Pojem relevance, její vyhodnocování, druhy relevance

Pojem relevance se objevuje v několika oborech - např. v oblasti práva, ekonomie, lingvistiky, filozofie, psychologie, a také v informační vědě, ve které hraje klíčovou roli ve vyhledávání informací.

Teorie relevance v oblasti lingvistiky se pojí se jmény Sperbera a Wilsonové. Podle nich je princip relevance základním prvkem komunikace. Každý výrok, který mluvčí vysloví, vytváří u adresáta očekávání, že je relevantní, tzn. má vztah k dané situaci. Úspěšná komunikace je taková, kdy každý z účastníků je schopen přispět do ní svou relevantní informací. [1]

Relevance v informační vědě

Model relevance podle S.Mizzara (Mizzaro, 1997)

V oblasti informační vědy je pojem relevance chápán jako vztah mezi dotazem uživatele a jedním dokumentem z velké množiny dokumentů. V užším slova smyslu ji můžeme pojmenovat jako číselné seřazení výsledků vyhledávání podle toho, jak odpovídá informační potřebě uživatele, vyjádřené dotazem.

"Těžko bychom našli pojem, který je předmětem tolika debat nebo který by měl takový dopad na obory informačního průzkumu a vyhledávání informací, jako relevance. Relevance hraje jednu z nejdůležitějších, základních a ústředních rolí ve všech aspektech informačního průzkumu a vyhledávání informací, včetně teorie, implementace a vyhodnocování." [2]

Pojmem relevance se zabývalo již mnoho vědců - např. Nolin (2009), Saracevic (1975, 2007), Bawden (1990), Buckland (1983), Borlund (2003) a Mizzaro (1997)[3]

Steffano Mizzaro sepsal na toto téma několik studií. Podle něho je relevance definována jako “vztah mezi dvěma entitami ze dvou skupin“.

Do první skupiny jsou zařazeny:

Do druhé řadíme:

Na obr. na modelu S. Mizzara[5] jsou zástupci první skupiny nalevo a druhé skupiny napravo. Relevancí pak rozumíme vztah mezi dvěma prvky z každé skupiny, např. mezi dokumentem a požadavkem, nebo mezi informací a informační potřebou.[6]

Vyhledávání informací

Vyhledávání informací může probíhat dvěma způsoby:

  • podle jmenného popisu dokumentu: př. jméno autora, rok vydání atd. Sytém vyhledá tuto informaci bez problému.
  • podle obsahu dokumentu: nelze jednoznačně a beze zbytku vyjádřit obsah dokumentu. Ke zkreslení může dojít nejen při popisu dokumentu, ale i při formulaci dotazu (hlavně z důvodu zjednodušení). Tím pak dochází k tomu, že některé relevantní dokumenty nejsou vybrány a naopak, jsou vybrány dokumenty irelevantní. K určení míry úspěšnosti vyhledávání podle obsahu systémem měříme pomocí koeficientu přesnosti a úplnosti.[4]


Počty dokumentů pro hodnocení_úspěšnosti vyhledávání (Sklenák, 2001)


A = počet vybraných dokumentů relevantních k informačnímu požadavku

B = počet relevantních dokumentů k informačnímu požadavku, ale systém je při vyhledání nevybral

C = počet dokumentů irelevantních i informačnímu požadavku, ale systém je při vyhledávání vybral

D = počet irelevantních a nevybraných dokumentů


V rámci vyhledávání informací je pak možné vypočítat:

  • koeficient přesnosti: vyjadřuje, jaká je šance, že nalezený dokument je relevantní.

[7]

  • koeficient úplnosti: vyjadřuje, jaká je možnost, že bude vybrán relevantní dokument

[7]

Druhy relevance

Relevance - průniky (autor: Adéla Jarolímková Rešeršní strategie pro vědu a výzkum)

Relevantní informace je informace, která je formálně nebo věcně shodné s dotazem zadaným uživatelem v přirozeném či selekčním jazyku.

  • Formální relevance je shoda formulace rešeršního dotazu se selekčními údaji dokumentu. V rámci ní informační systémy posuzují relevanci v závislosti na modelu vyhledávání, který používají (booleovský x vekterový x pravděpodobností).
  • Věcná (obsahová) relevance je shoda obsahu informačního dotazu s obsahem vyhledaného dokumentu. Ke zjišťování relevance se používají koeficienty (míry) úplnosti a přesnosti. [8]

Druhy relevance podle Saracevice

Podle Saraceviceho je relevance vztah mezi informací či informačním objektem a kontextem (informační potřeba, dotaz, úkol, záměr, téma …). Také se dá říct, že je to míra příbuznosti.

  • Systémová/algoritmická relevance: vztah mezi dotazem a informací/informačním objektem.
  • Tématická/věcná relevance: vztah mezi tématem vyjádřeným v dotazu a tématem pokrytým informací/informačním objektem.
  • Kognitivní relevance/pertinence: vztah mezi stavem znalostí uživatele a informací/informačním objektem.
  • Situační relevance/přínosnost: vztah mezi situací, úkolem či problémem a vyhledaným či existujícím informačním objektem. Hodnotí se podle přínosnosti pro rozhodování, řešení problému, snižování míry nejistoty apod.
  • Afektivní/motivační relevance: vztah mezi záměry, cíli, emocemi a motivací uživatele a vyhledaným či existujícím informačním objektem. Hodnotí se podle míry spokojenosti uživatele a dosažení úspěchu. [9]

Druhy relevance podle Huang & Soergel

Dalším typem relevance je relevance podle pánů Xiaoli Huang a Dagobert Soergel.

Ti ji dělí na tyto dva typy:

  • Relevance-as-is („jak stojí a leží“): smysluplný vztah mezi informačním objektem a informační potřebou (součásti informační potřeby: téma, uživatel, problém, situace).
  • Relevance-as-determined: výsledek posouzení relevance-as-is posuzujícím (člověk nebo systém), který je založený na reprezentacích informačního objektu a informační potřeby. [9]

Kritéria pertinence

Pertinentní informace je pak informace, které vyhovují subjektivním požadavkům uživatele na obsah informace nebo dokumentu. [10] Pertinence, neboli uživatelská relevance má dle různých výzkumů až několik desítek kritérií.

Mezi takový příklad patří:

  • Tématičnost (topicality):do jaké míry obsah dokumentu odpovídá tématu.
  • Spolehlivost (reliability): do jaké míry je obsah dokumentu vnímán jako pravdivý, přesný a spolehlivý.
  • Pochopitelnost (understandability): do jaké míry je obsah uživateli srozumitelný.
  • Novost (novelty): do jaké míry přináší uživateli nové informace.
  • Rozsah (scope): do jaké šíře a hloubky je téma zpracováno. [9]

Vyhodnocování relevance

Při vyhledávání informací systémem měříme efektivnost vyhledávání pomocí přesnosti a úplnosti.

  • přesnost (precision): vyjadřuje, jak velká část nalezených dokumentů je relevantní.

  • úplnost (recall): vyjadřuje, jak velká část relevantních dokumentů (ze všech možných) se našla.


  • REL: množina všech relevantních dokumentů
  • NAL: množina všech nalezených dokumentů [7]

Ideální by byla co nejvyšší úplnost i přesnost, tedy že by r = 1 a p = 1, což je však nereálné. Přesnost a úplnost jsou si nepřímo úměrné, tedy protichůdné. Chceme-li získat co nejvíce výsledků k danému tématu, bude pro nás důležitá úplnost. Naopak, máme-li jeden konkrétní specifický dotaz, je pro nás důležitá přesnost.[11]

Grafy

Další způsoby hodnocení relevance

Existuje několik kritérií, podle kterých vyhledávací stroje hodnotí relevanci vyhledaných dokumentů. Tato kritéria se dají rozdělit na dvě oblasti. Jednou jsou kritéria závislá pouze na vlastnostech daného dokumentu a druhou jsou kritéria nezávislá na hodnoceném dokumentu.

Kritéria založená na vlastnostech dokumentu:

  • frekvence výskytu hledaného slova: čím častěji se hledané slovo vyskytuje v daném dokumentu, tím má dokument větší šanci získat lepší hodnocení.
  • pozice slova v dokumentu: u tohoto kritéria se hodnotí pozice slova v dokumentu. Skóre se zvětšuje, čím blíže se slovo vyskytuje začátku dokumentu. Zvlášť jsou hodnocena slova v názvu.
  • existence metatagu: některé vyhledávací stroje zjišťují existenci metatagu a zlepšují hodnocení dokumentu, pokud se v něm hledané slovo vyskytuje. [12] S tím, že meta tagy jsou speciální elementy, které se v HTML dokumentu zapisují do hlavičky stránky a které nesou informace doplňující obsah stránky. Ty nejsou při zobrazení stránky nikde vidět, ale pomáhají prohlížečům, vyhledávačům a dalším programům v lepší interpretaci stránky. [13]

Kritéria nezávislá na dokumentu:

  • populárnost daného dokumentu: při tomto hodnocení se bere v potaz pouhý součet všech odkazů na daný dokument. Jde v podstatě o popularitu daného dokumentu. Určuje však pouze jeho popularitu, ale nikoliv kvalitu.
  • citační analýza: autoři vyhledávacích strojů Google vyšli z myšlenky citační analýzy a impact faktoru. Toto kritérium funguje tak, že "hodnota" dokumentu je sumou hodnot dokumentů, které na daný dokument odkazují / počtem odkazů vedoucích z dokumentu. Toto hodnocení je normalizováno, takže jeho maximální hodnota může být menší než jedna. Tento systém velmi věrně kopíruje citační analýzu a je velmi málo náchylný na manipulaci. Tato strategie vede k velmi dobrým výsledkům vyhledávání. [14]

Odkazy

Reference

  1. HIRSCHOVÁ, Milada, 2013. Pragmatika v češtině. Vyd. 2., V Karolinu 1., dopl. V Praze: Karolinum. ISBN 978-80-246-2233-0.
  2. JANSEN, Bernard J. a Soo Young RIEH. The seventeen theoretical constructs of information searching and information retrieval. Journal of the American Society for Information Science and Technology [online]. [cit. 2018-05-05]. DOI: 10.1002/asi.21358.
  3. BAWDEN, David a Lyn ROBINSON, 2017. Úvod do informační vědy. Doubravník: Flow. ISBN 978-80-88123-10-1.
  4. 4,0 4,1 BOLDIŠ, Petr, 2008. Pořádání informací a znalostí na internetu: analýza a trendy [online]. Verze 1.0. Praha [cit. 2018-04-19]. Dostupné z: http://uisk.ff.cuni.cz/wp-content/uploads/sites/62/2016/01/Po%C5%99%C3%A1d%C3%A1n%C3%AD-informac%C3%AD-a-znalost%C3%AD-na-internetu-anal%C3%BDza-a-trendy_Boldi%C5%A1.pdf
  5. MIZZARO, Stefano, 1997. Relevance: The Whole History. Journal of The American Society For Information Science [online]. 1997, 48(9), 810-815.
  6. KASÍK, Josef, 2007. Problémy vyhledávání informací v Internetu ? relevance, důvěryhodnost a aktuálnost vyhledaných informací [online]. Praha [cit. 2018-04-19]. Dostupné z: https://vskp.vse.cz/id/1331263. Bakalářská práce. Vysoká škola ekonomická v Praze, Fakulta informatiky a statistiky. Vedoucí práce Mach, Jan.
  7. 7,0 7,1 7,2 SKLENÁK, Vilém, 2001. Data, informace, znalosti a Internet. Praha: C.H. Beck. C.H. Beck pro praxi. ISBN 80-717-9409-0
  8. JONÁK, Zdeněk. Relevantní informace. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003- [cit. 2021-08-19]. Dostupné z: https://aleph.nkp.cz/F/?func=direct&doc_number=000000488&local_base=KTD.
  9. 9,0 9,1 9,2 JAROLÍMKOVÁ, Adéla. Rešeršní strategie pro vědu a výzkum - Relevance. Moodle UK pro výuku 1 [online]. [cit. 2021-08-19]. Dostupné z: https://dl1.cuni.cz/course/view.php?id=5716
  10. JONÁK, Zdeněk. Pertinentní informace. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003- [cit. 2021-08-19]. Dostupné z: https://aleph.nkp.cz/F/?func=direct&doc_number=000000483&local_base=KTD.
  11. PAPÍK, Richard, Rešeršní strategie a informační systémy pro vědu a výzkum [online]. Praha, 2011, (Verze 1.0) [cit. 2018-04-19]. Dostupné z: http://sites.ff.cuni.cz/uisk/wp-content/uploads/sites/62/2016/01/Re%C5%A1er%C5%A1n%C3%AD-strategie-a-informa%C4%8Dn%C3%AD-syst%C3%A9my-pro-v%C4%9Bdu-a-v%C3%BDzkum_Pap%C3%ADk.pdf
  12. HOUDEK, Aleš. Způsoby hodnocení relevance vyhledaných dokumentů ve vyhledávacích strojích. Ikaros [online]. 2000, ročník 4, číslo 1 [cit. 2021-08-21]. urn:nbn:cz:ik-11071. ISSN 1212-5075. Dostupné z: http://ikaros.cz/node/11071
  13. ŠTRÁFELDA, Jan. Co jsou to meta tagy. Jan Štráfelda: průvodce online projektem [online]. [cit. 2021-08-23]. Dostupné z: https://www.strafelda.cz/meta-tagy
  14. HOUDEK, Aleš. Způsoby hodnocení relevance vyhledaných dokumentů ve vyhledávacích strojích. Ikaros [online]. 2000, ročník 4, číslo 1 [cit. 2021-08-21]. urn:nbn:cz:ik-11071. ISSN 1212-5075. Dostupné z: http://ikaros.cz/node/11071

Doporučená literatura

Související články

Klíčová slova

rešerše, relevance, vyhodnocování relevance, kritéria relevance