Relevante zoekresultaten door middel van ranking

Het is bijna traditie in de bibliotheekwereld dat er (eindeloos) wordt getweakt aan allerlei ranking-parameters. Dit is echter een doodlopende weg, daarom heeft de NBC+ een topic rank en een static rank geïntroduceerd.

Topic rank
Topic ranking heeft alles te maken met de functionele/technische integratie van verschillende types objecten in één search engine. De NBC+ beschikt over verschillende soorten objecten zoals boeken, muziek, krantenartikelen, evenementen e.d. De uitdaging is om het ene object niet dominanter te laten zijn dan het andere. Miljoenen krantenartikelen kunnen eenvoudig honderden events overschaduwen.

Dit is opgelost door te denken over objecten alsof ze een relevantie hebben ten opzichte van een onderwerp (de topic rank). Daarmee wordt afgestapt van de traditionele gedachte dat hoe vaker de zoekterm in een object voorkomt, hoe hoger de score (term frequentie) is. Dit geeft een goede basis voor de volgende stap, de static rank.

Met een topic rank ontstaat een ranking met een technische waarheid. De algoritmes vinden een bepaalde relevantie en hebben daarin op een bepaalde manier altijd gelijk. Zo vinden deze algoritmes bij de zoekopdracht “tirza” verschillende groepen resultaten die allemaal even relevant zijn (boek “Tirza” van Grunberg, serie jeugdboeken met Tirza in de hoofdrol, etc). Maar collectiebeheerders willen soms bepaalde resultaten meer onder de aandacht brengen.

Static rank
De oplossing hiervoor is een static rank. Dit is een aparte index met hierin een rank voor elk object. Deze rank wordt statisch bepaald aan de hand van verschillende eigenschappen van het object of simpelweg volgens de wens van de beheerder. Bij het zoeken kan deze ranking worden meegenomen om de resultaten, na de toepassingen van de topic rank, te herwegen.

Statisch maar wel dynamisch
De beheerder kan heel specifiek aan de hand van allerlei mogelijke wensen de ranking doorvoeren. Boeken scoren bijvoorbeeld iets hoger, net als recente objecten en alle Nederlandstalige dingen. Het is ook mogelijk om de hoeveelheid door bibliotheken aangeschafte exemplaren te laten meewegen of eenvoudigweg de bron. Ook de leeftijd (van de doelgroep) kan als rank worden meegenomen.

In de NBC+ is deze static rank voor aangesloten partijen afzonderlijk te configureren. Elke bibliotheek kan er zelf invulling aan geven. In die zin is ook de static rank dynamisch, het kan zonder meer worden aangepast en de resultaten zijn direct zichtbaar.

Deze twee-traps ranking draait nu proef en zal in oktober in productie gaan.

Geen verrassingen meer…

Vandaag vindt er een nieuwe release van het NBC+ Zoekplatform plaats. In deze release zit onder andere de nieuwe feature: verkrijgbaarheid. Deze feature is nog in testfase, maar we willen hier alvast graag meer over vertellen.

Verwijzing naar bron zoekresultaat
Een zinvolle search engine zal gebruikers altijd moeten leiden naar de bron van het zoekresultaat. Bij internet search engines is dat eenvoudigweg naar een webpagina. Bij de NBC+ kunnen dat ook verwijzingen zijn naar bijvoorbeeld onderstaande services:

  • reserveren (eigen bibliotheek)
  • aanvragen (landelijk)
  • downloaden e-book
  • inzien (betaald/online)
  • inzien op locatie
  • inzien online + abonnement
  • streaming (preview)

Als je bijvoorbeeld op zoek bent naar een boek zijn er vaak meerdere mogelijkheden om het boek te kunnen verkrijgen. Wij hebben een methode ontwikkeld die de verwijzingen naar alle services mogelijk maakt. Per zoekresultaat wordt op gestructureerde wijze aangegeven wat de opties zijn. Dit hebben we bereikt met (een uitbreiding op) de “Document Availability Information API” (DAIA), zoals ontwikkeld in het Gemeinsamen Bibliotheksverbund.

Geen verrassingen meer voor de gebruiker
Met deze feature is het in de zoekresultaten nu direct zichtbaar waar je naar toe wordt doorverwezen met daarbij de informatie wat die verwijzing inhoudt. Geen verrassingen meer voor de gebruiker wat er bij volgende stap kan worden verwacht. In één oogopslag zijn alle mogelijkheden tot verkrijgbaarheid zichtbaar per zoekresultaat.

 

 

Multi-threading and optimizing speed-up (Infographic)

Below is an #infographic about how a multi-threaded application in general behaves, including text balloons with suggestions about where to look for improvements.

I created it because I wanted to explain to a colleague what I did to improve Lucene’s faceting performance using 16 CPU cores.

I hope it speaks for itself.

Infographic about Multi-threading

Infographic about Analyzing and Optimizing Multi-threading (and why you don’t see linear speed-up in most practical cases)

Perfecte match met XFS

Bij toeval hebben we ontdekt dat XFS  een perfecte match is met de door ons recent ontwikkelde SequentialStorage. XFS is een file system dat we al jaren gebruiken, maar dat het zo’n goede combinatie is, hadden we van tevoren niet verwacht.

Laatst constateerden we in Gustos, ons systeem voor Continubeheer, een fikse toename van diskverbruik die niet in verhouding stond met de toename van de data. Om dit te kunnen verklaren, zijn we in het file system gedoken.

We hebben ontdekt dat XFS  bestanden herkent waar veel naar wordt geschreven. Bij die bestanden wordt extra aaneengesloten ruimte gereserveerd. De gereserveerde ruimte wordt door de standaard tooling aangegeven als zijnde ‘in gebruik’. Na onderzoek en de juist tool de goede vraag te stellen, kwamen we erachter dat XFS tijdig de gereserveerde ruimte automatisch weer vrijgeeft als er een ruimtetekort ontstaat. Goed geregeld!

SequentialStorage
Dat XFS de ruimte weer vrijgeeft, is wat wij willen voorkomen. Die ruimte werkt juist in het voordeel met SequentialStorage. Dit onderwerp is de moeite waard om een apart technisch artikel aan te wijden. Maar kort samengevat hebben we SequentialStorage ontwikkeld omdat we vaak tussen systemen dezelfde stroom data in dezelfde volgorde moeten ophalen. Door alle records achter elkaar op te slaan, is het haalbaar om data snel en sequentieel op te leveren.

Als wij weer signaleren dat de disk vol dreigt te lopen, weten wij wat ons te doen staat.  Wij geven XFS graag de ruimte.