Wyszukiwanie AI w katalogu biblioteki: szukanie książek po opisie, a nie po słowach

Wyszukiwanie AI w katalogu biblioteki pozwala znaleźć książkę po opisie zwykłym językiem – np. „przygodowa książka o podróży przez Afrykę dla 12-latka” – bez znajomości tytułu, autora ani haseł przedmiotowych. Zamiast porównywać litery w zapytaniu i w rekordzie, system porównuje znaczenie: rozumie, że „rycerze i wielkie bitwy” to powieść historyczna, a „XIX-wieczna Warszawa” to miejsce i epoka. Wyjaśniamy, jak to działa, z jakich danych korzysta, gdzie są jego granice i jak pomaga bibliotekarzowi przy ladzie.

Czym różni się od zwykłego wyszukiwania?

Klasyczna wyszukiwarka katalogu szuka słów. Wpisujesz „Afryka” i dostajesz rekordy, w których to słowo pada w tytule, haśle przedmiotowym albo opisie. Jeśli rekord mówi o „Sudanie” i „pustyni”, a nie o „Afryce” – nie trafi do wyników. Nie pomoże też zapytanie „dla dwunastolatka”, bo takiego słowa w rekordzie zwykle nie ma.

Wyszukiwanie semantyczne szuka znaczenia. W uproszczeniu działa tak:

1. Model językowy zamienia opis każdej książki w katalogu na ciąg liczb – tzw. wektor (ang. embedding). Można o nim myśleć jak o „współrzędnych” książki na mapie tematów: powieści o morzu leżą blisko siebie, poradniki ogrodnicze – w zupełnie innym miejscu.
2. Twoje pytanie jest zamieniane na wektor w ten sam sposób.
3. System pokazuje książki, których „współrzędne” leżą najbliżej pytania – nawet jeśli nie mają z nim ani jednego wspólnego słowa.

Przykładowe pytania

Wyszukiwanie AI najlepiej sprawdza się przy pytaniach, które czytelnik zadaje bibliotekarzowi „po ludzku”:

• „przygodowa książka o podróży przez Afrykę dla 12-latka”,
• „powieść o miłości i pieniądzach w XIX-wiecznej Warszawie”,
• „coś o rycerzach i wielkich bitwach”,
• „kryminał, w którym śledztwo prowadzi starsza pani”,
• „książka dla dziecka, które boi się pójść do przedszkola”,
• „poradnik o uprawie warzyw na balkonie”.

Nie trzeba używać operatorów, cudzysłowów ani pól wyszukiwania. Im więcej szczegółów – gatunek, temat, miejsce akcji, epoka, wiek czytelnika – tym trafniejsze wyniki.

Z jakich danych korzysta wyszukiwanie AI?

Wyszukiwarka „wie” o książce tylko tyle, ile zapisano w jej opisie bibliograficznym. Najwięcej wnoszą pola MARC 21, które opisują treść, a nie tylko formę:

Wniosek jest praktyczny: im lepszy opis katalogowy, tym lepsze wyszukiwanie. Rekord z samym tytułem i autorem da się znaleźć głównie po tytule; rekord z hasłami przedmiotowymi, gatunkiem i adnotacją – także po fabule. Rekordy pobrane z Biblioteki Narodowej zwykle mają rozbudowane hasła przedmiotowe. Jeśli chcesz lepiej poznać te pola, zajrzyj do tekstu MARC 21 dla początkujących.

„Czytelnik pamięta tylko fabułę” – jak to pomaga przy ladzie

Każdy bibliotekarz zna tę sytuację: „Była taka książka, niebieska okładka, o dziewczynce, która zamieszkała z dziadkiem w górach…”. Bez tytułu i autora klasyczna wyszukiwarka niewiele pomoże. Z wyszukiwaniem AI wygląda to tak:

1. Wpisz to, co mówi czytelnik – możesz niemal dosłownie: „dziewczynka mieszka z dziadkiem w górach”.
2. Przejrzyj kilka pierwszych wyników. Najbardziej podobne książki są na górze listy. Okładka i opis pomogą czytelnikowi rozpoznać „tę właściwą”.
3. Zawęź filtrami. Jeśli wiadomo, że to książka dla dzieci albo ma być dostępna od ręki – dołóż zwykłe filtry.
4. Doprecyzuj pytanie. Gdy wyniki są zbyt ogólne, dodaj szczegół: kraj, epokę, wiek bohatera, nastrój.

Ten sam sposób działa przy prośbach o polecenie: „coś podobnego do książek o Tomku Wilmowskim, ale nowszego”, „lekka powieść na wakacje z Mazurami w tle” albo „książki na lekcję o II wojnie światowej dla klasy siódmej”. Wyszukiwarka nie zastąpi wiedzy bibliotekarza, ale podsuwa kandydatów z własnych półek w kilka sekund.

Ograniczenia, o których warto wiedzieć

• Wynik to podobieństwo, nie pewność. System zawsze coś pokaże – także wtedy, gdy książki, o którą chodzi, nie ma w katalogu. Warto przejrzeć wyniki, a nie brać pierwszego „w ciemno”.
• Słaby opis to słabe wyniki. Rekordy bez haseł przedmiotowych i adnotacji są dla wyszukiwarki prawie „niewidoczne” przy pytaniach o fabułę.
• Tylko to, co w katalogu. Wyszukiwarka nie zna treści książek – zna ich opis. Nie odpowie na pytanie o szczegół, którego nie ma w rekordzie.
• Nowe rekordy potrzebują chwili. Wektor dla nowego lub zmienionego opisu jest liczony po zapisaniu rekordu, więc świeżo dodana książka może pojawić się w wynikach z niewielkim opóźnieniem.
• Dokładne dane – klasycznie. ISBN, sygnatura, numer inwentarzowy czy kod kreskowy to zadanie dla zwykłej wyszukiwarki.

Prywatność: jakie dane są przetwarzane?

Wyszukiwanie semantyczne potrzebuje tylko opisów książek. Do budowy wektorów używane są dane bibliograficzne – tytuły, autorzy, hasła przedmiotowe, gatunki, streszczenia – a przy wyszukiwaniu treść wpisanego pytania. Nie są do tego potrzebne dane czytelników: nazwiska, adresy, historia wypożyczeń.

Zanim wdrożysz w bibliotece dowolne narzędzie AI, warto zadać dostawcy kilka pytań:

• jakie dane trafiają do modelu AI i czy są wśród nich dane osobowe,
• czy dane czytelników lub historia ich wypożyczeń są w jakikolwiek sposób używane,
• kto jest dostawcą modelu i na jakiej podstawie przetwarza dane,
• czy wyniki obejmują tylko zbiory biblioteki, czy też zewnętrzne źródła.

Wyszukiwanie AI w Libroo

W Libroo wyszukiwanie AI jest dostępne w panelu bibliotekarza, w katalogu. Wpisujesz opis zwykłym językiem, a system pokazuje pasujące książki z Waszych zbiorów. Wyszukiwanie łączy się ze zwykłymi filtrami katalogu, a wyniki obejmują tylko aktywne rekordy. Wektory budowane są z opisu bibliograficznego, w tym z pól MARC 21 – haseł przedmiotowych, gatunku czy streszczenia – a nie z danych czytelników.

Dobre opisy katalogowe ułatwia import rekordów z Biblioteki Narodowej po ISBN już przy akcesji – więcej w tekście Akcesja z faktury. O tym, co widzą czytelnicy w katalogu online, przeczytasz w artykule Katalog online biblioteki (OPAC). Pełna lista możliwości jest na stronie Funkcje, a pytania o wyszukiwanie AI wyślij na kontakt@libroo.pl.

Najczęstsze pytania