[論文レビュー] A Method to Support Difficult Re-finding Tasks

Gangli Liu, Ling Feng|arXiv (Cornell University)|Jan 27, 2016

Personal Information Management and User Behavior参考文献 14被引用数 3

ひとこと要約

本論文では、ドキュメント再検索の困難なタスクを支援するためのウィザードベースの手法を提案している。ユーザー固有の属性——読書時間、ページ数、画像数、印刷頻度など——をドキュメント操作中にログ記録することで、質問・回答インターフェースを用いて記憶の手がかりを想起させる。これにより認知的負荷が軽減され、再検索の正確性が向上し、評価では一般的な記憶の手がかりを用いて大規模なドキュメント集合の絞り込みに効果的であることが示された。

ABSTRACT

Re-finding electronic documents from a personal computer is a frequent demand to users. In a simple re-finding task, people can use many methods to retrieve a document, such as navigating directly to the document's folder, searching with a desktop search engine, or checking the Recent Files List. However, when encountering a difficult re-finding task, people usually cannot remember the attributes used by conventional re-finding methods, such as file path, file name, keywords etc., the re-finding would fail. We propose a new method to support difficult re-finding tasks. When a user is reading a document, we collect all kinds of possible memory pieces of the user about the document, such as number of pages, number of images, number of math formulas, cumulative reading time, reading frequency, printing experiences etc. If the user wants to re-find a document later, we use these collected attributes to filter out the target document. To alleviate the user's cognitive burden, we use a question and answer wizard interface and provide recommendations to the answers for the user, the recommendations are generated by analyzing the collected attributes of each document and the user's experiences about them.

研究の動機と目的

• ファイルパスやキーワードといった標準的なメタデータを思い出せないような困難な再検索タスクに対処すること。
• 段階的な質問・回答ウィザードインターフェースを用いることで、記憶想起におけるユーザーの認知的負担を軽減すること。
• 長期間記憶される非伝統的属性——読書時間、画像数、印刷行動など——を収集・活用し、ドキュメント検索を支援すること。
• 入力活動パターンを用いてPDFドキュメントの読書時間を推定する高精度なアルゴリズムを開発すること。
• 一般的な記憶の手がかりを用いた属性ベースのフィルタリングが、大規模なドキュメント集合の絞り込みにどの程度効果的であるかを評価すること。

提案手法

• ドキュメント閲覧中に、読書時間、ページ数、画像数、印刷イベントなど、可能なすべてのドキュメント属性とユーザーの操作体験をログ記録する。
• 記憶の手がかりの想起を支援するための質問・回答ウィザードインターフェースを用い、保存済みの属性データから推奨事項を生成する。
• 読書の中断や終了を特定するために、非活動期間を検出する読書時間推定アルゴリズムを実装し、I型およびII型の誤検出を最小限に抑える。
• ユーザー入力の間隔パターンを分析して、個々の読書習慣に適応した非活動閾値をパーソナライズする。
• 複数の一般的な記憶の手がかり（例：「100万以上のサイズ」、「Eドライブ上にあった」、「週末に印刷した」）を用いた属性ベースのフィルタリングを適用し、候補ドキュメント数を10,000から約15件にまで削減する。
• すべてのデータをユーザーのデバイス上にローカルに保存し、パスワード保護を施し、機微な記録の削除をオプションで提供することで、プライバシーを確保する。

実験結果

リサーチクエスチョン

• RQ1 ファイル名、パス、キーワードといった標準メタデータ以外のユーザーの記憶の手がかり（例：読書時間、画像数）を、困難な再検索タスクの支援に効果的に活用する方法は何か？
• RQ2 ドキュメント再検索における記憶想起の認知的負荷を最小限に抑える最適な方法は何か？
• RQ3 入力活動パターンを用いて、PDFドキュメントの読書時間をどの程度正確に推定できるか？
• RQ4 「1MB以上だった」や「週末に読んだ」のような一般的で曖昧な記憶の手がかりが、候補ドキュメント集合をどの程度まで縮小できるか？
• RQ5 ユーザーのドキュメント操作履歴データをログ記録することのプライバシー的影響は何か？ そして、それらはどのように軽減できるか？

主な発見

• 16個の一般的な記憶の手がかりを用いて、10,000件の候補ドキュメントを約15件にまで効果的に絞り込むことに成功。各手がかりが関係のないドキュメントの約1/3を除外する。
• 85％以上のユーザー入力間隔が5分未満であることが判明し、多くのユーザーが読書中に短い非活動期間を示すため、読書時間の推定が高精度に可能である。
• 入力パターン解析から、ユーザー固有の非活動閾値（例：10〜20分）を導出可能であり、個々のユーザーの読書時間検出精度が向上する。
• ウィザードインターフェースにより、複雑な記憶想起を管理しやすい独立した質問に分解し、知能的な推奨事項を提供することで、認知的負荷が顕著に軽減された。
• 画像数、印刷頻度、累積読書時間といった非伝統的属性が、ドキュメント再検索において実用的で効果的であることが実証された。
• 評価により、曖昧な一般的な記憶の手がかりを組み合わせることで、困難な状況下でも成功した再検索が可能であることが確認された。