Metadatenmodellierung für Dokumente. M. Sc. Mirjana Jaksic Dipl.-Inf. Christian Schönberg Dipl.-Inf. Franz Weitl

Transkript

1 Metadatenmodellierung für Dokumente M. Sc. Mirjana Jaksic Dipl.-Inf. Christian Schönberg Dipl.-Inf. Franz Weitl

2 Worum geht es? Aus Dokumenten in verschiedenen Formaten sollen Verifikations-Modelle zum Model Checking gewonnen werden. Metadaten müssen aus den Dokumenten extrahiert, aufbereitet und gespeichert werden. Aus den Metadaten müssen Verifikations- Modelle generiert werden. Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 1

3 Wie sieht der Prozess aus? Model Specification Export (parametrisiert) Documents Verdikt MDM Document Model Verification Model MDM Storage ALCCTL Storage Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 2

4 Warum machen wir den Zwischenschritt? Datei start.html Kapitel 1 Definition a Paragraph b Kapitel 2 Paragraph c Beispiel d Datei weiter.html Kapitel 3 Paragraph e Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 3

5 Warum machen wir den Zwischenschritt? DefinedTopic(a) Datei start.html Kapitel 1 Definition a Paragraph b Kapitel 2 Paragraph c Beispiel d Datei weiter.html Kapitel 3 Paragraph e ExemplifiedTopic(d) Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 4

6 Warum machen wir den Zwischenschritt? Beim Speichern von Dokumenten als Verifikations-Modell geht Information verloren. Diese Information wird möglicherweise beim nächsten Mal benötigt. Dokumente müssen nicht aufwändig mehrfach eingelesen werden. Verifikations-Modelle benötigen Zusatzinformationen über Konzepte und Rollen. Parametrisierte Modellerstellung Änderungen können über mehrere Versionen nachverfolgt werden. Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 5

7 Um welche Dokumentformate geht es? HTML Verwendet als Entwicklungsbasis und Proof-of-Concept DocBook Verbreitetes Format für OpenSource Dokumentationen DITA Alternative zu DocBook aus der Industrie SCORM, LMML, ML3 E-Learning Formate LaTeX, Word, RTF, Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 6

8 Wie werden Metadaten modelliert? Einzelne Dateninstanzen werden als Objekte modelliert. Zusammenhänge zwischen Metadaten werden als Aussagen in Form von Tripeln modelliert. Subject Predicate Object Introduction Structure Chapter Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 7

9 Wie werden Metadaten modelliert? Dokument Metadaten Introduction Introduction Structure Chapter Definition Datastructure Successor Fragment Definition Chapter 1 Chapter 1 Paragraph 1.1 Datastructure Successor Part Topic Chapter 2 Chapter 2 Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 8

10 Wie sieht das Objekt-Schema aus? MDM VerdiktObject +id : string +label : string DataObject +data : string +format : string ContentObject StatementObject +subject : VerdiktObject +predicate : MetadataObject +object : VerdiktObject «uses» MetadataObject +type : MetadataType MetadataType Documentrelated Didactical-related Sourcerelated Referencerelated Evaluationrelated Document +Fragment +Structure +Topic +Initial +Final Didactical +Duration +Audience +Intensity +Medium Source +Filename +Linenumber +URI +IDRef +LastChange +Checksum +Format +Document +Corpus +MetadataFile +Content +ImportMethod Reference +Reference +Successor +Part +Prerequisite +Relation +Same +Opposite +Citation Evaluation +Quality +Probability +Correctness Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 9

11 Wie sieht das Objekt-Schema aus? MDM VerdiktObject +id : string +label : string DataObject +data : string +format : string ContentObject StatementObject +subject : VerdiktObject +predicate : MetadataObject +object : VerdiktObject «uses» MetadataObject +type : MetadataType MetadataType Documentrelated Didactical-related Sourcerelated Referencerelated Evaluationrelated Document +Fragment +Structure +Topic +Initial +Final Didactical +Duration +Audience +Intensity +Medium Source +Filename +Linenumber +URI +IDRef +LastChange +Checksum +Format +Document +Corpus +MetadataFile +Content +ImportMethod Reference +Reference +Successor +Part +Prerequisite +Relation +Same +Opposite +Citation Evaluation +Quality +Probability +Correctness Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 10

12 Wie sieht das Objekt-Schema aus? MDM VerdiktObject +id : string +label : string DataObject +data : string +format : string ContentObject StatementObject +subject : VerdiktObject +predicate : MetadataObject +object : VerdiktObject «uses» MetadataObject +type : MetadataType MetadataType Documentrelated Didactical-related Sourcerelated Referencerelated Evaluationrelated Document +Fragment +Structure +Topic +Initial +Final Didactical +Duration +Audience +Intensity +Medium Source +Filename +Linenumber +URI +IDRef +LastChange +Checksum +Format +Document +Corpus +MetadataFile +Content +ImportMethod Reference +Reference +Successor +Part +Prerequisite +Relation +Same +Opposite +Citation Evaluation +Quality +Probability +Correctness Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 11

13 Wie werden Metadaten gespeichert? Verdikt Metadaten sind unabhängig vom Format: Es gibt verschiedene Adapter zum Lesen und Schreiben. Zum Speichern dienen z.b. RDF, OWL oder Datenbanken. Zur Darstellung dienen z.b. SVG, HTML oder Java Swing. Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 12

14 Wie werden Metadaten eingelesen? <h1>definition Datastructure</h1> <div class="definition"> <h2>datastructure</h2> <p> A datastructure is a way to represent uniform data for efficient use. </p> </div> <p> <a href="example_datastructure.html">example Datastructure</a> </p> <p> <a href="definition_binarytree.html">definition Binary Tree</a> </p> Structure Chapter Chapter 1 Paragraph 1.1 Datastructure Successor Part Fragment Topic Chapter 3 Chapter 2 Definition Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 13

15 Welche Probleme gibt es beim Einlesen? Verschiedene Dokumentformate unterstützen verschiedene Metadaten. HTML, DocBook, LaTeX, Nicht jeder Autor nutzt die unterstützten Metadaten. Metadaten müssen geraten oder umständlich erschlossen werden. Wörterbücher Machine Learning Autoren Werkzeuge Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 14

16 Wie werden Verifikations-Modelle generiert? Structure Chapter Chapter 1 Paragraph 1.1 Datastructure Successor Part Fragment Topic Chapter 2 Chapter 3 Definition Inhaltseinheit: Alle Objekte vom Strukturtyp Chapter hastopic: Die Zuordnung zwischen Objekten und Themen Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 15

17 Wie sieht das Ganze tatsächlich aus? Introduction Definition Datastructure Example Datastructure Chapter 1 Chapter 2 Chapter 5 Test Datastructure Definition Binary Tree Example Binary Tree Chapter 3 Chapter 4 Conclusion Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 16

18 Wie sieht das Ganze tatsächlich aus? Demonstration. Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 17

19 Was haben wir noch vor? Weitere Formate Ausbau der Automatisierung Vereinfachung des Exports Autorenunterstützung Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 18

20 War das Thema interessant? Vielen Dank für Ihre Aufmerksamkeit! Haben Sie Fragen? Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 19

21 Referenzen Scott B. Huffman: Learning information extraction patterns from examples, Learning for Natural Language Processing, 1995, pages Luo Xiao: Information Extraction in the practical Applications System and Techniques, Phd Thesis, Technische Fakultät, Universität Erlangen- Nürnberg, 2003 Roman Yangarber and Ralph Grishman and Pasi Tapanainen and Silja Huttunen: Automatic Acquisition of Domain Knowledge for Information Extraction, In 132 Proceedings of the 18th International Conference on Computational Linguistics (COLING 2000), Saarbrücken, Germany, August 2000 Philipp Cimiano and Johanna Völker: Text2Onto - A Framework for Ontology Learning and Data-driven Change Discovery, In Proceedings of the 10th International Conference on Applications of Natural Language to Information Systems (NLDB'2005), 2005 Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 20

22 Referenzen (Web) RDF: Dublin Core: OWL: Protégé: DITA: DocBook: LMML: ML3: SCORM: XPath: Juni 08 Universität Passau Christian Schönberg, Lehrstuhl für Informationsmanagement 21