Summary: | Die Suche nach bekannten Objekten, sogenannten Known-Items, wird in Bibliothekskatalogen häufig durchgeführt. Für solche Suchen ist das gesuchte Known-Item der relevanteste Treffer. Daher sollte das Known-Item in der Trefferliste weit oben gerankt werden, um von der recherchierenden Person wahrgenommen zu werden. In dieser Arbeit wird untersucht, wie erfolgreich die Suche nach Known-Items in einem Discoverysystem mit Relevanzranking ist. Dafür wurden Suchanfragen in der einfachen Suche aus den Logdateien des Discoverysystems beluga intellektuell klassifiziert und die Known-Item-Suchanfragen identifiziert. Fast die Hälfte aller Suchanfragen waren Suchen nach Known-Items. Drei Viertel der gesuchten Known-Items wurden auf dem ersten Rang der Trefferliste gerankt, wobei Zeitschriftentitel meist niedriger gerankt wurden. Da das Relevanzranking für Known-Item-Suchanfragen nicht verbessert werden kann, ohne dass dies negative Auswirkungen auf andere Suchanfragen hat, wurde anhand der Merkmale der Known-Item-Suchen ein Algorithmus entwickelt, der die Known-Item-Suchanfragen erkennt. Dann könnten mit einem auf Suchanfragentyp angepassten Relevanzranking die Known-Items besser gerankt werden. Die Evaluation des Algorithmus in einer Testmenge zeigt, dass mit einer Precision von 0,83 und einem Recall von 0,85 die Known-Item-Suchen erkannt werden können und somit das Ranking von 30% der Known-Item-Suchanfragen verbessert werden könnte.
|