Warum Facetten noch faszinierender sind, als Sie vielleicht dachten

Ich komme gerade von einer weiteren unglaublichen Lucene/Solr Revolution zurück, dieses Jahr in Sin City (auch bekannt als Las Vegas)…

Ich komme gerade von einer weiteren unglaublichen Lucene/Solr Revolution zurück, dieses Jahr in Sin City (auch bekannt als Las Vegas) Nevada. Das Problem ist, dass es so viele gute Vorträge gab, dass ich es gar nicht abwarten kann, bis die Videokassette auf U-Tube veröffentlicht wird, denn ich musste immer wieder die Qual der Wahl haben, welchen ich sehen wollte. Ich hatte auch das Glück, unter den Vortragenden zu sein, so dass mein eigener Versuch, mehr als eine Stunde Material in 40 Minuten zu packen, zu Ihrer Unterhaltung und hoffentlich auch zu Ihrer Erbauung verfügbar sein wird. Um es mit den Worten eines meiner Lieblingskomiker aus meiner Kindheit, Maxwell Smart, zu sagen: „Ich habe es um so viel verfehlt“. Um genau zu sein, bin ich 4 Minuten und 41 Sekunden länger gelaufen als die vorgesehenen 40 Minuten. Ich weiß das, weil ich eine Stoppuhr auf meinem Handy laufen ließ, um mich genau davon abzuhalten. In meiner wissenschaftlichen Laufbahn hatte ich es schon viel schlimmer getrieben: Ich hatte meine gesamte Doktorarbeit in einen 15-minütigen Diavortrag auf einem Kongress für Neurowissenschaften in Cincinnati gepackt – aber damals war ich jung und dumm. Jetzt sollte ich älter und weiser sein. Das sollte man meinen.

Aber es war in dieser Woche in Vegas, dass ich diese Synthese erreicht habe, die ich hier beschreibe – und seitdem noch ein bisschen mehr verfeinert habe, was auch der Grund ist, warum ich diesen Blogbeitrag schreibe. Als ich den Vortrag vor etwa einem Jahr konzipierte, war die Idee, eine Art Rückblick auf einige interessante Dinge zu geben, die ich im Zusammenhang mit Facetten gemacht und gebloggt hatte. Damals muss es irgendwo in meinem Kopf ein „Thema“ gegeben haben – denn ich erinnere mich, dass ich davon begeistert war, aber als ich vier Monate später die Zusammenfassung einreichte und schließlich fast ein Jahr später das Slide Deck zusammenstellte, konnte ich mich nicht mehr genau daran erinnern, was das war. Ich wusste, dass ich kein „Ich habe diese coole Sache gemacht, dann habe ich diese andere coole Sache gemacht usw.“ über Dinge machen wollte, über die ich größtenteils schon gebloggt hatte, denn das wäre eine Zeitverschwendung für alle gewesen. Glücklicherweise führte die Linse des Drucks, nach meiner üblichen langen Zeit des Aufschiebens „etwas“ Interessantes zu sagen, sowie die Inspiration durch die Teilnahme an Revolution und die Antworten der vorangegangenen Tage auf die Frage „Also, Ted, worum wird es in Ihrem Vortrag gehen?“ zu dem Geistesblitz, der eine noch bessere Synthese ergab als im Jahr zuvor (ich bin mir ziemlich sicher, aber ich erinnere mich wieder nicht, also vielleicht auch nicht – wir werden es nie erfahren).

In meinem Vortrag ging es um einige interessante Dinge, die ich mit Facetten gemacht habe, die über die traditionellen Verwendungszwecke wie facettierte Navigation und Dashboards hinausgehen. Ich begann mit diesen Themen, um den Vortrag in Schwung zu bringen. Ich habe auch etwas über die Geschichte der Facettentechnologien erzählt, um mein Alter und meine große Sucherfahrung zu zeigen und um die Begriffe zu vergleichen, die verschiedene Anbieter für Facetten verwenden. Damals dachte ich, dass dies nur vom semantischen Standpunkt aus interessant sei, und es enthielt auch einen Versuch von Humor, auf den ich später noch eingehen werde. Aber mit meiner neuen, verbesserten Synthese nach dem Gespräch ist dieser Vergleich des Facettenvokabulars sogar noch interessanter, so dass ich jetzt wirklich froh bin, dass ich ihn auf diese Weise begonnen habe (mehr dazu später). Danach wollte ich mit meinem Monty Python „And Now for Something Completely Different“-Abschnitt über verrückte Wissenschaftler beginnen. Ich wollte auch über Suche und Sprache sprechen, eines meiner vorhersehbarsten Themen. Dies führte zu einer Live-Performance einiger persönlicher Lieblingstitel aus meinem Quartett von Query Autofilter-Blogs(1,2,3,4), mit einer neuen und verbesserten Implementierung von QAF als Fusion Query Pipeline Stage (demnächst bei Lucidworks Labs) und einigen neuen semantischen Erkenntnissen aus meiner jüngsten eCommerce-Arbeit für einen großen Einzelhändler für Haushaltswaren. Ich zeigte auch eine verbesserte Version der „Who’s In The Who“-Demo, die ich 2 Jahre zuvor in Austin ausprobiert hatte, basierend auf saubereren, schlankeren Abfragemustern (formell Verb Patterns). Ich habe einen Screenshot für Vegas verwendet, um die allgegenwärtigen Demogötter zu vermeiden, die mich 2 Jahre zuvor gebissen hatten. Bei meiner neuen, verbesserten und robusteren Implementierung machte ich mir keine Sorgen um die Demo an sich, sondern nur um langweilige Netzwerkprobleme und Login-Timeouts und dergleichen in Fusion – ich musste so flink wie möglich sein. Aber als ich in der Woche vor der Revolution an dem Deck gearbeitet habe, hat noch nichts gepasst.

Die Epiphanie

Ich hatte das Gefühl, dass die beiden interessantesten Dinge, die ich mit Facetten gemacht hatte, der Dynamic-Boosting-Typeahead-Trick aus meinem „Jimi-Hendrix-Blog“ waren und die neueren Sachen über Keyword Clustering, bei denen ich Facetten für einige Word-2-Vec’ish Dinge verwendet habe. Aber als ich mich darauf vorbereitete, diese Folien zu erklären, wurde mir klar, dass ich in beiden Fällen auf einer abstrakten Ebene genau dasselbe tat!!! Ich hatte immer davon gesprochen, dass der „Kontext“ wichtig ist – ich erinnerte mich an eine Folie aus einem meiner Webinare, in der das Wort KONTEXT das einzige Wort auf der Folie war, das in fetter, kursiver 72-Punkt-Schrift geschrieben war – eine Folie, die meinem Chef Grant Ingersoll sicher gefallen hätte (er hatte mich beim Mittagessen vor meinem Vortrag über meine bekannte Neigung zum Extemporieren gehänselt) – ich meine, wer kann schon länger als 2 Minuten über ein einziges Wort sprechen? Wie einer meiner anderen Lieblings-Fernsehkomiker aus den 60er und 70er Jahren, Bob Newhart, sagen würde – „Das … ah … das … wäre ich“. (aber eigentlich nicht in diesem Fall – ich habe die Zeit gestoppt – aber ich bin sicherlich dazu in der Lage) Außerdem hatte ich immer gedacht, dass Facetten eine Art globalen Ergebniskontext darstellen, den die Benutzeroberfläche anzeigt.

Ich hatte den Vortrag auch mit einer Diskussion über die Gleichwertigkeit von Facetten und Metadaten begonnen, aber mir wurde klar, dass mein „Geben Sie den Buchstaben ‚J‘ in Typeahead ein, erhalten Sie alphabetische Einträge, die mit ‚J‘ beginnen, und suchen Sie dann nach „Paul McCartney“, dann noch einmal ‚J‘ eintippen und ‚John Lennon‘ oben drauf bekommen“ und meine ketzerisch verrückten Wissenschaftler-esque „Facette auf alle Token in einem großen Textfeld, einige komische Verhältnisse berechnen und von den zurückgegebenen 50.000 Facettenwerten für die ‚positiven‘ und ’negativen‘ Abfragen für jeden Begriff und VOILA ein paar coole Keyword-Cluster zurückbekommen“ Beispiele auf dem SELBEN PRINZIP basieren!!! Sie haben es erraten: „Kontext“!!!

Was verstehen wir eigentlich unter „Kontext“?

Kontext ist ein Wort, das wir Suchmaschinisten gerne in den Mund nehmen, um zu sagen: „Die Suche ist schwierig, weil die Antwort, die Sie erhalten, vom Kontext abhängt“ – mit anderen Worten, es ist oft eine Worthülse, d.h. ein Schimpfwort für „es ist sehr kompliziert“. Aber im Ernst, was ist Kontext? Auf die Gefahr hin, zu abstrakt zu werden, würde ich sagen, dass ‚Kontext‘ ein Ort oder eine Stelle in einem bestimmten Raum ist. Beim Googeln des Wortes habe ich diese Definition gefunden:

„die Umstände, die den Rahmen für ein Ereignis, eine Aussage oder eine Idee bilden und anhand derer sie vollständig verstanden und bewertet werden können.

“
Lassen Sie mich den Begriff „Rahmen für ein Ereignis“ näher erläutern, da er in etwa meinem ursprünglichen abstrakt-mathematischen PhD-ie (ausgesprochen „fuddy“) „Raum“-Begriff entspricht. Mit anderen Worten, es gibt verschiedene Arten von Kontexten – persönlich, zwischenmenschlich/sozial/kulturell, zeitlich, persönlich-zeitlich (auch bekannt als persönliche Geschichte), räumlich, thematisch/kategorisch – und Sie können sich diese als eine Art „Raum“ vorstellen, in dem ein „Kontext“ irgendwo in diesem größeren Raum liegt – d.h. ein „Subraum“, wie die Mathe- und Star Trek-Freaks sagen würden (erinnern Sie sich an das „Subraumkontinuum“, das Trek-Fans kennen?). Ich liebe dieses Geek-Zeug natürlich, aber ich hoffe, dass es auch dazu beiträgt, Dinge zu erklären … Der letzte Teil „in Bezug auf die es vollständig verstanden und bewertet werden kann“ ist ebenfalls entscheidend und passt gut zu dem Theorem, das ich gleich entfalten werde.

In meiner anfänglichen Diskussion über Facetten als Äquivalent zu Metadaten stellt die Gesamtheit aller Facettenfelder und ihrer Werte in einer Solr-Sammlung eine Art globalen „Meta-Informationsraum“ dar. Dies führte dazu, dass ich mich daran erinnerte, dass dies der Grund war, warum Verity diese Dinge „Parametrische Suche“ nannte und Endeca diese Facetten „Dimensionen“ nannte. Wir haben es mit einem „N-dimensionalen Hyperraum“ zu tun, den Mathematik-/ML-Fachleute als „N-dimensionalen Hyperraum“ bezeichnen würden, in dem einige Dimensionen zeitlich, einige numerisch und einige textuell sind (puh!). Versuchen Sie nicht, sich das vorzustellen – stellen Sie sich einfach einen „Raum“ vor, in dem „Kontext“ einen Ort oder ein Gebiet innerhalb dieses Raums darstellt. Facetten stellen dann Vektoren oder Zeiger in diesen „metainformatischen“ Unterraum einer Sammlung dar, die auf der aktuellen Abfrage und den gesammelten Facettenwerten der Ergebnismenge basiert. Vielleicht möchten Sie jetzt eine Pause einlegen, etwas trinken, fernsehen, ein Nickerchen machen, zurückkommen und diesen Absatz noch ein paar Mal lesen, bevor Sie weitermachen. Oder auch nicht. Aber um das Ganze ein wenig zu vereinfachen (was ich? – ich verschleiere normalerweise) – lassen Sie uns eine Reihe von Facetten und deren Werte, die von einer Abfrage zurückgegeben werden, als den „Metainformationskontext“ für diese Abfrage bezeichnen. Das ist es also, was Facetten tun, und zwar auf eine irgendwie geekige Art und Weise. Das funktioniert für mich und hoffentlich auch für Sie. Auf jeden Fall müssen wir weitermachen.

Um zu unserem Beispiel zurückzukommen: Geben Sie ein oder zwei Abfragen ein und erhalten Sie für jede diese Facettenantwort, die wir jetzt den „Meta-Informationskontext“ der Ergebnismenge nennen, und schauen Sie sich noch einmal die vorherigen Beispiele an. Im ersten Fall suchten wir nach „Paul McCartney“ – wir speicherten den Meta-Informationskontext dieser Entität und schickten ihn dann als Boost-Abfrage an die Suchmaschine zurück und erhielten Dinge zurück, die mit „John Lennon“ zu tun hatten. Im zweiten Fall suchten wir nach jedem Begriff in der Sammlung, erhielten den Metainformationskontext für diesen Begriff zurück und verglichen dann den Kontext dieses Begriffs mit dem aller anderen Begriffe, die die beiden Facettenabfragen zurückgeben, und berechneten ein Verhältnis, in dem verwandte Begriffe für die positive Abfrage mehr kontextuelle Überschneidungen aufweisen als für die negative Abfrage – so dass zwei Begriffe mit ähnlichen Kontexten hohe Verhältniswerte aufweisen und solche mit wenig oder gar keiner kontextuellen Überschneidung niedrige Verhältniswerte um 1,0 herum haben würden.

Paul McCartney und John Lennon sind sehr ähnliche Entitäten in meiner Musik-Ontologie und zwei Wörter, die Schlüsselwörter im selben Themenbereich sind, haben auch sehr ähnliche Kontexte in einem themenbasierten „Raum“ – also scheinen diese beiden scheinbar unterschiedlichen Tricks dasselbe zu tun – ähnliche Dinge auf der Grundlage der Ähnlichkeit ihrer metainformatischen Kontexte zu finden – mit freundlicher Genehmigung von Facetten! Ohhhh Kaaaaay … Cool! – Ich glaube, wir sind hier an etwas dran!

Das Facetten-Theorem

Um all dies in einer kurzen Rede zusammenzufassen, habe ich angefangen, es mir wie ein Theorem in der Mathematik vorzustellen – eine Reihe von einfachen, hoffentlich selbstverständlichen Annahmen oder Lemmata, die in Kombination ein cooles und hoffentlich überraschendes Ergebnis ergeben. Also los geht’s.

Lemma 1: Ähnliche Dinge neigen dazu, in ähnlichen Kontexten aufzutreten

Schön. Irgendwie offensichtlich, intuitiv und ich habe den Teil „tendieren zu“ hinzugefügt, um alle hoffentlich seltenen gegenteiligen Randfälle abzudecken, aber da es sich um eine statistische Sache handelt, die wir aufbauen, ist das OK. Außerdem möchte ich langsam mit etwas beginnen, das uns selbstverständlich erscheint, wie z.B. „der kürzeste Abstand zwischen zwei Punkten ist eine gerade Linie“ aus der euklidischen Geometrie.

Lemma 2: Facetten sind ein Werkzeug zur Erkundung von Meta-Informationskontexten

OK, das ist es, was wir gerade durch Raum- und Zeitverzerrungserklärungen erreicht haben, also fügen wir das als unser zweites Axiom ein.

Wenn wir ein Theorem aufstellen, gehen wir nun zum „Daraus folgt, dass“ über:

Theorem: Facetten können verwendet werden, um ähnliche Dinge zu finden.

Bingo, wir haben unser Theorem und wir haben bereits einige Datenpunkte – wir haben den Meta-Informationskontext von Paul McCartney verwendet, um John Lennon zu finden, und wir haben Facetten verwendet, um verwandte Schlüsselwörter zu finden, die alle mit demselben Themenbereich zu tun haben (Teil 2 des Blog zum Dokumentenclustering kommt bald, versprochen). Es scheint also machbar zu sein. Wir haben vielleicht noch keinen „Beweis“, aber wir können diesen ersten Beweis nutzen, um weiter nach einem zu suchen. Lassen Sie uns also weiter nach weiteren Beispielen suchen und insbesondere nach Beispielen, die nicht in dieses Modell zu passen scheinen. Das werde ich, wenn Sie wollen.

Das Warum

Das scheint also eine gute Erklärung dafür zu sein, warum all die verrückten, aber unterschiedlich erscheinenden Dinge, die ich mit Facetten gemacht habe, funktionieren. Für mich ist das ziemlich bedeutsam, denn wir alle wissen, dass Sie, wenn Sie erklären können, „warum“ etwas in Ihrem Code passiert, es im Grunde genommen konzeptionell auf den Punkt gebracht haben. Das bringt uns auch an einen Punkt, an dem wir anfangen können, andere Anwendungsfälle zu sehen, die das Facettentheorem weiter testen (denken Sie daran, ein Theorem ist kein Beweis – aber es ist der Weg, den Sie einschlagen müssen, um zu einem zu gelangen). Wenn mir noch mehr davon einfallen, werde ich es Sie wissen lassen. Oder vielleicht einige Optimierungen an meiner iterativen, schwer zu paralisierenden Methode.

Facetten und UI – Navigation und Visualisierung

Um auf die Synonyme zurückzukommen, die Suchanbieter für Facetten verwenden – Fast ESP nannte diese Dinger zuerst ‚Navigatoren‘, die Microsoft geschickt in ‚Verfeinerer‘ umbenannt hat. Das macht für meine Synthese absolut Sinn – Sie navigieren durch einen Raum, um zu Ihrem Ziel zu gelangen, oder Sie verfeinern den Unterraum, der Ihr Suchziel darstellt – in diesem Fall eine Reihe von Ergebnissen. Sauber, elegant, es funktioniert, ich nehme es an. Das „Ziel“ ist jedoch Ihr endgültiger Metadatensatz, der einige seltsame Dokumente darstellen kann, wenn Ihre Präzision miserabel ist – der Raum ist also wie ein Haufen isolierter Blasen aufgebrochen. Mathematiker haben dafür ein Wort – disjointed space. Wir nennen es ungenaue Präzision. Ich werde versuchen, diese übermäßig technischen Begriffe von nun an auf ein Minimum zu beschränken, tut mir leid.

Auch die Erstellung von coolen interaktiven Dashboards ist Facettenmagie. Hier können Sie eine Menge cooler Augenweiden in Form von Kreisdiagrammen, Balkendiagrammen, Zeitreihenhistogrammen, Streudiagrammen, Tag-Clouds und den supercoolen Facetten-Heatmaps erstellen. Einer der ganz klaren Vorteile von Solr ist, dass alle Facettenwerte zur Abfragezeit berechnet werden und zwar verdammt schnell. Und nicht nur das: Sie können mit der Magie von Facetten- und Funktionsabfragen und ValueSource-Erweiterungen alles Mögliche facettieren, sogar Dinge, an die Sie nicht gedacht haben, als Sie Ihr Sammelschema entworfen haben. Endeca könnte so etwas auch, aber Solr ist für diese Art von Zauberei viel besser geeignet. Dies ist das „Surfen im Universum der Metainformationen“, das Ihre Solr-Sammlung ist. Das Wort „Universum“ ist hier sehr treffend, denn Sie können buchstäblich Billionen von Dokumenten in Solr speichern. Außerdem sieht es so aus, als ob die Committer die Vision von Trey‘ Grainger verwirklichen, Solr bis zu dieser Größenordnung automatisch zu skalieren, was vielen unerschrockenen DevOps-Jungs und -Mädels ihre Nächte und Wochenenden erspart! (Ein großartiger Vortrag, wie immer von unserem Shalin Mangar. Sie sollten sich unbedingt die Memorex-Versionen unserer Vorträge ansehen, wenn Sie seine hervorragende Präsentation nicht live gesehen haben). Das Surfen im Solr-Meta-Versum rockt, Baby!

Facetten? Facetten? Wir brauchen keine stinkenden Facetten!

Um meine Diskussion über das, was mein guter Freund, der Search Curmudgeon, die „Vengines“ und ihre Begriffe für Facetten nennt, abzurunden, beendete ich diese Folie mit einem offensichtlichen Verweis auf jedermanns Lieblings-Tagline aus dem John Huston/Humphrey Bogart-Klassiker Der Schatz der Sierra Madre, wobei ich das ursprüngliche Substantiv durch „Facet“ ersetzt habe. Wie wir inzwischen alle wissen sollten, verwendet Google den Algorithmus von Larry Page, auch bekannt als Larry Page’s Ranking Algorithmus – um den PageRank, einen Crowd-Sourcing-Algorithmus, der sehr gut mit hyperverknüpften Webseiten funktioniert, aber für alles andere völlig nutzlos ist. Das Relevanzranking von Google für die Websuche ist so gut (und wird immer besser), dass Sie meistens nur von der ersten Seite aus arbeiten und keine stinkenden Facetten brauchen, um sich einzulesen – meistens sind Sie schon dort und was ist der Unterschied zwischen einem oder zwei Seitenklicks und einem oder zwei Klicks im Navigator?

Ich habe Autonomy hier mit hineingeworfen, weil sie ihre Relevanz auch als auto-magisch angepriesen haben (deshalb beginnt ihr Name mit ‚Auto‘) und um fair zu sein, ist dies definitiv die beste Funktion dieser Suchmaschine (die Konfigurationsebene ist tragisch). Dieses Marketing galt vor allem vor der Übernahme von Verity durch Autonomy, das Facetten hatte, danach war es viel verworrener. Eines der ersten Dinge, die sie taten, war die Fake News über Verity K2 V7, in der sie ankündigten, dass die APIs „Pin-für-Pin-kompatibel“ zu K2 V6 sein würden, die Kern-Engine aber nun IDOL sein würde. Ich vermute nun, dass dieser Schwindel ohnehin nie wirklich möglich war (niemand konnte ihn zum Laufen bringen), weil IDOL keine Navigation, d.h. Facettenanfragen, unterstützen konnte – weil es sie nirgendwo im Index hatte! Vielleicht, wenn sie Yonik gehabt hätten … Apropos Relevanz, wie die inzwischen historische Google Search Appliance “ Toaster„Relevanz, die sowohl autonom als auch in einem Safe zum Schutz des geistigen Eigentums eingeschlossen ist, lässt sich nur schwer abstimmen/anpassen. Da das, was relevant ist, in hohem Maße kontextabhängig ist, macht dies geschlossene Systeme wie Autonomy und GSA im Vergleich zu Solr/Lucene unattraktiv.

Interessant ist jedoch, dass die beiden Suchmaschinen, die die Relevanz als ihr bestes Merkmal betrachten, Facetten als unnötig abtun – und da haben sie sicherlich Recht – Facetten sollten meiner Meinung nach nicht als Pflaster für mangelnde Relevanz verwendet werden. Wenn Sie Facetten brauchen, um zu finden, was Sie suchen, warum sollten Sie dann überhaupt suchen? Stöbern Sie einfach. Ja, Virginia, die Suchanfragen der Benutzer sind zu Beginn oft vage und die facettierte Navigation bietet eine hervorragende Möglichkeit, die Suche zu verfeinern, aber wenn man zu viel Präzision für die Wiedererkennung opfert, führt das zu unzufriedenen Benutzern. Dies gilt insbesondere für mobile Anwendungen, bei denen die Größe des Bildschirms eine umfangreiche Verwendung von Facetten ausschließt. Zeigen Sie mir bitte nur das, was ich sehen will! Manchmal wollen wir also keine stinkenden Facetten, aber wenn wir sie haben, können sie großartig sein.

Finale – Reprise von The Theorem

Daher möchte ich Ihnen die Botschaft dieses weitschweifigen, aber hoffentlich aufschlussreichen Blogbeitrags mit auf den Weg geben, indem ich das Facetten-Theorem wiederhole, das ich hier abgeleitet habe: Facetten können verwendet werden, um ähnliche Dinge zu finden. Und der „Klebstoff“ für die Ähnlichkeit ist eines der Lieblingswörter eines jeden guten Suchgeeks: Kontext. Ein offensichtliches Beispiel, das wir schon immer wussten, so wie Dorothy instinktiv wusste, wie man von Oz nach Hause kommt, ist die Facettennavigation selbst – alle Dokumente, die durch Facettenabfragen erreicht werden , müssen die Metadatenwerte teilen, auf die wir geklickt haben – sie müssen also entlang der Navigationsachsen unseres Facettenklicks überlappende Metainformationskontexte haben! Je mehr Facetten wir anklicken, desto kleiner wird der „Raum“ der verbleibenden Dokumentkontexte und desto größer ihre Ähnlichkeit! Wir können dies nun zu unserer Reihe von Anwendungsfällen hinzufügen, die das Theorem unterstützen, zusammen mit den neuen, die ich zu erforschen begonnen habe, wie z.B. Text Mining, Dynamic Typeahead Boosting und Typeahead Security Trimming. In diesem Sinne ist ein Dashboard nur eine etwas kühlere Visualisierung dieses Metainformationskontextes für die aktuelle Abfrage + Facettenabfrage(n) innerhalb des globalen Sammlungsmetaversums, mit Diagrammen und Histogrammen für numerische und Datumsbereichsdaten und Tagclouds für Text.

Abschließend möchte ich sagen, dass Facetten faszinierend sind, finden Sie nicht auch? Und die Möglichkeiten für ihre Verwendung gehen weit über Navigation und Visualisierung hinaus. Jetzt muss ich den Blog über das Clustering von Dokumenten veröffentlichen – verflixter Job!!!