211service.com
Skissartad information
Letar du efter en bok, CD eller filmrekommendation? Skriv in namnet på en författare som du gillar på Gnooks.com och en skärm med andra skribenter dyker upp. Men det som gör webbplatsen annorlunda är att författarna inte visas som en rullningsbar lista. Istället sitter namnet du anger i mitten av webbläsarfönstret medan de föreslagna namnen strös runt, darrande och dansar som om de försökte armbåga varandra ur vägen för att nå centrum.
Detta är sökvisualisering i aktion. Ju närmare en annan författare är ditt val, desto mer sannolikt tror systemet att du också kommer att njuta av den författarens arbete. Gnooks och andra system tillämpar datavisualisering och relationsanalystekniker för att hjälpa människor att få en annan syn på vad som finns på webben. I stället för att leverera sökresultat som en lång lista med länkar, visar grafiska sökningar hur olika kategorier och typer av information relaterar till varandra. Det svåra är att hitta ett sätt att presentera informationen utan att kräva att användaren ska få en examen i hur man använder gränssnittet.
Visualiseringstekniker har funnits en tid på webben. Webbplatser har länge tillåtit användare att göra sådana saker som att klicka på en kartregion för att få alla säljare eller företagsplatser i det området. Där de nyare tillvägagångssätten skiljer sig är i komplexitet, eftersom de kan visa intrikata relationer mellan objekt. Gnooks skapare Marek Gibney från Hamburg, Tyskland, startade sitt system som ett personligt projekt och använde artificiell intelligens för att producera musikrekommendationer. Nu ansluter såväl Gnooks som Gnoovies (för filmer) och Gnoosic (för musik) till en central sida-Gnod.net, för ett globalt nätverk av drömmar - och använder ett liknande tillvägagångssätt. Om 90 procent av läsarna av Douglas Hofstadter också gillar [Stephen] Hawking, är avståndet mellan dessa två författare i Hofstadter-Hawking-dimensionen 0,1, säger Gibney.
All information om relativa preferenser han har kommer från användare av webbplatsen som beskriver deras gillande och ogillar. Någon nämner tre favoritförfattare eller musikalartister eller filmer; Gnod visar sedan en serie val och frågar för varje om användaren gillar det eller inte. När fler människor uttrycker sina preferenser, samlar Gnod informationen för att ytterligare förfina sina förslag. Det är inget speciellt nytt med att få rekommendationer baserade på gillande och ogillar. Det som utmärker Gnod är dess användning av visuell representation för att avslöja styrkan i rekommendationen. Avståndsmetaforen visar hur nära kopplade i popularitet två författare är, baserat på preferensinformationen från alla användare. Grafiskt representerar det en uppsättning multidimensionella relationer i två dimensioner.
Grafik ger sökning en kraftfull förmåga på grund av hur människor uppfattar det, säger Phil H. Goddard, chef på Human Factors International, ett konsultföretag i Fairfield, Iowa. Människor är rumsliga processorer, säger han. Till exempel har de flesta människor lättare att förstå data i tabellform än i en oformaterad lista. Grafiska gränssnitt till sökmotorer kan organisera och presentera information på ett sätt som låter användarna absorbera och bearbeta den mer effektivt. Sådana verktyg, säger Goddard, drar nytta av effekten att vi ser mönster och lär oss mönster och analyserar mönster snabbare än vi bearbetar text.
Men att hitta rätt form för att visa information på ett sätt som användarna snabbt kan förstå är inte lätt. Ändra publiken och vilka typer av frågor de kan ställa, och den visuella formen förändras också mycket. Endeca, ett företag i Cambridge, MA, som fokuserar på guidad navigering, har en demo av sin teknologi som visar hur visuell sökning kan hjälpa en genomsnittlig person att välja ett vin. Varje given flaska vin kommer att ha en flerdimensionell uppsättning egenskaper, såsom ursprung, smaker, årgång och pris. Någon som anger zinfandel som sökterm skulle se horisontellt formaterade listor med textlänkar grupperade efter karaktäristisk typ. Att välja en amerikansk zinfandel skulle ta upp nationella regioner såväl som priskategorier, årtal och betyg från vinprovare. Det finns inga ikoner, inga bilder. Anledningen, säger Endecas vd Steve Papa, är att ju mer komplex visualiseringen är, desto mer kunnig behöver användaren vara. Vissa av dessa grafiska gränssnitt kräver mer sofistikerade än de flesta har, säger han.
För att komma till punkten att överväga rätt grafisk representation måste ett system veta hur data ansluter. Det finns olika algoritmer och tillvägagångssätt; även textbaserade Google erbjuder ett mått på relevansen som en länk har till en sökterm, och Yahoo! grupperar länkar under rubriker. Men det som verkligen hjälper till att cementera relationer är metadata – det vill säga information om datas natur och struktur.
Den största utmaningen med visualisering är dataöverbelastning, säger Greg Coyle, general manager för Ancubis, en Cambridge, Storbritannien-baserad utvecklare av sökvisualiseringsverktyg. När datamängderna blir stora är det en utmaning att visuellt representera det och inte skrämma ur användaren. Effektiv presentation kräver att man förstår hur man kategoriserar den och relaterar en information till en annan. Så utvecklare behöver beskrivande information om den underliggande data som människor vill söka efter.
Anacubis får denna metadata från affärspartners som Dunn & Bradstreet. Varje typ av data representeras av en ikon och relaterade dataikoner är sammankopplade med linjer. Information kommer till Anacubis-mjukvaran i ett proprietärt format med utökat märkningsspråk, eller XML. Anacubis-applikationen kan visa en företagsbakgrund som en ikon, ikoner för anslutna personer för företagsledare, en annan bild för senaste ekonomiska resultat och så vidare. Relationerna expliciterar länkarna som man kan hitta genom att läsa flera rapporter och korrelera resultaten.
En demo av Anacubis-systemet visar en sökning på Google länkad till en Amazon.com-lista för filmen Another Thin Man.
En demonstrationsversion av Anacubis kapacitet låter någon söka efter artister, författare, böcker, CD-skivor eller filmer genom att skicka förfrågan till Amazon.com. Resultaten visas som ikoner. Användare kan sedan högerklicka på valfri ikon och begära en relaterad sökning på Google. Google tillhandahåller dock endast textinformation - utan metadata. För att begränsa och skärpa resultaten tittar Anacubis på metadata den har från Amazon-sökningen; en film kommer till exempel att ha associerad regissör, skådespelare och författare. Så om någon letar efter ytterligare information om en DVD-version av Lawrence Oliviers version av Hamlet, kan Anacubis söka på Google efter termerna Hamlet, DVD och film.
Men visualiseringsgränssnitt är inga magiska lösningar för dem som vill hitta något; en kombination av text och booleska kommandon kan snabbt lösa en komplex sökning. Tänk till exempel på en vinhandlare som letar efter en australisk merlot med inslag av ek för 7,99 USD. Att använda visualisering skulle sannolikt ta flera steg för att flytta genom informationsskärmarna. Och att hitta den bästa kombinationen av representation och dataorganisation kan vara svårt.
Att göra saker lätta att hitta och förstå är verkligen svårt, säger Sue Aldrich, senior vice president på Patricia Seybold Group, ett konsultföretag för kundcentrerade affärsprocesser. Det är fantastiskt att vi hittar något. Så även om användarna får bättre förståelse för data framför dem, bör utvecklare inte förvänta sig att deras arbete ska vara så enkelt som en cirkel eller ett cirkeldiagram.