Enhancing Web Search Result Access with Automatic Categorization

World Wide Web on miljoonille ihmisille tärkeä tietolähde ja hakukoneet (esim. Google) tärkein tapa löytää tietoa sieltä. Hakukoneiden käyttö ei kuitenkaan ole aina yksinkertaista. Tyypillinen käyttäjän kirjoittama hakulause käsittää 2-3 sanaa, jonka perusteella oikeiden sivujen valitseminen miljardien joukosta ja niiden järjestäminen tuloslistaan on vaikeaa. Erityisen vaikea tilanne on silloin, kun hakusanoilla on useita merkityksiä (esimerkiksi hakusana jaguar voi tarkoittaa autoa tai kissaeläintä). Väitöskirja perustuu kuuteen kansainvälisillä foorumeilla julkaistuun artikkeliin, joissa tutkitaan tapoja auttaa tavallisia käyttäjiä hakutuloslistan hyödyntämisessä. Tavoitteeseen pyritään automaattisella tulosten kategorisoinnilla ja käyttöliittymällä, jotka on suunniteltu tavoitetta varten. Kategorisoinnilla saadaan tuloslistassa olevia aihealueita näkyviin ja käyttöliittymä näyttää käyttäjän valitsemaan kategoriaan liittyvät tulokset. Näin käyttäjä löytää hakemansa tiedon helpommin vaikka hakusana olisi monimerkityksinen. Kokonaisuus toteutettiin Findex nimisessä hakukäyttöliittymässä. Ratkaisun hyödyllisyyttä tutkittiin kontrolloiduilla kokeilla loppukäyttäjien kanssa. Tulokset osoittavat, että käyttäjät löytävät merkityksellisiä hakutuloksia 30-40% nopeammin Findex käyttöliittymällä verrattuna tavalliseen hakukoneeseen, jossa tulokset esitetään järjestetyssä listassa (kuten Google). Lisäksi käyttäjien mielipiteet suosivat uutta käyttöliittymää. Kokeiden tuloksia täydennettiin kahden kuukauden pituisella pitkittäistutkimuksella, jossa Findex hakukäyttöliittymä annettiin koehenkilöille jokapäiväiseen käyttöön. Tulokset viittaavat siihen, että kategorioiden käytöstä tulee hyödyllinen osa käyttäjien hakutottumuksia. Kategorioita ei tarvita jokaisen haun yhteydessä, vaan niitä hyödynnetään keskimäärin joka neljännessä haussa. Normaalissa käytössä hakutuloslistan alku arvioidaan ensin ja jos se ei vastaa käyttäjän tarpeisiin, kategoriat otetaan avuksi. Kategoriat näyttävät siis auttavan käyttäjää silloin, kun perinteinen menetelmä ei nosta käyttäjän kannalta mielekkäitä tuloksia listan alkupäähän. Tutkimus tuotti uutta tietoa kategorisoivien käyttöliittymien hyödyllisyydestä ja edesauttaa niiden jatkokehitystä. Tiedon perusteella hakukäyttöliittymien kehityspanosta voidaan suunnata mielekkäästi ja saada aiempaa tehokkaampia hakutapoja yleiseen käyttöön.Information in the Web is typically found with the help of a Web search engine. For instance, Google has been reported to index over eight billion Web pages and to process over 200 million queries a day. Information is available, but users express their information need with very few query words, typically with one or two. The task of finding relevant information from a set of 8 billion documents with a cue of just two words is a tremendous challenge. Search engines perform incredibly well with sophisticated result ranking methods, but there are cases when the result ranking is not appropriate. For example, undirected informational searches where a broad understanding about a topic is sought or queries with ambiguous terms are such cases. Our approach is to enhance users result access process with automatically formed filtering categories. Categories provide an understandable overview of the results and make accessing of relevant results easy. The concept is implemented in a search user interface called Findex. Two different categorization methods have been developed promoting simplicity to make the functionality understandable to the users. We evaluated our approach in controlled experiments, in a longitudinal study, and with a theoretical test. In the experiments we tested the usefulness of the proposed user interface and the categorization schemes with 20 and 36 participants. The results showed that finding relevant results is about 30­40% faster with the proposed user interface compared to the de facto standard, the ranked results user interface. The attitudes favor the new user interface. In an experiment with 27 participants we found that it is better to show only a small number of categories (around 10­15) instead of maximizing the result coverage by displaying more categories. The results of the experiments were complemented with a longitudinal (two months) study in real use situation with 16 participants. The results indicated that the categorization user interface becomes a part of the users search habits and is beneficial. However, the benefit is not as clear as the experiments indicated. In a real situation, the categories are needed and used in about every fourth search. The usage patterns indicate that categories help when result ranking does not bring relevant results to the top of the result list