Aan de Universiteit van Amsterdam (UvA) wordt onderzoek gedaan naar het gedrag van zoekmachines. Dit moet resulteren in een nieuwe zoekmachine, die leert van de ervaringen van de gebruikers.

 Zoekmachines zoals Google gebruiken vaak honderden verschillende zoekalgoritmen, die alle tot doel hebben om zo goed mogelijk de zoekopdracht van gebruikers te matchen met de inhoud van webpagina's. Een belangrijke reden van Google's sterke positie is dat ze hun zoekalgoritmen constant uitbreiden en verbeteren. Maar om dat goed te kunnen doen, moet wel bekend zijn welke uitbreiding het beste is.

Vergelijken

Het vergelijken van algoritmen gebeurt onder andere via interleaving, een methode waarbij de zoekmachine het klikgedrag van gebruikers analyseert om te leren welk algoritme de beste resultaten oplevert. De resultaten van twee zoekalgoritmen (A en B) worden met elkaar gemixt, en vervolgens word gekeken op welke pagina's gebruikers klikken. Is de geklikte pagina gevonden door zoekalgoritme A? Dan leert de zoekmachine dat A in dit geval beter is dan B.

Heel veel tegelijk

Door dit op grote schaal (met miljoenen gebruikers) te doen leert de zoekmachine automatisch welk algoritme het beste is. Een beperking bij dit zogenaamde interleaving is dat er telkens maar twee algoritmen tegelijkertijd met elkaar vergeleken kunnen worden. De nu aan de UvA ontwikkelde methode is in staat meerdere algoritmen tegelijkertijd met elkaar te vergelijken, om zo veel sneller te leren welk algoritme te prefereren is.

Europese subsidie

Het onderzoek wordt uitgevoerd binnen het LiMoSINe Project (EU/FP7), met steun van de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO). De onderzoekers presenteren de resultaten ervan komende week op het belangrijke internationale congres 'Conference on Information and Knowledge Management' in Shanghai.