Code4Lib 2013参加報告会での発表スライドです。 https://www.facebook.com/events/312000325589268/

1. Code4Lib 2013参加報告
（セッション聴講を中心に）
2013年3月24日（土）
Code4Lib Conference 2013参加報告会
高久雅生
@tmasao
1

2. 自己紹介：高久雅生
• 所属：物質・材料研究機構科学情報室 エンジニア
– 研究所専門図書館におけるWeb系サービスの研究開発・運
用を担当
• 図書館管理システム, 研究者総覧, 機関リポジトリ
• 専門分野：図書館情報学
– 情報検索、情報行動、電子図書館
• コミュニティ活動
– Code4Lib JAPANコアメンバー (2010-)
– saveMLAKシステム担当 (2011-)
– 情報科学技術協会『情報の科学と技術』編集委員 (2009-)，
諮問委員 (2012-)
– 情報知識学会 理事 (2008-)
– ジャパンリンクセンター運営委員会システム技術分科会委
員 (2012-)
2

3. Code4Libのコミュニティ
• 北米の図書館エンジニアを中心としたコミュニティ
– オープンソースソフトウェア (Open Source Software; OSS)
– 大学図書館や議会図書館、図書館関連団体、企業等に
勤める図書館員やITエンジニア
• 普段はメーリングリスト、IRC（チャット）での交流
• 地域コミュニティも
– Code4Lib Midwest, NYC, New England,
Maryland/Washington DC., Northwest, etc.
– Code4Lib JAPAN
3

4. Code4Libカンファレンスの概要
• 2006年から開始
• 毎年2月に開催
• 参加者：250名～400名
– 半数以上は初参加。
• 朝食、ランチを提供
• 発表：シングルトラックセッション
– 基調講演（60分～）
– 通常発表（15～20分）: コミュニティの投票で選ばれる。
– ライトニングトーク（5分）：カンファレンス当日にWikiで。
• 分科会（ブレイクアウトセッション）
• プレカンファレンス（Tutorial, Workshops) 4

5. 今年のカンファレンス
- Code4Lib Conference 2013 -
• 初めての大規模開催：250名→400名へ！
• 大都市シカゴでの開催！
• ストリーミングビデオ
– https://archive.org/search.php?query=code4lib+
2013
• （私自身は2010年から4年連続の参加）
5

6. セッション技術レビュー
（情報検索分野という観点から）
• 検索技術や検索ツールの話題
– 文献検索での関連度順ランキング手法
– 大量電子書籍の全文検索のチューニング
– あいまい検索
• 広く情報探索の話題
– 検索ログ/アクセスログの分析
– モバイル環境や統合検索の新しい検索インタフェース
– 書架ブラウジングツール
6

7. 今回の発表セッションから
• 検索ツール系（2/12午前のセッション）
– 新しい検索手法の提案や事例報告がまとまっていた
– Practical Relevance Ranking for 10 million books
• （全文検索結果の関連度ランキング法）
– n Characters in Search of an Author
• （著者名のあいまい検索法）
– Citation search in SOLR and second-order operators
• （引用文献検索の方法）
• 情報探索・利用行動系（2/13午後のセッション）
– De-sucking the Library User Experience
• （OPACのユーザインタフェースの改良とその考え方）
– Google Analytics, Event Tracking and Discovery Tools
• （アクセスログの詳細分析；OPAC上でのイベント追跡）
– Actions speak louder than words: Analyzing large-scale query logs
to improve the research experience
• （Summonでのサーバログ分析用フレームワークの事例報告）
7

8. 今回の発表セッションから
• 検索ツール系（2/12午前のセッション）
– 新しい検索手法の提案や事例報告がまとまっていた
– Practical Relevance Ranking for 10 million books
• （全文検索結果の関連度ランキング法）
– n Characters in Search of an Author
• （著者名のあいまい検索法）
– Citation search in SOLR and second-order operators
• （引用文献検索の方法）
• 情報探索・利用行動系（2/13午後のセッション）
– De-sucking the Library User Experience
• （OPACのユーザインタフェースの改良とその考え方）
– Google Analytics, Event Tracking and Discovery Tools
• （アクセスログの詳細分析；OPAC上でのイベント追跡）
– Actions speak louder than words: Analyzing large-scale query logs
to improve the research experience
• （Summonのログ分析環境の事例報告）
8

9. Towards Practical Relevance Ranking
for 10 million books (1)
• 発表者：Tom Burton-West（ミシガン大学図書館）
• HathiTrustでの全文検索エンジンSolrを使った全文検
索サービスからの事例報告
– 70機関以上の図書館が収集した電子書籍リポジトリ
– 約1,050万冊
– 450TB（画像：JPEG2000+TIFF, OCRテキスト, メタデータ）
• 検索における課題
– 超大規模な文書群に対する全文検索
– 多言語（400言語超）
– OCR性能のばらつき
– 全文検索の関連度ランキングの性能評価
– （INEXでの参加報告） 9

10. Towards Practical Relevance Ranking
for 10 million books (2)
• Solr標準のキーワード重み付け評価法
– TF*IDF
– 文書長による正規化が効きすぎている。
• 既存のランキング評価イニシアティブとの比較、経験
– 書籍の文書長：760KB（10万語）
– 多言語： “die hard” vs (ドイツ語)“die”
• 検索対象：
– 書籍全体？章？節？ページ？
• 全文検索における最適化、テスト：
– より自動化したい…
– 求む、テストコレクション…
10

11. n Characters in Search of an Author (1)
• 発表者：Jay Luker（ハーバード・スミソニアン天体
物理学センター）
• 著者名検索の課題（あいまい検索）
– ノイズを増やさず、できるだけヒットさせたい
– 異体字（ウムラウト等）
– 読み変え；改姓；…
• Solrインデックス用のフィルタを開発！
11

12. （自分の経験から）
• 研究者総覧SAMURAIにおけるキーワード検索
– http://samurai.nims.go.jp/search.html
– Solrベース
– キーワードの重み付け
• 文書長の正規化は止めた
– 氏名検索用に異体字展開
• 高⇔髙, 﨑⇔崎, etc.
– Cf. http://kanji-database.sourceforge.net/
12

13. まとめにかえて
• トピック
– 次世代目録システム, OPAC 2.0的な話題は少なめに…
– 技術的により深く先進的な（ より狭い？）手法の開発
• 学術研究レベルの技術評価や実装も
– コミュニティの深化、多様性の強調 (Code of Conduct)
– エモーション：Aaron Swartz
• 来年は？
– 現在、開催都市の選考中（来月中には決定）
• オースティン (TX), ノースカロライナ (NC)
– 発表採択方式：プログラム委員会方式へ？
• JAPANからの貢献を
– 日本での様々な試みも紹介を！反応はすごいです！
– 国内でもカンファレンスを！ 13