ation Retrieval Informationen suchen und finden R. Oldenbourg Verlag München Wien von Prof. Dr. Wolfgang G. Stock Fachhochschule Köln
|
|
- Manuela Kolbe
- vor 7 Jahren
- Abrufe
Transkript
1 ;,~"., ""'1"" -<'I' '--'.',..".. \", " '''- \.,i "".' "."I! -...,; o ation Retrieval Informationen suchen und finden von Prof. Dr. Wolfgang G. Stock Fachhochschule Köln R. Oldenbourg Verlag München Wien
2 Inhalt Grundlagen der Informationswissenschaft 1 Ziel der Buchreihe I Lehrbücher zur Informationswissenschaft (1) - Information Retrieval im Kontext der Informationswissenschaft (2) - Zielgruppen (2) - Danksagung (3) 2 Informationswissenschaft 4 Was ist Informationswissenschaft? Eine plakative Annäherung (4) -Infannationswissenschaft im Kontext: Die Nachbardisziplinen (7) - Geschichte der Informationswissenschaft in ftinfteilen (9) - Einsatzbereiche: Intemetwirtschaft und betriebliche Infonnationswirtschaft (12) - Infonnationswissenschaftliche Zeitschriften und Datenbanken (13) - Fazit (15) 3 Information und Wissen 17 Signal, Daten, Wissen, lnfonnation (17) - Infonnation als in Bewegung gesetztes Wissen (22) - "Wissen ist Macht" (26) -lnfonnation als Wirtschaftsgut (29) Fazit (34) Propädeutik des Information Retrieval 4 Geschichte des Information Retrieval 38 Vom Memex über den Sputnik-Schock zum Weinberg-Report (38) - Frühe kommerzielle lnfonnationsdienste: DIALOG, SDC Orbit und Lexis-Nexis (43) - Das World Wide Web und seine Suchwerkzeuge (47) - Fazit (48) 5 Grundbegriffe des Information Retrieval 51 Konkreter und problemorientierter Infonnationsbedarf (51) - Zusammenspiel von Information Indexing und Infannation Retrieval (52) - Dokumentarische Bezugseinheit und Dokumentationseinheit (54) - Kognitive Modelle (57) - Pull- und Pushdienste (58) -lnfonnationsbarrieren (60) - Recall und Precision (63) - Fazit (65) 6 Relevanz und Pertinenz 68 Relevanz, Pertinenz, Nützlichkeit (68) - Aspekte der Relevanz (69) - Relevant oder nicht relevant: Der binäre Ansatz (71) - Relevanzverteilung von Dokumenten zu einem Thema (75) - Relevanzverteilungen (76) - Fazit (79)
3 VIII Inhal 7 Dokumente 82 Was ist ein Dokument? (82) - Formal publizierte Textdokumente (84) _ Infonnell publizierte Texte (87) - Nicht publizierte Texte (90) - Nicht-textuelle Dokumente (91) - Fazit(93) 8 Typologie von Retrievalsystemen 95 Schwach strukturierte Texte (95) - Retrievalsysteme und tenninologische Kontrolle (97) -Infonnationslinguistische Textbearbeitung (99) - Retrievalmodelle (102) - Oberflächenweb und Deep Web (108) - Fazit (I I I) 9 Architektur eines Retrievalsystems 115 Infonnatik der Retrievalsysteme (115) - Zeichensätze (117) - Aufnahme neuer Dokumente in die Datenbasis (118) - Thematische Crawler (121) - Crawling des Deep Web (123) - Vermeidung von Spam (125) - Erkennung von Dubletten bzw. "Spiegeln" (128) - Aktualisierung der Dokumentationseinheiten (129) - Speicherung und Indexierung (132) -Invertierte Dateien (133) - Trees und Tries (135) Fazit(136) Boolesche Retrievalsysteme 10 Boolesches Retrieval 141 George Booles "Denkgesetze" (141) - Die "atomaren" Suchargumente (142) Boolesche Operatoren (145) - Abstandsoperatoren (147) - Algebraische Operatoren - Häufigkeitsoperator (150) - Menüftihrung und Befehlsführung (150) _ Infonnationsprofile und Selective Dissemination cf Information (154) _ Recherchestrategien (156) - Vor- und Nachteile Boolescher Systeme (162) - Fazit (163) 11 Informetrische Analysen 168 Online-Infonnetrie (168) - Auswahl der Dokumentenmenge (169) - Rangordnungen (174) - Infonnetrische Zeitreihen (176) - Semantische Netze (177) Informationsflussanalysen (179) - Fazit (181) 12 Erweitertes Boolesches Retrieval 185 Boolesche Anfragen und Gewichtung (185) - Der "Wunschzettel" von Cater, Kraft und Waller (187) - Fuzzy Boolesches Retrieval (189) - Ein unscharfer Funktor: UNDODER (191) - Ähnlichkeiten und die p-nonn (192) - Die Negation im erweiterten Booleschen Modell (194) - Vor- und Nachteile erweiterter Boolescher Systeme (196) - Fazit (197)
4 Inhalt IX Informationslinguistik - Natural Language Processing 13 n-gramme 20 I Worte oder Zeichenfolgen? (20 I) - Henrichs' Pentagramm-Register (204) ACQUAINTANCE: n-gramme im Vektorraum (204) - HAIRCUT: n-gramme probabilistisch bearbeitet (207) - Abhängigkeiten innerhalb der Zeichenfolgen (210) - Vor- und Nachteile n-gramm-basierter Retrievalsysteme (211)- Fazit (212) 14 Worte 216 Schriftsystemerkennung (216) - Spracherkennung (217) - Stoppwortlisten (222) - "Verschmelzung" von Wortformen (Conllation) (227) - Grundformbildung (Lemmatisierung) (228) - Wortstammbildung (Stemming) (232) - Wortbearbeitung bei Handy-Tastaturen (240) - Fazit (243) 15 Phrasen, Eigennamen, Komposita 248 Zusammengesetzte Ausdrücke (248) - Phrasenbildung (250) - Eigennamenerkennung (255) - Die Personennamendatei (256) - Namensidentifikation (258) Kompositazerlegung (262) - Fazit (266) 16 Begriffe 270 Semantische Felder (270) _. Synsets und Deskriptoren als kleinste semantische Einheiten (272) - Die Wort-Begriff-Matrix (274) - Relationen in WordNet (276) - Kalibrierung von Synsets (282) - Relationen im Standard-Thesaurus Wirtschaft (283) - Semantische Ähnlichkeit (285) - Disambiguierung homonymer Worte (288) - Fazit (289) 17 Anaphora 294 Referenzausdrücke (294) - Anaphora und Ellipsen beim Einsatz von Abstandsoperatoren (297) - Anaphora und Ellipsen in der Textstatistik (298) - Anaphoraaullösung (299) - Fazit (302) 18 Fehlertolerantes Retrieval 305 Eingabefehler (305) - Phonetische Ansätze: Soundex und Phonix (307) - Die Damerau-Methode (31 I) - Eingabefehlererkennung und -korrektur durch n-gramme (313) - Fazit(315) Klassische Retrievalmodelle 19 Textstatistik 3 18 Die These von Luhn: Terrnhäufigkeit als Signifikanzfaktor (318) - Terrngewichtungen (321) - Dokumentspezifische Terrngewichtung (TF I WDF) (32 I) - Feldoder positionsspezifische Termgewichtung (323) - Terrngewichtung nach inverser Dokumenthäufigkeit (IDF) (324) - TF*IDF (326) - Textstatistik im praktischen Einsatz: Freestyle (328) - Fazit (330)
5 x Inhalt 20 Vektorraummodell 334 Dokumente im n-dimensionalen Raum (334) - eiusterung von Dokumenten mittels Zentroidbestimmung (338) - Reievance Feedback (339) - SMART (341) Tennunabhängigkeit (343) - Latent Semantic Indexing (344) - Vor- und Nachteile des Vektorraummodells (349) - Fazit (350) 21 Probabilistisches Modell 354 Die bedingte Relevanzwahrscheinlichkeit eines Dokuments unter einer Anfrage (354) - Suchtermgewinnung und -gewichtung durch Musterdokumente (356) Pseudo-Reievance-Feedback (359) - P(D) im Intervall [0, IJ (360) - Statistische Sprachmodelle (361) - Vor- und Nachteile des probabilistischen Modells (363) Fazit (364) Web Information Retrieval 22 Linktopologie 369 Web Infonnation RetrievaI (369) - Links und Zitationen (371) - Kleinberg Algorithmus (375) - PageRank (382) - Re-Ranking (386) - Fazit (388) 23 Strukturinformationen in Dokumenten 392 Metadaten: Informationen über Dokumente (392) - Strukturinfonnationen in Dokumenten (394) - Anker (399) - Pfadlänge (400) - Aktualität (400) - Fazit (402) 24 Nutzer und Nutzung 405 Simulation von Auskunftsinterviews (405) - Typen von Webanfragen (407) Personalisiertes Retrieval (408) - Nutzungsstatistiken als Rankingkriterium (410) - Ranking nach Sprache (413) - Ranking nach Entfernung: geographisches Infonnation Retrieval (GIR) (415) - Ranking nach Gebot: Sponsored Links (419) Fazit (420) 25 Themenentdeckung und -verfolgung 425 Identifizieren und Verfolgen aktueller Ereignisse (425) - Themenentdeckung (428) - Themenverfolgung (431) - Anfragefreie Nachrichtensuche (433)- Fazit (434) Spezialprobleme des Information Retrieval 26 Soziale Netzwerke und "small worlds" 437 Intertextualität und Netzwerke (437) - ZentraIität eines Akteurs (439) - "degree" von Autoren (442) - Trennpunkte und Brücken (445) - "small worid"-netzwerke (445) - Fazit (448)
6 Inhalt XI 27 Kontrolliertes Vokabular 451 Paradigmatische und syntagmatische Relationen (451) - Gewichtungsberechnung bei syntaktischer Indexierung (452) - Einstellbare syntagmatische Netze (454) Dynamische Klassierung (456) - Fazit (459) 28 Sprachübergreifendes Retrieval 461 Übersetzung von Anfragen, von Texten oder gar keine Übersetzung? (461) Maschinenlesbare Wörterbücher (465) - Fachthesauri im CLIR (468) - Korpusbasierte Methoden (469) - Fazit (472) 29 Anfragedialog 476 Anfragemodifikationen (476) -Intellektuelle Suchanfragemodifikation (478) Automatische Suchanffageerweiterung (480) - Relevance Feedback als Anfragemodifikation (481) - Vorschlag neuer Suchargumente (481) - Ähnliche Dokumente: More like this' (485) - Vorschlagssysteme (487) - Fazit (493) 30 Retrieval von TextsteIlen 498 Recherche nach Absätzen und Textausschnitten (498) - Ranking von Dokumenten nach den jeweils bestpassenden Stellen (499) - Ranking von TextsteIlen innerhalb eines Dokuments (500) - Frage-Antwort-Systeme (501) - Faktendatenbanken (503) - Fazit (505) 31 Bild- und Tonretrieval 509 Multimedia Retrieval (509) - Dimensionen des Bildretrieval (512) - Anwendungsfalle von Bildretrieval (515) - Videoretrieval (516) - Gesprochene Suchanfragen (519) - Gesprochene Dokumente (520) - Dimensionen des Musikretrieval (MIR) (521) - Musikretrieval mittels Musterdokument (527) - Gesungene, gepfiffene und gesummte Suchanfragen (528) - Fazit (529) 32 Ausblick 537 Die Literatur zum Information Retrieval (537) - Kombiniertes Information Retrieval (539) - Wissensrepräsentation (541) - Empirische Informationswissenschaft (543) - Angewandte Informationswissenschaft (544) - Information Retrieval: Informatik und Informationswissenschaft (545) - Fazit (545) Glossar 547 Register Namensregister (562) - Sachregister (577) 562
I1 Basismodul Theoretische Informationswissenschaft
B.A. und Sprachtechnologie 12 I1 Basismodul Theoretische work load Studiensemester 300 h 10 CP 1-2 6 SWS 1a. VL Einfu hrung in die 2 SWS/ 1b. BS Theoretische 2 SWS/ 1c. VL Wissensreprasentation 2 SWS/
MehrKapitel 23 Strukturinformationen in Dokumenten. HHU Düsseldorf, WS 2008/09 Information Retrieval 368
Kapitel 23 Strukturinformationen in Dokumenten HHU Düsseldorf, WS 2008/09 Information Retrieval 368 Erkennung von Strukturinformationen in Web- Dokumenten Aufgaben: Kreation von Metadaten optimal: Eintragen
MehrSuchmaschinen. Anwendung RN Semester 7. Christian Koczur
Suchmaschinen Anwendung RN Semester 7 Christian Koczur Inhaltsverzeichnis 1. Historischer Hintergrund 2. Information Retrieval 3. Architektur einer Suchmaschine 4. Ranking von Webseiten 5. Quellenangabe
MehrInhaltsverzeichnis 1 Einführung 2 Formen der Suche im Web 3 Wie Suchmaschinen funktionieren
Inhaltsverzeichnis 1 Einführung...................................................... 1 1.1 Die Bedeutung der Suchmaschinen............................... 2 1.2 Ein Buch über Google?........................................
MehrVorlesung Information Retrieval Wintersemester 04/05
Vorlesung Information Retrieval Wintersemester 04/05 14. Oktober 2004 Institut für Informatik III Universität Bonn Tel. 02 28 / 73-45 31 Fax 02 28 / 73-43 82 jw@informatik.uni-bonn.de 1 Themenübersicht
MehrErfolgreich suchen im Internet
Erfolgreich suchen im Internet Steffen-Peter Ballstaedt 05.10.2015 Statistik Weltweit: etwa 1 Milliarde Websites BRD: 15 Millionen Websites Das Internet verdoppelt sich alle 5,32 Jahre Die häufigste Aktivität
MehrSuchen, um zu finden. Sta,s,k BRD (Quelle: Comscore, 2013) Beziehungsgeflecht der Suchmaschinen. Antworten auf folgende Fragen: 24.06.
Suchen, um zu finden Sta,s,k BRD (Quelle: Comscore, 2013) Steffen- Peter Ballstaedt 24.6.2015 etwa 6 Milliarden Suchanfragen pro Monat etwa 2.500 Anfragen pro Sekunde 96% der Suchanfragen über Google Beziehungsgeflecht
Mehr4. Nicht-Probabilistische Retrievalmodelle
4. Nicht-Probabilistische Retrievalmodelle 1 4. Nicht-Probabilistische Retrievalmodelle Norbert Fuhr 4. Nicht-Probabilistische Retrievalmodelle 2 Rahmenarchitektur für IR-Systeme Evaluierung Informations
MehrKapitel 16. Begriffe. HHU Düsseldorf, WS 2008/09 Information Retrieval 250
Kapitel 16 Begriffe HHU Düsseldorf, WS 2008/09 Information Retrieval 250 Semantisches Umfeld "Find what I mean, not what I say" (Susan Feldman) natürlichsprachiges Umfeld Werkzeug: natürlichsprachiger
MehrInformationsexplosion oder falsche Suchstrategie? Suchstrategien...
www.google.at Wer suchet, der findet... Eine Anleitung zur Suche im Web Informationsexplosion oder falsche Suchstrategie? Suchstrategien...... mit Konzept ans Suchen beides! Suchansätze»best practice«intuitive
MehrAnfrage Erweiterung 03.11.2011 Jan Schrader
Anfrage Erweiterung 03.11.2011 Jan Schrader Vocabulary Mismatch Problem Anfrage und Dokument passen nicht zusammen obwohl Dokument zur Anfrage relevant Grund: Synonymproblem verschiedene Menschen benennen
MehrDatenbank- Recherche. SS 2015 8. Veranstaltung 18. Juni 2015. Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.
Datenbank- Recherche SS 2015 8. Veranstaltung 18. Juni 2015 Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.org GESIS Leibniz- InsFtut für SozialwissenschaJen 2 Themen der heu2gen
MehrKapitel 11 Informetrische Analysen. HHU Düsseldorf, WS 2008/09 Information Retrieval 180
Kapitel 11 Informetrische Analysen HHU Düsseldorf, WS 2008/09 Information Retrieval 180 Gewinnung neuer Informationen aus Datenbanken Unterstützung der normalen Recherche Information-Retrieval-Forschung
MehrVektormodelle. Universität zu Köln HS: Systeme der maschinellen Sprachverarbeitung Prof. Dr. J. Rolshoven Referentin: Alena Geduldig
Vektormodelle Universität zu Köln HS: Systeme der maschinellen Sprachverarbeitung Prof. Dr. J. Rolshoven Referentin: Alena Geduldig Gliederung Vektormodelle Vector-Space-Model Suffix Tree Document Model
MehrModulhandbuch für den Studiengang Informationswissenschaft (Ergänzungsfach)
Modulhandbuch für den Studiengang Informationswissenschaft (Ergänzungsfach) im Bachelorstudium der Philosophischen Fakultät der Heinrich-Heine-Universität Düsseldorf Stand: 10/2011 Inhaltsübersicht I1
MehrWelche Textklassifikationen gibt es und was sind ihre spezifischen Merkmale?
Text Welche Textklassifikationen gibt es und was sind ihre spezifischen Merkmale? Textklassifikationen Natürliche bzw. unstrukturierte Texte Normale Texte ohne besondere Merkmale und Struktur Semistrukturierte
MehrWas Bibliotheken von Suchmaschinen lernen können. Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de
Was Bibliotheken von Suchmaschinen lernen können Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de 1 Dirk Lewandowsk: Was Bibliotheken von Suchmaschinen lernen können Suchmaschinen 2 Dirk Lewandowsk:
Mehr2 Volltext-Suchmaschinen
2 Volltext-Suchmaschinen Volltext-Suchmaschinen werden vor allem für die Suche im Internet benutzt, jedoch gibt es auch Erweiterungen (Data Cartridge, Oracle) um Volltextsuche bei SQL-Suchmaschinen wie
MehrSUCHMASCHINEN XAPIAN. Michael Strzempek FH Wiesbaden, 5. Juni 2008
SUCHMASCHINEN XAPIAN Michael Strzempek FH Wiesbaden, 5. Juni 2008 INHALT 1. Motivation 2. Prinzip / Vokabular 3. Xapian 4. Omega 5. Datenbank Indizierung 6. Levenshtein Distanz 7. Boolesche Suche 8. Probabilistische
MehrSemestralklausur zur Vorlesung. Web Mining. Prof. J. Fürnkranz Technische Universität Darmstadt Sommersemester 2004 Termin: 22. 7.
Semestralklausur zur Vorlesung Web Mining Prof. J. Fürnkranz Technische Universität Darmstadt Sommersemester 2004 Termin: 22. 7. 2004 Name: Vorname: Matrikelnummer: Fachrichtung: Punkte: (1).... (2)....
Mehr2 Evaluierung von Retrievalsystemen
2. Evaluierung von Retrievalsystemen Relevanz 2 Evaluierung von Retrievalsystemen Die Evaluierung von Verfahren und Systemen spielt im IR eine wichtige Rolle. Gemäß der Richtlinien für IR der GI gilt es,...
MehrInformation Retrieval [IR 4]
Information Retrieval [IR 4] Übungen und Wiederholungsfragen zur Prüfungsvorbereitung Winfried Gödert / Klaus Lepsky 21. Oktober 2015 Institut für Informationswissenschaft Fachhochschule Köln Claudiusstraße
MehrSeminar Datenbanksysteme
Seminar Datenbanksysteme Recommender System mit Text Analysis für verbesserte Geo Discovery Eine Präsentation von Fabian Senn Inhaltsverzeichnis Geodaten Geometadaten Geo Discovery Recommendation System
MehrKapitel IR:III (Fortsetzung)
Kapitel IR:III (Fortsetzung) III. Retrieval-Modelle Modelle und Prozesse im IR Klassische Retrieval-Modelle Bool sches Modell Vektorraummodell Retrieval-Modelle mit verborgenen Variablen Algebraisches
MehrÜbungsaufgaben zur Herstellung von Registern
Übungsaufgaben zur Herstellung von Registern Für die folgenden Übungen benötigen Sie ein Textverarbeitungsprogramm, das über eine Funktion zur automatischen Registererstellung verfügt (beispielsweise Microsoft
MehrModulhandbuch für den Studiengang Informationswissenschaft (Ergänzungsfach) Stand: 08/2013 PO 2011/PO 2013
Modulhandbuch für den Studiengang Informationswissenschaft (Ergänzungsfach) im Bachelorstudium der Philosophischen Fakultät der Heinrich-Heine-Universität Düsseldorf Stand: 08/2013 PO 2011/PO 2013 Inhaltsübersicht
MehrWissenschaftssuchmaschinen
Wissenschaftssuchmaschinen Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de Vision Eine Datenbank die alle Themenbereiche abdeckt, eine optimale Recherche erlaubt, leicht zu bedienen ist, die
MehrÄhnlichkeitssuche auf XML-Daten
Ähnlichkeitssuche auf XML-Daten Christine Lehmacher Gabriele Schlipköther Übersicht Information Retrieval Vektorraummodell Gewichtung Ähnlichkeitsfunktionen Ähnlichkeitssuche Definition, Anforderungen
MehrMethoden und Entwicklung einer Benutzerschnittstelle für die effiziente Suche nach digitalen Wasserzeichen im Internet
Methoden und Entwicklung einer Benutzerschnittstelle für die effiziente Suche nach digitalen Wasserzeichen im Internet DIPLOMARBEIT für die Prüfung zur Diplom-Medieninformatikerin (Berufsakademie) der
MehrÜbungsaufgaben. Aufgabe 1 Internetsuchmaschinen. Einführung in das Information Retrieval, 8. Mai 2008 Veranstaltung für die Berufsakademie Karlsruhe
Otto-Friedrich-Universität Bamberg Lehrstuhl für Medieninformatik Prof. Dr. Andreas Henrich Dipl. Wirtsch.Inf. Daniel Blank Einführung in das Information Retrieval, 8. Mai 2008 Veranstaltung für die Berufsakademie
MehrGBI-Genios: Recherchieren in wiso
GBI-Genios: Recherchieren in wiso Sachsenkonsortium Mai 2009 Martin Knab Mai.2009 / MK 1 Agenda Inhalte Suchtechnik Einfache Recherche Dokumentenanzeige Erweiterte Recherche Suchhistorie ebooks mein wiso
MehrOnline-Recherche: Web-Recherche WS 2015/2016 4. Veranstaltung 5. November 2015
Online-Recherche: Web-Recherche WS 2015/2016 4. Veranstaltung 5. November 2015 Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.org GESIS Leibniz-InsJtut für SozialwissenschaNen
MehrData- und Text Mining. 2014 Prof. A. Müller, PMP FH Kaiserslautern
Data- und Text Mining 2014 FH Kaiserslautern Text Mining - Grundlagen Indexierung Data-Structure inverted file Algorithmen Statistische Indexierung Zipf sche Gesetz Termhäufigkeiten Vektor-basierte Suche
MehrZugang zum Academic Invisible Web
Zugang zum Academic Invisible Web Dr. Dirk Lewandowski Heinrich-Heine-Universität Düsseldorf, Abt. Informationswissenschaft dirk.lewandowski@uni-duesseldorf.de www.durchdenken.de/lewandowski Gliederung
MehrWissenschaftliche Suchmaschinen
Wissenschaftliche Suchmaschinen Beatrice Altorfer 14.5.2013 1 Überblick 1. Grundlagen des Internet 2. Allgemeine Suchmaschinen 3. Metasuchmaschinen 4. Wissenschaftliche Suchmaschinen 5. Google Scholar
MehrBibliothek Seite 1. Recherchehinweise für Informationsdatenbanken
Seite 1 Seite 2 Inhalt Übersicht über das Informationsangebot Generelle Hinweise zum Recherchieren Seite 3 Informationsplattformen Zwei Zugangsarten: Webbasierte Informationsdienste (Zugang über Bibliothekshomepage)
MehrInformation Retrieval
Information Retrieval Norbert Fuhr 12. April 2010 Einführung 1 IR in Beispielen 2 Was ist IR? 3 Dimensionen des IR 4 Daten Information Wissen 5 Rahmenarchitektur für IR-Systeme IR in Beispielen IR-Aufgaben
MehrINFORMATIONSLOGISTIK VERSUS SUCHE. Wie die aktive Bereitstellung von Informationen hilft, Zeit zu sparen und Ziele zu erreichen
INFORMATIONSLOGISTIK VERSUS SUCHE Wie die aktive Bereitstellung von Informationen hilft, Zeit zu sparen und Ziele zu erreichen 2 Informationslogistik versus Suche Inhalt Seite Thema 3 Suchen 3 Grundlegende
MehrBIBLIOTHEKSWORKSHOP. Informations- und Literaturrecherche
BIBLIOTHEKSWORKSHOP Informations- und Literaturrecherche Grundfragen der Recherche Man unterscheidet 2 Grundarten der Recherche 1. Formale Recherche z.b. Nach bestimmten Autoren, Buch- und Zeitschriftentiteln,
MehrSuchmaschinen-Optimierung für Webentwickler Grundlagen, Ranking optimieren, Tipps und Tricks
Sebastian Erlhofer Suchmaschinen-Optimierung für Webentwickler Grundlagen, Ranking optimieren, Tipps und Tricks Galileo Press Vorwort zur zweiten Auflage 13 Vorwort 15 1.1 Webkataloge 19 1.1.1 Auswahl
MehrInternet- und Literaturrecherche für Ingenieurwissenschaften
Internet- und Literaturrecherche für Ingenieurwissenschaften Milena Pfafferott milena.pfafferott@tu-ilmenau.de 03.11.2011 Seite 1 THEMATISCHES GOOGLE? BIBLIOTHEKSKATALOGE DATENBANKEN 03.11.2011 Seite 2
MehrAlles nur Google? Das Innenleben der Suchmaschinen
Alles nur Google? Das Innenleben der Suchmaschinen Prof. Dr. Klaus Meyer-Wegener Friedrich-Alexander-Universität Technische Fakultät Institut für Informatik 1. Das World-wide Web (WWW) oft auch "Internet"
MehrSeminar Text- und Datamining Textmining-Grundlagen Erste Schritte mit NLTK
Seminar Text- und Datamining Textmining-Grundlagen Erste Schritte mit NLTK Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 08.05.2014 Gliederung 1 Vorverarbeitung
MehrText-Mining: Einführung
Text-Mining: Einführung Claes Neuefeind Fabian Steeg 22. April 2010 Organisatorisches Was ist Text-Mining? Definitionen Anwendungsbeispiele Textuelle Daten Aufgaben u. Teilbereiche Literatur Kontakt Sprechstunde:
MehrWas Google nicht findet gibt es nicht
Was Google nicht findet gibt es nicht Zur (Un-)Zulässigkeit der Treffer-Optimierung bei Suchmaschinen im Web 3.0 Dr. Hans Peter Wiesemann 5. Dialog Camp München, 19. Februar 2016 A. Einleitung A. Einleitung
MehrWMS Block: Management von Wissen in Dokumentenform PART: Text Mining. Myra Spiliopoulou
WMS Block: Management von Wissen in nform PART: Text Mining Myra Spiliopoulou WIE ERFASSEN UND VERWALTEN WIR EXPLIZITES WISSEN? 1. Wie strukturieren wir Wissen in nform? 2. Wie verwalten wir nsammlungen?
MehrSuchmaschinenalgorithmen. Vortrag von: Thomas Müller
Suchmaschinenalgorithmen Vortrag von: Thomas Müller Kurze Geschichte Erste Suchmaschine für Hypertexte am CERN Erste www-suchmaschine World Wide Web Wanderer 1993 Bis 1996: 2 mal jährlich Durchlauf 1994:
MehrWebdesign, Informationssuche
Reihe: Electronic Commerce Band 6 Herausgegeben von Prof. Dr. Dr. h. c. Norbert Szyperski, Köln, Prof. Dr. Beat F. Schmid, St. Gallen, Prof. Dr. Dr. h. c. August-Wilhelm Scheer, Saarbrücken, Prof. Dr.
MehrGoogle, Deep Web und Fachdatenbanken. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de
Google, Deep Web und Fachdatenbanken Dirk Lewandowski dirk.lewandowski@haw-hamburg.de Vision Eine Datenbank die alle Themenbereiche abdeckt, eine optimale Recherche erlaubt, leicht zu bedienen ist, die
MehrWeb-Suchmaschinen: Suchverhalten, Informationsqualität, Trends. Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de
Web-Suchmaschinen: Suchverhalten, Informationsqualität, Trends Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de Agenda Nutzerverhalten Wie gut sind die gängigen Suchmaschinen? Suche und Web 2.0
MehrInformation Retrieval
Information Retrieval Bisher: Datenbankabfrage mit Hilfe von SQL in relationalen Datenbanken. Die Informationen liegen geordnet in Tabellen -> exakte Ergebnisse Neu: Die Informationen liegen in Datensammlungen
MehrDeep Web Suchen wir was man finden könnte?
Deep Web Suchen wir was man finden könnte? Dr. Dirk Lewandowski dirk.lewandowski@uni-duesseldorf.de www.durchdenken.de/lewandowski Gliederung Die Bedeutung des Deep Web Die Größe des Deep Web Strategien
MehrUniversität Duisburg-Essen, Standort Duisburg Institut für Informatik und interaktive Systeme Fachgebiet Informationssysteme
Universität Duisburg-Essen, Standort Duisburg Institut für Informatik und interaktive Systeme Fachgebiet Informationssysteme Studienprojekt Invisible Web (Dipl.-Inform. Gudrun Fischer - WS 2003/04) Blockseminar
Mehr5. Vorlesung. Das Ranking Problem PageRank HITS (Hubs & Authorities) Markov Ketten und Random Walks PageRank und HITS Berechnung
5. Vorlesung Das Ranking Problem PageRank HITS (Hubs & Authorities) Markov Ketten und Random Walks PageRank und HITS Berechnung Seite 120 The Ranking Problem Eingabe: D: Dokumentkollektion Q: Anfrageraum
MehrDokumenten- und Content Management
Dokumenten- und Content Management 1 Dokumentenbeschreibung...2 1.1 SGML...2 1.2 HTML...3 1.3 XML...3 1.4 XML-Anwendungen...6 1.5 Datenaustausch mit XML...6 2 Content-Management...7 2.1 Medienprodukte...7
MehrGeschichte des Internets Suchmaschinen Fachinformationszentren. Institute for Science Networking
Geschichte des Internets Suchmaschinen Fachinformationszentren Kurze Geschichte des Internets Internet: Geschichte beginnt mit der Entwicklung paketvermittelter Netze. Bei der Paketvermittlung werden Nachrichten
MehrVirtuelle Universität Virtuelles Lernen
Virtuelle Universität Virtuelles Lernen mit einem Kapitel von Martin Wessner von Prof. Dr. Rolf Schulmeister Universität Hamburg Oldenbourg Verlag München Wien Inhaltsverzeichnis VORWORT 1 KAPITEL 1 Nationale
MehrEinführung. Information Retrieval. IR-Aufgaben. IR in Beispielen. Adhoc-Suche: Web. IR in Beispielen. Was ist IR? Norbert Fuhr
Einführung Information Retrieval Norbert Fuhr 13. Oktober 2011 IR in Beispielen Was ist IR? Daten Information Wissen Dimensionen des IR Rahmenarchitektur für IR-Systeme Adhoc-Suche: Web IR in Beispielen
MehrWebsite-Suche mit OpenText Web Site Management. Frank Steffen - Senior Product Manager
Website-Suche mit OpenText Web Site Management Frank Steffen - Senior Product Manager Inhalt Überblick Konzepte der Suchmaschinenanbindung Verity K2 Anbindung Der neue OT Search Engine Connector Federated
MehrTipps und Tricks der Suchmaschinenoptimierung
Tipps und Tricks der Suchmaschinenoptimierung Thomas Kleinert Institut für Wirtschaftsinformatik (IWi) im DFKI 16. Juli 2014 Agenda Was ist Suchmaschinenmarketing? Wie arbeiten Suchmaschinen? On-Page Optimierung
MehrSuchmaschinen-Optimierung
Pwcc Sebastian Erlhofer Suchmaschinen-Optimierung Grundlagen, Funktionsweisen und Ranking-Optimierung Auf einen Blick 1 Suchen im Web 17 2 Anatomie des World Wide Web 37 3 Architektur von Suchmaschinen
MehrSuchmaschinenwerbung: Sponsored Links als Geschäftsmodell der Suchwerkzeuge
Chang Kaiser Suchmaschinenwerbung: Sponsored Links als Geschäftsmodell der Suchwerkzeuge Mit einer Fallstudie über chinesische Suchdienste Verlag Dr. Kovac Hamburg 2010 Inhalt Abbildungsverzeichnis 11
MehrInformation Retrieval im Internet
Information Retrieval im Internet Kursfolien Karin Haenelt 25.11.01 1 Besonderheiten der Daten (1) Verteilte Daten Viele Rechner Verschiedene Plattformen Hohe Volatilitätsrate Schätzung: 40% des Internets
MehrPrototypische Komponenten eines Information Retrieval Systems: Vektormodell
Prototypische Komponenten eines Information Retrieval Systems: Vektormodell Implementierung & Präsentation: Stefan Schmidt (Uni Mannheim) Kontakt: powder@gmx.de Seminar: Information Retrieval WS2002/2003
MehrDokumenten-Clustering. Norbert Fuhr
Dokumenten-Clustering Norbert Fuhr Dokumenten-Clustering (Dokumenten-)Cluster: Menge von ähnlichen Dokumenten Ausgangspunkt Cluster-Hypothese : die Ähnlichkeit der relevanten Dokumente untereinander und
MehrThematische Abfrage mit Computerlinguistik
Thematische Abfrage mit Computerlinguistik Autor: Dr. Klaus Loth (ETH-Bibliothek Zürich) Zusammenfassung Der Beitrag befasst sich mit dem Einsatz der Computerlinguistik bei der thematischen Abfrage einer
MehrPräsentation des Dissertationsvorhabens Erste Schritte. Carola Carstens Hildesheim, 15. Oktober 2007
Präsentation des Dissertationsvorhabens Erste Schritte Carola Carstens Hildesheim, 15. Oktober 2007 Überblick Rahmenbedingungen Institut Thematische Interessen Erste Schritte Erfassung des State of the
MehrLinked Data und Semantic Webbasierte Funktionalität in Europeana
Linked Data und Semantic Webbasierte Funktionalität in Europeana Semantic Web in Bibliotheken - SWIB09 Köln, 25. November 2009 Stefan Gradmann, Marlies Olensky Humboldt-Universität zu Berlin, Berlin School
MehrInformation Retrieval Modelle und neue Technologien. Prof. Dr. Wolfgang Riggert FDH Flensburg
Information Retrieval Modelle und neue Technologien Prof. Dr. Wolfgang Riggert FDH Flensburg Gliederung IR-Modelle Suchmaschinen Beispiel: Google Neue Technologien Retrievalmodell - allgemein Ein Retrievalmodell
Mehr1. Vorlesung,
1. Vorlesung, 16.10.2006 Einführung und Motivation, Beispiel Information versus Daten Grundlegende Konzepte Aufgaben des Anwenders Logische Sicht auf Dokumente Dokumentvorverarbeitung Dokumentsuche mit
MehrModulhandbuch für das BA Kombinationsfach Angewandte Informatik Multimedia
Modulhandbuch für das BA Kombinationsfach Angewandte Informatik Multimedia Kenntnisse im Programmieren für das World Wide Web mit der Programmiersprache JAVA werden vermittelt, ebenso das Erstellen von
MehrDigitale Bibliotheken. Informationssuche, Zugriff und Verbreitung
Digitale Bibliotheken Informationssuche, Zugriff und Verbreitung Gliederung Einführung Informationssuche Problemstellung Boolesche Suche Vektorraumsuche Stemming Multilinguale Suche Fuzzy Suche Semantische
MehrHintergrund: Web Search & Ranking in Websuchmaschinen
Hintergrund: Web Search & Ranking in Websuchmaschinen Prof. Dr. Dirk Lewandowski Hochschule für Angewandte Wissenschaften Hamburg dirk.lewandowski@haw-hamburg.de @Dirk_Lew LibRank-Abschlussworkshop Hamburg,
MehrBeschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de
Beschreibungslogiken Daniel Schradick 1schradi@informatik.uni-hamburg.de Was sind Beschreibungslogiken? Definition: Formalisms that represent knowledge of some problem domain (the world ) by first defining
MehrÜbungsaufgaben mit Lösungsvorschlägen
Otto-Friedrich-Universität Bamberg Lehrstuhl für Medieninformatik Prof. Dr. Andreas Henrich Dipl. Wirtsch.Inf. Daniel Blank Einführung in das Information Retrieval, 8. Mai 2008 Veranstaltung für die Berufsakademie
MehrEinfluss von Social Media auf die Suchmaschinenoptimierung mit spezieller Betrachtung von Google+
Wirtschaft Lukas Peherstorfer Einfluss von Social Media auf die Suchmaschinenoptimierung mit spezieller Betrachtung von Google+ Bachelorarbeit Peherstorfer, Lukas: Einfluss von Social Media auf die Suchmaschinenoptimierung
MehrText- und Datamining
Text- und Datamining Verwaltungtechnisches und Themenübersicht Jan Schrader, Morgan Harvey, Martin Hacker .@cs.fau.de Organisatorisches Folien eine Woche vor Präsentation abgeben (per Email)
MehrInhalt. 1 Einführung... 11. 2 Funktionsweise von Suchmaschinen... 21. 3 So werden Suchergebnisse gewichtet... 39
1 Einführung.......................................................... 11 1.1 Eine kurze Geschichte von fast allem.................................. 12 1.2 Die Bedeutung von Suchmaschinen gestern, heute
MehrDatenbank-Recherche. SS 2015 1. Veranstaltung 9. April 2015. Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.
Datenbank-Recherche SS 2015 1. Veranstaltung 9. April 2015 Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.org GESIS Leibniz-Institut für Sozialwissenschaften 2 Vorstellung
MehrFreebase Eine Datenbank mit RDF-Tripeln zu Personen, Orten, Dingen(2005-2012)
Freebase Eine Datenbank mit RDF-Tripeln zu Personen, Orten, Dingen(2005-2012) Karin Haenelt 1.5.2015 Inhalt Historie Datenbank 2 Historie 2005-2012 Freebase 7.2005, Metaweb Technologies Inc. entwickelt
MehrPsycINFO. Kurzanleitung zur Online-Datenbank. Eine weitere Beschreibung dieser Datenbank bieten die folgende Internetadressen:
PsycINFO Kurzanleitung zur Online-Datenbank Eine weitere Beschreibung dieser Datenbank bieten die folgende Internetadressen: http://www.apa.org/psycinfo/about/ http://www.apa.org/psycinfo/training/ovid-web.pdf
MehrWeb Data Mining. Alexander Hinneburg Sommersemester 2007
Web Data Mining Alexander Hinneburg Sommersemester 2007 Termine Vorlesung Mi. 10:00-11:30 Raum?? Übung Mi. 11:45-13:15 Raum?? Klausuren Mittwoch, 23. Mai Donnerstag, 12. Juli Buch Bing Liu: Web Data Mining
MehrNeue wissenschaftliche Informations- und Rechercheangebote als Grundlage für Seminar-/Oberstufenkurse an Gymnasien.
Neue wissenschaftliche Informations- und Rechercheangebote als Grundlage für Seminar-/Oberstufenkurse an Gymnasien Internetrecherche Fortbildung an der UB Heidelberg, 02.02.2010 Dr. Annette Klein UB Mannheim
MehrVerfahren zur Anfragemodifikation im Information Retrieval
Verfahren zur Anfragemodifikation im Information Retrieval Diplomarbeit Studiengang Bibliothekswesen Fakultät für Informations- und Kommunikationswissenschaften Fachhochschule Köln vorgelegt von: Matthias
Mehr11 Inhaltsübersicht. c M. Scholl, 2005/06 Informationssysteme: 11. Inhaltsübersicht 11-1
c M. Scholl, 2005/06 Informationssysteme: 11. Inhaltsübersicht 11-1 11 Inhaltsübersicht 1 Einführung und Übersicht 1-1 1.1 Vorbemerkungen.............................................. 1-1 1.2 Was ist ein
MehrInformation Retrieval - Übersicht. Norbert Fuhr
Information Retrieval - Übersicht Norbert Fuhr 1 1. Einführung IR unterscheidet sich wesentlich zur Suche in klassischen Datenbanken IR beschäftigt sich mit Unsicherheit und Vagheit in Informationssystemen
Mehrneofonie DER SPEZIALIST FÜR IHRE INFORMATIONSARCHITEKTUR
neofonie DER SPEZIALIST FÜR IHRE INFORMATIONSARCHITEKTUR Suchportale der nächsten Generation Dr. Thomas Schwotzer Leiter Forschung, neofonie Suche eine Folien Geschichte 1993: Beginn der HTML-Ära 1993
MehrOnline-Recherche: Web-Recherche WS 2015/2016 8. Veranstaltung 10. Dezember 2015
Online-Recherche: Web-Recherche WS 2015/2016 8. Veranstaltung 10. Dezember 2015 Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.org GESIS Leibniz-Institut für Sozialwissenschaften
MehrEntwicklung eines Dokumenten- Management-Systems
Entwicklung eines Dokumenten- Management-Systems Diplomarbeit Studiengang Informatik der Fachhochschule Mannheim Hochschule der Technik und Gestaltung Jan Löffler Betreuer: Prof. Dr. Rainer Gerten Mannheim,
MehrInternetsuchmaschinen - Kritische Betrachtung von Funktionalität und Leistungsfähigkeit im Vergleich
Internetsuchmaschinen - Kritische Betrachtung von Funktionalität und Leistungsfähigkeit im Vergleich Prof. Dr. Dirk Lewandowski Hochschule für Angewandte Wissenschaften Hamburg, Fakultät DMI, Department
MehrExposé zur Studienarbeit. 04. August 2010
Exposé zur Studienarbeit Relevanzranking in Lucene im biomedizinischen Kontext Christoph Jacob Betreuer: Phillipe Thomas, Prof. Dr. Ulf Leser 04. August 2010 1. Motivation Sucht und ihr werdet finden dieses
MehrPressedatenbank: Nexis (bisher LexisNexis)
Pressedatenbank: Nexis (bisher LexisNexis) Inhalt Stand: 19.08.2014 Artikel aus Zeitschriften, Magazinen und Zeitungen im Volltext - tagesaktuell und retrospektiv, national und international (z.b. Stuttgarter
MehrKontextbasiertes Information Retrieval
Kontextbasiertes Information Retrieval Modell, Konzeption und Realisierung kontextbasierter Information Retrieval Systeme Karlheinz Morgenroth Lehrstuhl für Medieninformatik Fakultät Wirtschaftsinformatik
MehrSeminar Text- und Datamining Textmining-Grundlagen Erste Schritte mit NLTK
Seminar Text- und Datamining Textmining-Grundlagen Erste Schritte mit NLTK Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 16.05.2013 Gliederung 1 Vorverarbeitung
MehrThematische Recherche und Interoperabilität. Wege zur Optimierung des Zugriffs. CrissCross -Projekt
Thematische Recherche und Interoperabilität Wege zur Optimierung des Zugriffs auf heterogen erschlossene Bestände Felix Boteram RESEDA-Projekt Prof. Winfried Gödert Fachhochschule Köln Jessica Hubrich
MehrEbsco Business Source Premier: Recherche
Ebsco Business Source Premier: Recherche Wenn Sie in der Datenbank Business Source Premier recherchieren wollen müssen Sie diese auf der Startseite auswählen: Choose Databases: Business Source Premier
MehrNur die ersten Drei zählen! - Erfolgsfaktoren beim Betrieb von Discovery Systeme. Dr. Elmar Haake Staats- und Universitätsbibliothek Bremen
Nur die ersten Drei zählen! - Erfolgsfaktoren beim Betrieb von Discovery Systeme Dr. Elmar Haake Staats- und Universitätsbibliothek Bremen Deutscher Bibliothekartag 3.-6.6.2014 1 Relevanzranking als Erfolgsfaktor
MehrModul 5: Semantik im WWW
Modul 5: Semantik im WWW Lernziele The Internet will become a repository of knowledge, Vinton Cerf (geb. not only a compendium of facts. 1943), einer der Väter des Internets [W1] Interoperabilität und
MehrPSYNDEXplus. PSYNDEXplus Tests
PSYNDEXplus PSYNDEXplus Tests Kurzanleitung zur Online-Datenbank Eine ausführliche Anleitung zu dieser Datenbank bietet die folgende Internetadresse: http://www.zpid.de/index.php?wahl=lehrmaterialien Fachgebiet:
Mehr