Personalizing Keyword Search on RDF data. Giorgos Giannopoulos, Evmorfia Biliri and Timos Sellis

Despite the vast amount on works on personalizing keyword search on unstructured data (i.e. web pages), there is not much work done handling RDF data. In this paper we present our first cut approach on personalizing keyword query results on RDF data. We adopt the well known Ranking SVM approach, by training ranking functions with RDF-specific training features. The training utilizes historical user feedback, in the form of ratings on the searched items. In order to do so, we join netflix and dbpedia datasets, obtaining a dataset where we can simulate personalized search scenarios for a number of discrete users. Our evaluation shows that our approach outperforms the baseline and, in cases, it scores very close to the ground truth

Ranking is ook hier weer belangrijk.
Input is Query of RDF of clickstream.
Bv als iemand zoekt naar woody allen films en in verleden vaak naar scarlett heeft gezocht.

RDF data schema.
We moeten training schema’s definiëren.
Complexe structuur van RDF is een probleem.
Er waren geen goede datasets ter evaluatie.
Dus namen ze dbpedia en Netflix en nog iets.

RSVM model trainen.
Dan RDF definities vastleggen
Elk keyword wordt gematcht aan een graph node.
En dan krijg je een gepersonaliseerde resultaat voor elk keyword.
En in de toekomst kunnen wr daar dan een grafisch resultaat van maken.

Tsja.
Paper maar even lezen