Der er andre projekter i Verden end danske, der kommer med input til udvikling af recommendation engines i bibliotekskatalogen. Et interessant projekt er anbefalingssystemet BibTip, der udvikles på universitetsbiblioteket i Karlsruhe. Et system, der kan anbefale bøger på baggrund af brugeradfærd som click streams og sidevisninger.
Whereas in the field of Internet commerce, user data are generated by purchasing transactions or clicks on links in web pages, in the case of BibTip, data are generated by aggregating the calls of full title displays during sessions in the online catalog.
Spørgsmålet er blot, om disse data er tilstrækkeligt signifikante til at kunne give relevante anbefalinger. Således stiller Tim Spalding (ham fra LibraryThing) i et indlæg på biblioteksfagnørd-mailinglisten NGC4Lib spørgsmål ved algoritmen:
Like other systems that follow where users go, not whether they liked it there and what they did there, BibTip is susceptible to „ant navigation‟ problems. You know how ants find their way about? They follow the trail put down by other ants. This works well in general, but it can also go bad. An ant gets lost. Another ant happens on the trail, and gets lost too, a third and sees a really strong trail, so three are lost, etc. At its worst you have the famous phenomenon of ants going round and round in a circle, following other ants and their ever-stronger trail, until all the ants die of exhaustion!
I ask you: Do we want library patrons dying of exhaustion?
BibTip er et interessant bud på kollaborativ filtrering, der er til at implementere. Men måske ville det have været mere interessant, hvis algoritmen var baseret på aktive handlinger, så som reserveringer, udlån etc, i stedet for udelukkende på interaktionsadfærd med webgrænsefladen.
Læs mere om BibTip her:
- Adding Value to the Library Catalog by Implementing a Recommendation System. I D-Lib Magazine, maj/juni 2008, Volume 14 nr. 5/6.
- BibTip
Diskussion på mailinglisten NGC4Lib:
Update 18. maj: Siden Tim Spaldings „ant navigation‟ svar, debatteres der lystigt på mailinglisten om den bedste algoritme og hvilke data, den skal baseres på. Se hele tråden her.