19.3.2.3 Technological and Infrastr

19.3.2.3 Technological and Infrastructure Requirements Implementing a recommendation service for BibSonomy required to tackle several problems, some of them we describe here.

First, having enough data available for recommendation algorithms to produce helpful recommendations is an important requirement one must address already in the design phase. The recommender needs access to the systems database and to what the user is currently posting (which could be accomplished, e.g., by (re)- loading recommendations using techniques like AJAX). Further data – like the full text of documents – could be supplied to tackle the cold-start problem (e.g., for content-based recommenders). The system must be able to handle large amounts of data, to quickly select relevant subsets and provide methods for preprocessing.

The available hardware and expected amount of data limits the choice of recommendation algorithms which can be used. Although some methods allow (partial) precomputation of recommendations, this needs extra memory and might not yield the same good results as online computation. Both hardware and network infrastructure must ensure short response times to deliver the recommendations to the user without too much delay. Together with a simple and non-intrusive user interface this ensures usability.

Further aspects which should be taken into account include implementation of logging of user events (e.g., clicking, key presses, etc.) to allow for efficient evaluation of the used recommendation methods in an online setting. Together with a live evaluation this also allows to tune the result selection strategies to dynamically choose the (currently) best recommendation algorithm for the user or resource at hand. The multiplexing of several available algorithms together with the simple inclusion of external recommendation services (by providing an open recommendation interface) is one of the recent developments in BibSonomy.

19.3.3 Tag Acquisition
The quality of tags can directly affect the recommendation performance of social tagging RS. Although folksonomies represent the “wisdom of crowds”, social tagging can present problems, such as tag sparsity (users tend to provide a constrained number of tags), polysemy (tags are subject to multiple interpretations), or tag idiosyncrasy (tags used for personal organization like “to read”, for example). All these problems can harm the quality of recommendations. For this reason, we consider alternative ways of acquiring tags. This will help us to better characterize the advantages and disadvantages of the social tagging process. We then examine the following tag acquisition methods:
• Expert Tagging: This approach usually relies on a small number of domain experts, who annotate resources using, mainly, structured vocabularies. Experts provide tags that are objective and cover multiple aspects. Pandora8 is a notable example of a system that uses experts for tagging music resources. The main advantage of using experts is the resulting well agreed tag vocabulary. This comes, of course, at the cost of manual work, which is both time consuming and expensive.
• Tagging based on annotation games: Games with a purpose (GWAP) [39], like the ESPGame9, is a breakthrough idea to use a game to employ humans for the purpose of annotation. Two players observe simultaneously the same image and are asked to enter tags until they both enter the same tag. Following the success of ESPGame, several others appeared (e.g., ListenGame10) in the

Results (Thai) 1:

19.3.2.3 เทคโนโลยี และโครงสร้างพื้นฐานความต้องการใช้บริการแนะนำสำหรับ BibSonomy ต้องเล่นงานปัญหาต่าง ๆ บางส่วนของพวกเขาเราถึง ครั้งแรก มีข้อมูลเพียงพอพร้อมใช้งานสำหรับคำแนะนำอัลกอริทึมการผลิตคำแนะนำที่เป็นประโยชน์เป็นข้อกำหนดสำคัญที่หนึ่งต้องที่อยู่ในขั้นตอนการออกแบบ ผู้แนะนำที่ต้องการเข้า ถึงระบบฐานข้อมูล และ เพื่ออะไรผู้ใช้อยู่ในปัจจุบันลง (ซึ่งอาจจะสำเร็จ เช่น โดย (อีกครั้ง) - คำแนะนำการโหลดโดยใช้เทคนิคเช่นอาแจ็กซ์) ข้อมูลเพิ่มเติม – เหมือนกับข้อความเต็มของเอกสารสามารถป้อนค่าเล่นงานปัญหาเริ่มเย็น (เช่น สำหรับเนื้อหาตาม recommenders) ระบบต้องสามารถจัดการข้อมูล การเลือกชุดย่อยที่เกี่ยวข้อง และให้วิธีการประมวลผลเบื้องต้นได้อย่างรวดเร็วจำนวนมาก ฮาร์ดแวร์ที่ใช้และจำนวนข้อมูลที่คาดไว้จำกัดทางเลือกของอัลกอริทึมคำแนะนำซึ่งสามารถใช้ แม้บางวิธีให้ precomputation (บางส่วน) ของคำแนะนำ นี้ต้องการหน่วยความจำเพิ่มเติม และอาจผลผลิตผลลัพธ์ดีที่เดียวเป็นคำนวณออนไลน์ โครงสร้างพื้นฐานทั้งฮาร์ดแวร์และเครือข่ายต้องให้เวลาตอบสนองสั้นส่งคำแนะนำกับผู้ใช้โดยไม่ชักช้ามากเกินไป พร้อมส่วนติดต่อผู้ใช้ง่าย และไม่รำคาญแบบ นี้เราช่วยให้ใช้งานด้านต่อไปที่ควรนำมาพิจารณารวมถึงนำเข้าสู่ระบบของผู้ใช้ (เช่น คลิก กดคีย์ ฯลฯ) เพื่อให้การประเมินประสิทธิภาพของวิธีใช้คำแนะนำในการตั้งค่าออนไลน์ พร้อมประเมินผลสด นี้ยังให้การปรับแต่งกลยุทธ์เลือกผลแบบไดนามิกเลือกอัลกอริทึมคำแนะนำดีที่สุด (ในปัจจุบัน) สำหรับทรัพยากรในมือ การมัลติเพล็กซ์แบบของอัลกอริทึมมีหลายกับรวมเรื่องของคำแนะนำภายนอก (โดยให้อินเทอร์เฟซแนะนำเปิด) เป็นการพัฒนาล่าสุดใน BibSonomy หนึ่ง 19.3.3 แท็กซื้อคุณภาพของแท็กสามารถโดยตรงต่อประสิทธิภาพแนะนำอาร์เอสสังคมระบุป้าย แม้ว่า folksonomies แสดงถึง "ภูมิปัญญาของฝูงชน" สังคมติดป้ายสามารถแสดงปัญหา เช่นแท็ก sparsity (ผู้ใช้มักจะ มีจำนวนจำกัดของแท็ก), polysemy (แท็กจะต้องตีความหลาย), หรือแท็ก idiosyncrasy (แท็กที่ใช้สำหรับส่วนบุคคลองค์กรเช่น "การอ่าน" ตัวอย่าง) ปัญหาเหล่านี้อาจเป็นอันตรายต่อคุณภาพของคำแนะนำ ด้วยเหตุนี้ เราพิจารณาวิธีอื่นหาแท็ก นี้จะช่วยให้เราดีขึ้น ลักษณะข้อดีและข้อเสียของการระบุป้ายสังคม เราจากนั้นตรวจสอบวิธีซื้อแท็กต่อไปนี้:•ผู้เชี่ยวชาญ Tagging: วิธีการนี้มักจะอาศัยจำนวนโดเมนผู้เชี่ยวชาญ ผู้อธิบายประกอบทรัพยากรโดยใช้ ส่วนใหญ่ vocabularies โครงสร้างขนาดเล็ก ผู้เชี่ยวชาญให้แท็กที่มีวัตถุประสงค์ และครอบคลุมหลายด้าน Pandora8 เป็นตัวอย่างที่โดดเด่นของระบบที่ใช้ผู้เชี่ยวชาญสำหรับติดป้ายเพลงทรัพยากร คำศัพท์แท็กดีตกลงผลประโยชน์หลักของการใช้ผู้เชี่ยวชาญได้ นี้มา แน่นอน หน่วยงานด้วยตนเอง ซึ่งใช้เวลานาน และมีราคาแพง•ติดป้ายตามคำอธิบายเกม: เกมที่ มีวัตถุประสงค์ (GWAP) [39], เช่น ESPGame9 เป็นความคิดความก้าวหน้าการใช้เกมในการจ้างมนุษย์เพื่ออธิบาย ผู้เล่นทั้งสองสังเกตเห็นภาพเดียวกัน และจะต้องใส่แท็กจนกระทั่งทั้งคู่ใส่แท็กเดียวกัน ต่อความสำเร็จของ ESPGame หลายคนปรากฏ (เช่น ListenGame10) ในการ

Results (Thai) 2:

19.3.2.3 ความต้องการเทคโนโลยีและโครงสร้างพื้นฐานของการดำเนินการให้บริการคำแนะนำสำหรับ BibSonomy ที่จำเป็นในการรับมือกับปัญหาหลายอย่างบางคนเราจะอธิบายที่นี่. ครั้งแรกที่มีข้อมูลที่เพียงพอสำหรับคำแนะนำขั้นตอนวิธีการในการผลิตแนะนำที่เป็นประโยชน์เป็นความต้องการหนึ่งที่สำคัญต้องอยู่แล้วในการออกแบบ ระยะ recommender ต้องการเข้าถึงฐานข้อมูลระบบและสิ่งที่ใช้ในปัจจุบันคือการโพสต์ (ซึ่งอาจจะประสบความสำเร็จเช่นโดย (อีกครั้ง) - คำแนะนำในการโหลดโดยใช้เทคนิคเช่น AJAX) ข้อมูลเพิ่มเติม - เช่นข้อความเต็มรูปแบบของเอกสาร - อาจจะมาเพื่อรับมือกับปัญหาที่เกิดขึ้นเย็นเริ่มต้น (เช่น Recommenders เนื้อหาตาม) ระบบจะต้องสามารถที่จะจัดการกับข้อมูลจำนวนมากได้อย่างรวดเร็วเลือกย่อยที่เกี่ยวข้องและให้วิธีการในการประมวลผลเบื้องต้น. ฮาร์ดแวร์ที่มีอยู่และจำนวนเงินที่คาดว่าจะได้ข้อมูลที่ จำกัด ทางเลือกของขั้นตอนวิธีการคำแนะนำที่สามารถนำมาใช้ แม้ว่าวิธีการบางอย่างช่วยให้ (บางส่วน) precomputation ของคำแนะนำนี้ความต้องการหน่วยความจำเสริมและอาจไม่ได้ผลลัพธ์ที่ดีเช่นเดียวกับการคำนวณออนไลน์ ฮาร์ดแวร์และโครงสร้างพื้นฐานเครือข่ายทั้งสองจะต้องให้แน่ใจว่าเวลาตอบสนองสั้นเพื่อส่งมอบคำแนะนำให้กับผู้ใช้โดยไม่ชักช้ามากเกินไป ร่วมกับส่วนติดต่อผู้ใช้ที่เรียบง่ายและไม่ล่วงล้ำนี้ช่วยให้มั่นใจการใช้งาน. ด้านต่อไปที่ควรจะนำมาพิจารณารวมถึงการดำเนินการเข้าสู่ระบบของผู้ใช้เหตุการณ์ที่เกิดขึ้น (เช่นการคลิก, กดปุ่ม, ฯลฯ ) เพื่ออนุญาตให้มีการประเมินผลที่มีประสิทธิภาพของวิธีการใช้คำแนะนำ ในการตั้งค่าออนไลน์ ร่วมกับการประเมินผลสดนี้ยังช่วยในการปรับแต่งกลยุทธ์การเลือกผลแบบไดนามิกเลือก (ปัจจุบัน) ขั้นตอนวิธีการแนะนำที่ดีที่สุดสำหรับผู้ใช้หรือทรัพยากรที่อยู่ในมือ มัลติขั้นตอนวิธีการที่มีอยู่หลายแห่งด้วยกันกับการรวมที่เรียบง่ายของการให้บริการคำแนะนำภายนอก (โดยการให้คำแนะนำเปิดอินเตอร์เฟซ) เป็นหนึ่งในการพัฒนาล่าสุดใน BibSonomy. 19.3.3 แท็กได้มาซึ่งคุณภาพของแท็กโดยตรงสามารถส่งผลกระทบต่อผลการดำเนินงานข้อเสนอแนะของการติดแท็กทางสังคม อาร์เอส แม้ว่า folksonomies เป็นตัวแทนของ "ภูมิปัญญาของฝูงชน" การติดแท็กทางสังคมสามารถนำเสนอปัญหาเช่นแท็ก sparsity (ผู้ใช้มีแนวโน้มที่จะให้จำนวน จำกัด ของแท็ก) polysemy (แท็กอาจมีการตีความหลาย) หรือแท็กนิสัย (แท็กที่ใช้สำหรับส่วนบุคคล องค์กรเช่น "การอ่าน" ตัวอย่างเช่น) ปัญหาเหล่านี้อาจเป็นอันตรายต่อคุณภาพของคำแนะนำ ด้วยเหตุนี้เราจะพิจารณาทางเลือกของการซื้อแท็ก นี้จะช่วยให้เราดีขึ้นลักษณะข้อดีและข้อเสียของกระบวนการทางสังคมการติดแท็ก จากนั้นเราจะตรวจสอบวิธีการดังต่อไปนี้การเข้าซื้อกิจการแท็ก: •การติดแท็กผู้เชี่ยวชาญ: วิธีการนี้มักจะขึ้นอยู่กับจำนวนเล็ก ๆ ของผู้เชี่ยวชาญโดเมนที่อธิบายโดยใช้ทรัพยากรส่วนใหญ่โครงสร้างคำศัพท์ ผู้เชี่ยวชาญให้แท็กที่มีวัตถุประสงค์และครอบคลุมหลายด้าน Pandora8 เป็นตัวอย่างที่โดดเด่นของระบบที่ใช้ผู้เชี่ยวชาญด้านการติดแท็กทรัพยากรเพลง ประโยชน์หลักของการใช้ผู้เชี่ยวชาญเป็นที่ตกลงกันไว้เป็นอย่างดีส่งผลให้แท็กคำศัพท์ นี้มาแน่นอนค่าใช้จ่ายของการทำงานด้วยตนเองซึ่งเป็นทั้งใช้เวลานานและมีราคาแพง. •การติดแท็กที่ใช้ในการเล่นเกมบันทึกย่อ: เกมโดยมีวัตถุประสงค์เพื่อ (GWAP) [39] เช่น ESPGame9, เป็นความคิดที่ก้าวหน้าในการใช้ เกมที่จะจ้างมนุษย์เพื่อวัตถุประสงค์ในการบันทึกย่อ ผู้เล่นสองคนพร้อมกันสังเกตภาพที่เหมือนกันและจะขอให้ใส่แท็กจนกว่าพวกเขาทั้งสองใส่แท็กเดียวกัน หลังจากความสำเร็จของ ESPGame ที่อื่น ๆ อีกหลายปรากฏ (เช่น ListenGame10) ใน

Results (Thai) 3:

19.3.2.3 และโครงสร้างพื้นฐานทางเทคโนโลยี ความต้องการใช้บริการ แนวทาง bibsonomy ต้องแก้ไขปัญหาหลาย ๆ บางส่วนของพวกเขาที่เราอธิบายที่นี่

เป็นครั้งแรก มีข้อมูลเพียงพอ พร้อมแนะนำขั้นตอนวิธีการผลิตข้อเสนอแนะที่เป็นประโยชน์ที่สำคัญคือความต้องการหนึ่งต้องอยู่ในขั้นตอนการออกแบบผู้ต้องการเข้าถึงระบบฐานข้อมูล และสิ่งที่ผู้ใช้กำลังโพสต์ ( ซึ่งสำเร็จได้ เช่น ( อีกครั้ง ) - แนะนำการใช้เทคนิคเหมือนโหลด Ajax ) เพิ่มเติมข้อมูล ( เช่นข้อความเต็มรูปแบบของเอกสาร และ อาจจะให้มาเล่นงานเริ่มเย็นมีปัญหา ( เช่น สำหรับเนื้อหา recommenders ) ระบบจะต้องสามารถที่จะจัดการกับจำนวนมากของข้อมูลได้อย่างรวดเร็วเลือกข้อมูลที่เกี่ยวข้องและให้วิธีการในการเตรียม .

ฮาร์ดแวร์ที่มีอยู่และจำนวนที่คาดว่าข้อมูลจำกัดทางเลือกของขั้นตอนวิธีการแนะนำซึ่งสามารถใช้ แม้ว่าบางวิธีการให้ ( บางส่วน ) precomputation แนะนำ ซึ่งต้องการหน่วยความจำเพิ่มเติมและอาจผลผลิตผลดีเหมือนกันเป็นแบบออนไลน์ทั้งฮาร์ดแวร์และโครงสร้างพื้นฐานของเครือข่ายจะต้องให้เวลาตอบสนองสั้นเพื่อให้คำแนะนำแก่ผู้ใช้โดยไม่ชักช้าเกินไป พร้อมกับอินเตอร์เฟซผู้ใช้ง่ายและไม่ล่วงล้ำนี้ยืนยันการใช้งาน

เพิ่มเติมแง่มุมที่ควรพิจารณา ได้แก่ การบันทึกเหตุการณ์ของผู้ใช้ ( เช่น การคลิก คีย์กด ฯลฯ) เพื่อให้สำหรับการประเมินประสิทธิภาพของวิธีการที่ใช้ในการออนไลน์ แนะนำการตั้งค่า พร้อมกับอาศัยการประเมินนี้ยังช่วยให้การปรับแต่งผลการคัดเลือกกลยุทธ์แบบไดนามิกเลือก ( ในขณะนี้ ) โดยการแนะนำที่ดีที่สุดสำหรับผู้ใช้หรือทรัพยากรในมือการมัลติเพล็กซ์ของขั้นตอนวิธีหลายใช้ได้ด้วยกันด้วยการรวมง่ายของการบริการรับรองภายนอก ( โดยให้เปิดแนะนำ Interface ) เป็นหนึ่งของการพัฒนาล่าสุดใน bibsonomy .


คุณภาพของการ 19.3.3 แท็กแท็กสามารถส่งผลโดยตรงต่อประสิทธิภาพของสังคมมาแนะนำ อาร์เอส แม้ว่า folksonomies แสดงภูมิปัญญาของฝูงชนสังคมให้สามารถเสนอปัญหา เช่นแท็ก sparsity ( ผู้ใช้มีแนวโน้มที่จะมีข้อ จำกัด จำนวนของแท็ก ( แท็ก ) , polysemy อาจมีการตีความหลาย ) หรือแท็ก ( แท็กที่ใช้สำหรับองค์กรลักษณะเฉพาะส่วนตัวชอบ " อ่าน " เช่น ) ปัญหาเหล่านี้สามารถเป็นอันตรายต่อคุณภาพของคำแนะนำ สำหรับเหตุผลนี้ เราพิจารณาทางเลือกในการแท็กนี้จะช่วยให้เราดีขึ้นลักษณะข้อดีและข้อเสียของสังคม ติดตามกระบวนการ จากนั้นเราก็ศึกษาตามแท็กซื้อวิธีการ :
ผู้เชี่ยวชาญแต่ละแท็ก : วิธีนี้มักจะขึ้นอยู่กับจำนวนเล็ก ๆของโดเมนผู้เชี่ยวชาญที่อธิบายการใช้ทรัพยากรส่วนใหญ่ที่มีโครงสร้าง คำศัพท์ ผู้เชี่ยวชาญให้แท็กที่เป็นวัตถุประสงค์และครอบคลุมหลายแง่มุม .pandora8 เป็นตัวอย่างที่โดดเด่นของระบบที่ใช้ผู้เชี่ยวชาญสำหรับการติดแท็กทรัพยากรโหลดเพลง ประโยชน์หลักของการใช้ผู้เชี่ยวชาญ คือ เป็นผลดีเห็นด้วยแท็กคําศัพท์ นี้ของหลักสูตรที่ค่าใช้จ่ายของคู่มือการใช้งาน ซึ่งเป็นเวลานาน และแพง .
- ตามเกมแท็กบันทึกย่อด้วยวัตถุประสงค์ ( gwap ) [ 39 ] espgame9 , ชอบ ,คือการพัฒนาความคิดที่จะใช้เกมเพื่อจ้างคนสำหรับวัตถุประสงค์ของบันทึกย่อ . สองผู้เล่นสังเกตพร้อมกันภาพเดียวกัน และขอให้ใส่แท็กจนกว่าพวกเขาทั้งสองใส่แท็กเดียวกัน ต่อไปนี้ความสำเร็จของ espgame ๆปรากฏ ( เช่น listengame10 ) ใน