improving search quality and the evolution of the system, in general, the researchers add. 지역 사회의 역할은 검색 품질과 시스템의 진화를 개선하기위한 일반에 필수가되고, 연구자를 추가합니다.

So, how does BESS work and what does it (she?) do? 그럼, 어떻게 작동 방법과 베스가 (그녀?)합니까? The proposed system consists of a contribution software component on the client side and the BESS collaborative information retrieval framework on the server side. 제안된 시스템은 클라이언트 사이드와 서버 사이드에있는 베스 협업 정보 검색 프레임 워크에 기여 소프트웨어 컴포넌트로 구성되어있습니다. The user contribution component would be a Firefox browser extension that allowed new elements (html) to be embedded into the search (engine) result pages (SERPs) next to every result. 사용자 기여 요소 검색 (엔진)으로 임베디드 될 수있는 파이어 폭스 브라우저 확장 새로운 요소들 (html)를 될 결과 페이지 (SERPs) 모든 결과 옆에있다.

On the server side, BESS will utilize a web proxy, software to analyze user behavior (not for spyware purposes, of course, but to allow the system to function), a profile construction engine. 서버 측면에서, 사용자 행동 베스 물론 스파이웨어를 목적으로, (안을 분석하고 있지만, 웹 프록시, 소프트웨어를 활용한다) 함수를 위해 시스템을 허용하려면 프로필을 건설 엔진. It then captures user search and post-search behavior, analyzes them statistically generates updated profiles and then searches the growing subjective index to find the optimum hits. 그런 다음 사용자가 검색 및 게시물 - 검색 문제들을 통계적으로 캡처를 누른 다음 프로필을 생성 업데이 트를 분석하여 최적의 안타를 찾으려면 주관적 성장 색인을 검색합니다.

The team has demonstrated proof of principle using the example of a search for Mitsubishi air conditioners. 미츠비시는 팀은 에어컨에 대한 검색의 예를 사용 원칙의 증거를 입증하고있다. They assume that user Annabelle is looking for information on air-conditioning units in Mitsubishi cars. 그들은 사용자가 애너벨 공기에 대한 정보를 찾고 - 컨디셔닝 단위 미쓰비시 자동차에 있다고 가정합니다. She searches for “Mitsubishi air conditioner”. 그녀는 미쓰비시 에어컨 "에 대한"을 검색합니다. Annabelle, however, is unaware that Mitsubishi Electric produces air-conditioning systems for buildings too and is thinking only of her car. 애너벨 다만, 미쓰비시 전기도 건물 및 공중 - 컨디셔닝 시스템을 생산하는 자동차의 생각은 그녀를 모르고있다.

Conventional SERPs will be a mixed bag of reviews, information, and documents about both vehicular and building A/C units. 재래식 SERPs 리뷰, 정보, 그리고 양쪽 차량 및 건물 / 대한 문서의 혼합 가방 C 유닛이 될 것입니다. BESS, however, knows that Annabelle is keen on her car and has already been searching for information she flagged as interesting in her subjective index covering other option extras in cars. 베스 그러나, 그녀의 자동차에 관심 애너벨이며 이미 알고있는 정보에 대한 그녀는 그녀의 주관적인 색인에 취재 차량에서 다른 옵션 재미있는 엑스트라 뒤적이고 표시되어있다. So, BESS presents hits on in-car air-conditioners from Mitsubishi instead of its domestic appliances entries. 그래서, 베스에 안타를 선물 - 차 공기 - 미쓰비시는 국내 가전의 컨디셔너 항목을 대신합니다.

Annabelle’s friend Carl who is in the same automobile enthusiasts group may subsequently be looking for car A/C units but searching by company name and the phrase air-conditioners too, but BESS, aware of their shared interest will again fire up the car equipment instead of the domestic units. 이후 차량을 찾고있을 수있습니다 애너벨의 친구 칼 같은 자동차 매니아 그룹에있는 사람이다 / C 조 단위지만, 회사 이름과 문구가 공기에 의해 검색 - 컨디셔너도 가능하지만, 베스, 그들의 공유의 관심을 알고 다시 차에 올라 발사한다 국내 단위의 장비를 대신했다. The flagging and tagging of positive hits could be automatic (done by BESS) or deliberate on the part of Annabelle and Carl. 이 플래그를하고 긍정적인 안타에 태그를 자동으로 될 수 (베스) 다이나 애너벨와 칼의 일부를 심의했다. Either way, BESS learns about their behavior and builds their community profiles accordingly. 어느 쪽이든, 베스들의 행동에 대해 배운다하고 그에 따라 자신의 커뮤니티 프로파일을 작성합니다.

There is a drawback to BESS. 이미 베스에게 단점이다. “Any web personalization system requires storing and analyzing personal information,” the researchers say, and “this is seen to be a problem by privacy advocates.” They point out that client-side personalization can alleviate some of the privacy concerns but would preclude BESS from working well with a community. "모든 웹 개인화 시스템에 보관하고 있어야하며 개인 정보를 분석하고,"연구 결과, 그리고하는 말이 "본 개인 정보 보호를 옹호함으로써 문제가 될 것."클라이언트 - 측면 개인화지만 일부가 프라이버시에 대한 우려의 완화 수 베스 금지될 것이라고 이들은 지적 물론 지역 사회와 함께 일하고있습니다. “We have to consider how to ensure users’ privacy, probably by combining the client-side and server-side approaches for storing and processing user-sensitive information,” they conclude. "우리는 어떻게, 아마도 처리 - 민감한 정보를 저장하고 사용자,"그들은 결론에 대한 클라이언트 - 사이드와 서버 - 측면 접근법을 결합하여 사용자의 프라이버시를 보장하기 위해 고려해야 할. However, there are millions of people using the likes of Google custom search and countless web 2.0 sites, so while privacy is a concern, the benefits of a more powerful and useful search system might outweigh such concerns for many users. 동안 많은 사용자의 프라이버시에 대한 우려가 큽니다 가능성 등 우려, 더 강력하고 유용한 검색 시스템의 장점이다 그러나, 거기에 사람들이 Google 맞춤 검색과 수많은 웹 2.0 사이트의 사용 수백만 좋아하는, 그래서입니다.

Harnessing user contributions and dynamic profiling to better satisfy individual information search needs, in 더 나은 요구 및 동적 프로 파일링, 검색을 만족시키기 위해 사용자가 개인 정보 이용에 기여 International Journal of Web and Grid Services 국제 저널이 서비스는 웹 및 그리드의 , 2008, vol. 2008 년, 집. 4, pp 63-79 4, 일인당 63-79