Automatische Vergabe von RVK-Notationen
|
|
- Lieselotte Kramer
- vor 7 Jahren
- Abrufe
Transkript
1 Automatische Vergabe von RVK-Notationen Magnus Pfeffer Vortrag HU Berlin
2 Überblick Anlass des Projekts Grundlagen fallbasiertes Schließen Umsetzung und Implementierung Experimente Ergebnisse Mögliche Erweiterungen Vortrag HU Berlin
3 Anlass des Projekts Größere Bibliotheksbereiche RVK zur gemeinsamen Aufstellung Unterstützung der Retrosystematisierung Unterstützung der Platzbedarfsplanung Virtuelle systematische Aufstellung im Katalog Vortrag HU Berlin
4 Fallbasiertes Schließen Maschinelles Lernverfahren Prinzip: ähnliches Problem ähnliche Lösung Algorithmus Aufbau Fallbasis mit bekannten Lösungen Vergleich neuer Fall mit allen Fällen der Basis Finden des ähnlichsten Falls der Basis Adaption oder Übernahme von dessen Lösung Ohne Adaption: fallbasierte Klassifikation Vortrag HU Berlin
5 Umsetzung auf RVK-Vergabe Probleme/Fälle Titelaufnahmen ohne RVK-Notation Lösungen Klassifikation Fallbasis Bereits klassifizierte Titel Vergleich Ähnlichkeitsmaß Vortrag HU Berlin
6 Annahmen Nur korrekte Notationen im Verbund Inhaltliche Klassifikation RVK-Klassen mit formalen Kriterien Zeitschriften Reihen Jahr der Veröffentlichung als Notationsbestandteil Eindeutige Klassifikation Vortrag HU Berlin
7 Ähnlichkeitsmaß Krux des Verfahrens Realisierung: Ähnlichkeitsfunktion Formale Kriterien Selbstvergleich maximale Ähnlichkeit Symmetrisch Normiert Inhaltliche Kriterien Berücksichtigung aller relevanten Daten Gewichtung der Attribute Vortrag HU Berlin
8 Ähnlichkeitsfunktion Nur inhaltstragende Kategorien Titelwörter Mehrsprachig Zusammengesetzte Wörter Flektierte Wörter Schlagwörter Kontrolliertes Vokabular Vortrag HU Berlin
9 Ähnlichkeitsfunktion Normierung der Titelwörter Englisch Endungen abschneiden Deutsch Wortzerlegung Grundformbestimmung Vergleich von Wortmengen Mehrfachauftreten nicht berücksichtigt Vortrag HU Berlin
10 Umsetzung Automatische Vergabe von RVK-Notationen Datenquelle Verbundabzug im MAB2-Format Extraktion von Titel- und Schlagwörtern RVK XML-Datenabzug Baumdarstellung Entfernung der problematischen Notationen Zerlegung und Normierung aller Wörter Tools: Morphy, Snowball Titelwörter Lexeme Aufbau von Indices Titelwörter Schlagwörter-IDs Lexeme Vortrag HU Berlin
11 Umsetzung Vergleich Suche aller Elemente im Index Liste potentiell ähnlicher Titel Direkter Vergleich mittels Ähnlichkeitsfunktion Retrieval Klassifikation(en) Klassifikation(en) des ähnlichsten Titel Häufigste Klassifikation(en) der n ähnlichsten Titel Alle Klassifikationen der n ähnlichsten Titel Absoluter Wert der Ähnlichkeit Vortrag HU Berlin
12 Ähnlichkeitsfunktion Simple: #(A B) / Max(#A, #B) Nur Übereinstimmungen Symmetrisch und Normiert Hamming: 1 [ #((A U B) - (A B)) / #A + #B ] Auch Nicht-Übereinstimmungen Symmetrisch und normiert Edit: 1 [ #((A U B) - (A B)) / #A + #B ] Aber unterschiedliche Gewichtung der Nicht-Übereinstimmungen Nicht symmetrisch Normiert Vortrag HU Berlin
13 Experimente Testläufe Juni 2007 Masterarbeit HU Berlin Verschiedene Ähnlichkeitsfunktionen Verschiedene Retrievals Testverfahren Klassifikation von 1000 Titeln mit Notationen (Goldstandard) Vergleichswert: Distanz im RVK-Baum Vortrag HU Berlin
14 Ergebnisse Theoretisches Maximum Notationen aller Titel mit einem übereinstimmenden Element Zahlen 94,7% korrekt (mindestens eine Notation identisch) 4,5% gut (minimale Distanz der Notationen: 1-3) 0,7% befriedigend (Notationen im gleichen Fachgebiet) 0,1% falsch (Notationen in unterschiedlichen Fachgebieten) Durchschnittlich Notationen Vortrag HU Berlin
15 Ergebnisse Sieger Funktion: Hamming Elemente: Lexeme mit Schlagwörtern kombiniert Retrieval: Notation(en) der/des ähnlichsten Titels Zahlen 51,4% korrekt (mindestens eine Notation identisch) 22,7% gut (minimale Distanz der Notationen: 1-3) 11,1% befriedigend (Notationen im gleichen Fachgebiet) 14,8% falsch (Notationen in unterschiedlichen Fachgebieten) Durchschnittlich 5 Notationen Retrieval mit Häufigkeiten nahezu identisch Vortrag HU Berlin
16 Praktische Umsetzung UB Mannheim Einspielung in Online-Katalog Verbalisierung der Notation als Hilfe-Popup Erstmals vollständiger systematischer Zugang Einsatz in der Retrosystematisierung Nutzung durch Referenten Titellisten nach RVK sortiert Sehr hoher Nutzen Einsatz in der Bedarfplanung Höhere Genauigkeit als reine Interpolation Vortrag HU Berlin
17 Weitere Arbeiten RVK Doppelklassen zusammenführen Vollständiges Ausblenden der formalen Klassen Verfahren Expansion der Schlagwörter-IDs zu Wörtern Bessere Grundformzerlegung Implementierung Alternative zu Morphy Optimierung der Fallbasis Schnellere Verarbeitung Ziel: Web Service Vortrag HU Berlin
18 Fragen/Diskussion Vortrag HU Berlin
19 Automatische Vergabe von RVK-Notationen Magnus Pfeffer Vortrag HU Berlin 1 1
20 Überblick Anlass des Projekts Grundlagen fallbasiertes Schließen Umsetzung und Implementierung Experimente Ergebnisse Mögliche Erweiterungen Vortrag HU Berlin 2 2
21 Anlass des Projekts Größere Bibliotheksbereiche RVK zur gemeinsamen Aufstellung Unterstützung der Retrosystematisierung Unterstützung der Platzbedarfsplanung Virtuelle systematische Aufstellung im Katalog Vortrag HU Berlin 3 Die UB Mannheim hat ihre ehemals 11 Bereichsbibliotheken in 4 Freihandbereichen zusammengelegt, die nach einer einheitlichen Systematik aufgestellt werden. Die Entscheidung für die RVK als Systematik fiel aufgrund der bereits verfügbaren Klassifikationen in den Verbunddaten, dem größeren Nutzerkreis und der damit verbundenen Hoffnung auf eine weitgehende Übernahme von Fremddaten bei der Systematisierung. Von 1,2 Millionen Titeln der UB Mannheim waren Anfang 2007 etwa 50% mit einer oder mehreren RVK-Notationen versehen. Mit der automatischen Systematisierung der verbleibenden Titel sollte neben der Unterstützung der Fachreferenten bei der Retrosystematisierung auch eine Datengrundlage für die Abschätzung des Platzbesdarfs der einzelnen Systemstellen in den Bereichen geschaffen werden. Die Annotation aller Titel im Katalog mit RVK-Notationen würde einen systematischen Zugang zum Gesamtbestand der UB Mannheim bieten, der in einem virtuellen Bücherregal online zugänglich ist. 3
22 Fallbasiertes Schließen Maschinelles Lernverfahren Prinzip: ähnliches Problem ähnliche Lösung Algorithmus Aufbau Fallbasis mit bekannten Lösungen Vergleich neuer Fall mit allen Fällen der Basis Finden des ähnlichsten Falls der Basis Adaption oder Übernahme von dessen Lösung Ohne Adaption: fallbasierte Klassifikation Vortrag HU Berlin 4 Aufgrund der bereits vorhandenen systematisierten Titeldaten bietet sich für eine automatische Systematisierung der verbleibenden Titel das Verfahren des fallbasierten Schließens an. Dabei wird von der Idee ausgegangen, dass ähnliche Probleme ( Fälle ) auch ähnliche Lösungen haben und durch den Vergleich eines neuen Problems mit den bereits gelösten vielleicht nicht die optimale aber zumindest eine adäquate Lösung gefunden werden kann. Diese muss gegebenenfalls adaptiert werden. Im der vorliegenden Problemstellung wird die gefundene Lösung übernommen, also eine fallbasierte Klassifikation vorgenommen. 4
23 Umsetzung auf RVK-Vergabe Probleme/Fälle Titelaufnahmen ohne RVK-Notation Lösungen Klassifikation Fallbasis Bereits klassifizierte Titel Vergleich Ähnlichkeitsmaß Vortrag HU Berlin 5 Die Übertragung auf die Vergabe von RVK-Notationen anhand der Titeldaten ist unkompliziert: Die bereits klassifizierten Titel bilden die Fallbasis und die noch nicht klassifizierten Titel werden mit diesen vergleichen. 5
24 Annahmen Nur korrekte Notationen im Verbund Inhaltliche Klassifikation RVK-Klassen mit formalen Kriterien Zeitschriften Reihen Jahr der Veröffentlichung als Notationsbestandteil Eindeutige Klassifikation Vortrag HU Berlin 6 Das Verfahren impliziert einige Annahme über die Art und Qualität der Daten, die in die Fallbasis übernommen werden: So wird davon ausgegangen, dass alle Notationen in den Verbunddaten korrekt und vollständig sind. Das Verfahren baut allein auf inhaltliche Merkmale auf, was in einem Widerspruch zu RVK-Klassen steht, die anhand von formalen Kriterien vergeben werden. Die Zuordnung zu diesen Klassen kann nicht mittels fallbasiertem Schließen durchgeführt werden und es muss darauf geachtet werden, dass keine Titel mit formalen Klassifikationen Teil der Fallbasis werden. Idealerweise sollte die Klassifikation eindeutig sein. Sollten mehrere Klassifikationen für einen Titel gegeben sein, muss im Rahmen des Verfahrens davon ausgegangen werden, dass diese gleichwertig und inhaltlich sehr ähnlich sind. Die Tatsache, dass in bestimmten Fällen der Inhalt eines Buches zwei inhaltlich unterschiedliche Klassifikationen ermöglicht, kann nur unzureichend abgebildet werden. 6
25 Ähnlichkeitsmaß Krux des Verfahrens Realisierung: Ähnlichkeitsfunktion Formale Kriterien Selbstvergleich maximale Ähnlichkeit Symmetrisch Normiert Inhaltliche Kriterien Berücksichtigung aller relevanten Daten Gewichtung der Attribute Vortrag HU Berlin 7 Das Ähnlichkeitsmaß ist der eigentliche Kern des Verfahrens. Wünschenswert für ein solches Maß sind einige formale Vorgaben: Reflexivität: Ein Titel soll zu sich selbst maximal ähnlich sein Symmetrie: X verglichen mit Y soll die gleiche Ähnlichkeit ergeben wir Y verglichen mit X Normierung: Die Ähnlichkeit soll in einem definierten Wertebereich liegen. Üblich ist [0..1] mit 1 als maximale Ähnlichkeit. Inhaltlich muss beim Formulieren des Ähnlichkeitsmaßes darauf geachtet werden, dass alle relevanten Daten aus den Titeln berücksichtigt und angemessen gewichtet werden. 7
26 Ähnlichkeitsfunktion Nur inhaltstragende Kategorien Titelwörter Mehrsprachig Zusammengesetzte Wörter Flektierte Wörter Schlagwörter Kontrolliertes Vokabular Vortrag HU Berlin 8 Für den inhaltlichen Vergleich von Titeldaten können nur die Titel- und Schlagwörter herangezogen werden. Alle anderen Daten enthalten formale Informationen. Während die Schlagwörter normiert vorliegen, sind die Titelwörter nicht ohne weiteres für einen Vergleich geeignet. Sie liegen in unterschiedlichen Sprachen und als zusammengesetzte und flektierte Wörter vor. 8
27 Ähnlichkeitsfunktion Normierung der Titelwörter Englisch Endungen abschneiden Deutsch Wortzerlegung Grundformbestimmung Vergleich von Wortmengen Mehrfachauftreten nicht berücksichtigt Vortrag HU Berlin 9 Da eine Übersetzung eine weitere Komplexitätsstufe in das Verfahren eingebracht hätte, wurden die Titel in den unterschiedlichen Sprachen getrennt behandelt. Englische Titelwörter lassen sich recht einfach durch das Erkennen und Abschneiden der häufigsten Endungen (-ing, -ed, -s, ) soweit normieren, dass ein Vergleich möglich wird. Deutsche Titelwörter müssen aufwändiger bearbeitet werden; die Zerlegung zusammengesetzter Wörter sowie die Überführung aller Teilwörter in eine Grundform ist erforderlich. Die so normierten Wörter eines Titels müssen dann nur noch mit den entsprechenden Wörtern eines anderen Titels verglichen werden. Dabei werden derzeit nur Wortmengen verglichen, ein mehrfach auftretendes Wort als nur einfach gezählt. Wenig sinntragende Wörter wie Artikel und Präpositionen, die sehr häufig auftauchen, werden beim Vergleich nicht berücksichtigt. 9
28 Umsetzung Automatische Vergabe von RVK-Notationen Datenquelle Verbundabzug im MAB2-Format Extraktion von Titel- und Schlagwörtern RVK XML-Datenabzug Baumdarstellung Entfernung der problematischen Notationen Zerlegung und Normierung aller Wörter Tools: Morphy, Snowball Titelwörter Lexeme Aufbau von Indices Titelwörter Schlagwörter-IDs Lexeme Vortrag HU Berlin 10 Für die konkrete Umsetzung an der UB Mannheim diente ein Verbundabzug im MAB2-Format als Grundlage. Aus den Daten wurden die Felder für die Titelangaben und die Schlagwörter selektiert. Die RVK-Klassen wurden aus der von der UB Regensburg bereitgestellten XMLdarstellung extrahiert und ein Großteil der Notationen mit formalen Komponenten selektiert. Diese Klassen wurden dann aus den Titelaufnahmen entfernt. Für die linguistische Analyse wurden alle gefundenen deutschen Titelwörter mit Hilfe des Tools Morphy zerlegt und auf die Grundform reduziert. Für die englischsprachigen Titelwörter wurde das Tool Snowball verwendet. Für die Umsetzung der Ähnlichkeitsfunktion(en) wurden separate Indices für die Titelwörter, die Identnummern der Schlagwörter und die zerlegten und reduzierten Titelwörter (Lexeme) aufgebaut. 10
29 Umsetzung Vergleich Suche aller Elemente im Index Liste potentiell ähnlicher Titel Direkter Vergleich mittels Ähnlichkeitsfunktion Retrieval Klassifikation(en) Klassifikation(en) des ähnlichsten Titel Häufigste Klassifikation(en) der n ähnlichsten Titel Alle Klassifikationen der n ähnlichsten Titel Absoluter Wert der Ähnlichkeit Vortrag HU Berlin 11 Um für einen noch nicht klassifizierten Titel den ähnlichsten Titel in der Fallbasis zu finden, werden zunächst alle in Frage kommenden Titel anhand der Indices bestimmt und anschließend mit Hilfe der Ähnlichkeitsfunktion direkt verglichen. Das Verfahren liefert zu jedem nicht klassifizierten Titel die Menge der Titel aus der Fallbasis mit der Ähnlichkeit größer Null. Diese können nach Ähnlichkeit absteigend sortiert werden und je nach Zielsetzung der Klassifikation ausgewertet werden. 11
30 Ähnlichkeitsfunktion Simple: #(A B) / Max(#A, #B) Nur Übereinstimmungen Symmetrisch und Normiert Hamming: 1 [ #((A U B) - (A B)) / #A + #B ] Auch Nicht-Übereinstimmungen Symmetrisch und normiert Edit: 1 [ #((A U B) - (A B)) / #A + #B ] Aber unterschiedliche Gewichtung der Nicht-Übereinstimmungen Nicht symmetrisch Normiert Vortrag HU Berlin 12 Es wurden mehrere Ähnlichkeitsfunktionen getestet, die von bekannten Verfahren zum Vergleich von Zeichenketten abgeleitet wurden. Diese unterscheiden sich in der Gewichtung der übereinstimmenden und nicht übereinstimmenden Elemente. 12
31 Experimente Testläufe Juni 2007 Masterarbeit HU Berlin Verschiedene Ähnlichkeitsfunktionen Verschiedene Retrievals Testverfahren Klassifikation von 1000 Titeln mit Notationen (Goldstandard) Vergleichswert: Distanz im RVK-Baum Vortrag HU Berlin 13 Um die verschiedenen Funktionen und Retrievals vergleichen zu können, wurden 1000 bereits klassifizierte Titel aus der Fallbasis entnommen und automatisch klassifiziert. Dabei wurde die vorhandene Klassifikation als Goldstandard gewertet und die Qualität der automatischen Klassifikation bestimmt. Im besten Fall gab es eine absolute Übereinstimmung, ansonsten wurde die kleinste Distanz im RVK-Baum der gefundenen Notation(en) zum Goldstandard bestimmt. 13
32 Ergebnisse Theoretisches Maximum Notationen aller Titel mit einem übereinstimmenden Element Zahlen 94,7% korrekt (mindestens eine Notation identisch) 4,5% gut (minimale Distanz der Notationen: 1-3) 0,7% befriedigend (Notationen im gleichen Fachgebiet) 0,1% falsch (Notationen in unterschiedlichen Fachgebieten) Durchschnittlich Notationen Vortrag HU Berlin 14 Um die Ergebnisse richtig bewerten zu können, wurde geprüft, ob die korrekte Notation überhaupt durch den Vergleich von Titel- und Schlagwörtern gefunden werden kann. Dies ist nur in 95% der Fälle überhaupt möglich. 14
33 Ergebnisse Sieger Funktion: Hamming Elemente: Lexeme mit Schlagwörtern kombiniert Retrieval: Notation(en) der/des ähnlichsten Titels Zahlen 51,4% korrekt (mindestens eine Notation identisch) 22,7% gut (minimale Distanz der Notationen: 1-3) 11,1% befriedigend (Notationen im gleichen Fachgebiet) 14,8% falsch (Notationen in unterschiedlichen Fachgebieten) Durchschnittlich 5 Notationen Retrieval mit Häufigkeiten nahezu identisch Vortrag HU Berlin 15 Die besten Ergebnisse lieferte die Kombination des Hamming-Abstandes von Lexemen mit einem Retrieval, dass die Notationen des/der Titel mit der größten Ähnlichkeit liefert. Die unterschiedliche Gewichtung von nicht-übereinstimmenden Elementen bei der Edit -basierten Ähnlichkeitsfunktion führte insgesamt zu einer Verschlechterung des Gesamtergebnisses. Die Simple -Ähnlichkeitsfunktion lieferte wie erwartet deutlich schlechtere Ergebnisse. Erstaunlich war, dass bereits der Vergleich der unzerlegten Titelwörter ein sehr gutes Ergebnis brachte und die Verwendung der Lexeme nur wenige Prozentpunkte Verbesserung brachte. Bei den Retrievalverfahren lag die Variante Häufigste Notation der ähnlichsten N Titel nahezu gleichauf. 15
34 Praktische Umsetzung UB Mannheim Einspielung in Online-Katalog Verbalisierung der Notation als Hilfe-Popup Erstmals vollständiger systematischer Zugang Einsatz in der Retrosystematisierung Nutzung durch Referenten Titellisten nach RVK sortiert Sehr hoher Nutzen Einsatz in der Bedarfplanung Höhere Genauigkeit als reine Interpolation Vortrag HU Berlin 16 Es wurde der Gesamtbestand der UB Mannheim automatisch klassifiziert und die Daten in den OPAC eingespielt. Somit bestand erstmals ein einheitlicher systematischer Zugang zu den Medien der UB Mannheim. Die Fachreferenten konnten für die Retrosystematisierung des Freihandbestandes aus OPAC-Anfragen Listen generieren, die nach RVK sortiert werden konnten. Falsch klassifizierte Titel fielen beim Bearbeiten der Listen sofort auf; die Arbeit ließ sich wesentlich beschleunigen. Anhand dieser Listen ließ sich auch eine recht genaue Abschätzung für den Platzbedarf der einzelnen Systemstellen in den neuen Bibliotheksbereichen ermitteln. 16
35 Weitere Arbeiten RVK Doppelklassen zusammenführen Vollständiges Ausblenden der formalen Klassen Verfahren Expansion der Schlagwörter-IDs zu Wörtern Bessere Grundformzerlegung Implementierung Alternative zu Morphy Optimierung der Fallbasis Schnellere Verarbeitung Ziel: Web Service Vortrag HU Berlin 17 17
36 Fragen/Diskussion Vortrag HU Berlin 18 18
Fallbasierte automatische Klassifikation nach der RVK - k-nearest neighbour auf bibliografischen Metadaten
Fallbasierte automatische Klassifikation nach der RVK - k-nearest neighbour auf bibliografischen Metadaten Magnus Pfeffer (Dipl.-Inform., M.A. LIS) Universität Mannheim, Universitätsbibliothek magnus.pfeffer@bib.uni-mannheim.de
MehrRVK-Portal und BibScout. Zwei Seiten derselben Medaille RVK?
RVK-Portal und BibScout Zwei Seiten derselben Medaille RVK? Für Profis W. Heymans, BSZ: BibScout 2 Für Profis Für Laien W. Heymans, BSZ: BibScout 3 W. Heymans, BSZ: BibScout 4 Der eine Schritt mehr im
MehrAutomatische Vergabe von RVK-Notationen anhand von bibliografischen Daten mittels fallbasiertem Schließen.
Humboldt-Universität zu Berlin Philosophische Fakultät I Institut für Bibliotheks- und Informationswissenschaft Automatische Vergabe von RVK-Notationen anhand von bibliografischen Daten mittels fallbasiertem
MehrRegensburger Verbundklassifikation und Schlagwortnormdatei im Tandem
Regensburger Verbundklassifikation und Schlagwortnormdatei im Tandem Vortrag zur Bachelorarbeit im Fach Wissensmanagement an der Hochschule der Medien Stuttgart (SS 2009) Judith Probstmeyer Erstprüfer:
MehrChrista Schöning-Walter. Ist automatische Erschließung möglich? Erfahrungen der Deutschen Nationalbibliothek
Christa Schöning-Walter Ist automatische Erschließung möglich? Erfahrungen der Deutschen Nationalbibliothek 1 Automatische Erschließung bei der DNB warum? Ziele: Geschäftsprozesse beschleunigen Erschließungsaufwände
MehrRecherche: Suche nach Standorten von Büchern und Zeitschriften:
Recherche: Am besten immer und alles über 2 3 markante Wörter aus dem Titel suchen! Weitere Eingrenzungen über Person, Erscheinungsjahr usw. sind bei zu vielen Treffern dann immer noch. Standorten von
MehrKonkordanzen und Kataloganreicherung in Form von Klassifikationen im Österreichischen Bibliothekenverbund (ÖBV) ein Werkstattbericht
Konkordanzen und Kataloganreicherung in Form von Klassifikationen im Österreichischen Bibliothekenverbund (ÖBV) ein Werkstattbericht Mag. Veronika Plößnig MSc Überblick Kataloganreicherung mit Sacherschließungselementen
MehrInformationskompetenz (Thematische Buchsuche im Online-Katalog)
Informationskompetenz (Thematische Buchsuche im Online-Katalog) Lehrveranstaltung der Universitätsbibliothek der Technischen Universität München Im Online-Katalog stehen Ihnen folgende Felder für eine
MehrVon Chaos und Qualität die Ergebnisse des Projekts Collaborative Tagging
Von Chaos und Qualität die Ergebnisse des Projekts Collaborative Tagging Christine Krätzsch Universitätsbibliothek Mannheim kraetzsch@bib.uni mannheim.de GfKl 2011 Library Tutorial 01.09.2011 DFG Projekt
MehrErfahrungsbericht zu den RVK-Umstiegen an der ULB Sachsen-Anhalt
Erfahrungsbericht zu den RVK-Umstiegen an der ULB Sachsen-Anhalt Übersicht: 1. 2. 3. Zentrale Festlegungen und Voraussetzungen zum RVK-Umstieg in der ULB Sachsen-Anhalt Vorgehensweise zur RVK-Umstellung
MehrAutomatisierte Inhaltserschließung von E-Books
Automatisierte Inhaltserschließung von E-Books Prof. Dr. Michael Mönnich KIT-BIBLIOTHEK KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholz-Gemeinschaft Digitale
MehrTag-basierte Ähnlichkeitsbestimmung bei ARTigo
Tag-basierte Ähnlichkeitsbestimmung bei ARTigo Crowdsourcing, Swarm Intelligence, Data Mining Referentin: Elena Levushkina Centrum für Informations- und Sprachverarbeitung ARTigo Online-Spiel zur Verschlagwortung
MehrDie Regensburger Verbundklassifikation (RVK) - Zur Dynamik einer Klassifikation. Dr. Ines Häusler Dr. Naoka Werr Universitätsbibliothek Regensburg
Die Regensburger Verbundklassifikation (RVK) - Zur Dynamik einer Klassifikation Dr. Ines Häusler Dr. Naoka Werr Universitätsbibliothek Regensburg RVK Zur Dynamik einer Klassifikation Gegenwart Was ist
MehrSemiautomatische Erschließung von Psychologie-Information
PETRUS-Workshop "Automatische Erschließungsverfahren" 21./22.03.2011 Dipl.-Psych. Michael Gerards Semiautomatische Erschließung von Psychologie-Information Kontext Die Literaturdatenbank PSYNDEX: Erschließt
MehrProjekt Umstieg auf internationale Formate und Regelwerke (MARC21, AACR2)
Projekt Umstieg auf internationale Formate und Regelwerke (MARC21, AACR2) Fragebogen zur Datenerhebung in Verbünden und Bibliotheken Institution: Ansprechpartner/in: Telefon: E-Mail: PLZ, Ort: A. EDV-System
MehrKatalogdaten als Linked Open Data aufbereiten und nutzen Teil 2: Technik
aufbereiten und nutzen Teil 2: Technik Magnus Pfeffer (Dipl.-Inform., M.A. LIS) Universität Mannheim, Universitätsbibliothek magnus.pfeffer@bib.uni-mannheim.de 2 Überblick Szenario Daten Varianten der
MehrFunktionsleiste Zeitschriften / ZDB-Funktionen
Funktionsleiste Zeitschriften / ZDB-Funktionen Feld 7120 ausfüllen...1 Merke IDN...1 Datensatzkopie...1 Reziprok verknüpfen...2 Mailboxsatz_anlegen...2 Kennung_wechseln...2 LinkUrl...2 LokUrl...3 EZB...3
Mehr1 Boolesches Retrieval (2)
2. Übung zur Vorlesung Internet-Suchmaschinen im Sommersemester 2009 mit Lösungsvorschlägen Prof. Dr. Gerd Stumme, M.Sc. Wi-Inf. Beate Krause 06. Mai 2009 1 Boolesches Retrieval (2) Eine Erweiterung des
MehrSacherschließung in der Zukunft?
Universitätsbibliothek Sacherschließung in der Zukunft? Der Einsatz des Digitalen Assistenten DA-2 für die Sacherschließung im SWB Dr. Peter Schäuble Dr. Helge Steenweg Einordnung und Ziele Inhaltserschliessung
MehrAutomatische Rekonstruktion und Spezifizierung von Attributnamen in Webtabellen
Automatische Rekonstruktion und Spezifizierung von Attributnamen in Webtabellen Mark Reinke Bachelorarbeit TU Dresden 17. Februar 2014 Webtabellen Warum sind Webtabellen von Bedeutung? Sie können relationale
MehrGreedy Algorithms - Gierige Algorithmen
Greedy Algorithms - Gierige Algorithmen Marius Burfey 23. Juni 2009 Inhaltsverzeichnis 1 Greedy Algorithms 1 2 Interval Scheduling - Ablaufplanung 2 2.1 Problembeschreibung....................... 2 2.2
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 24. Mai 2011 3. Schätzung von Parametern Problemstellung: Aus fehlerbehafteten Messungen möglichst genaue Ergebnisse erarbeiten zusammen mit Aussagen
Mehr// E-LIB Bremen - Portal zur lokalen Verwaltung und zum Marketing von elektronischen Ressourcen
// E-LIB Bremen - Portal zur lokalen Verwaltung und zum Marketing von elektronischen Ressourcen http://elib.suub.uni-bremen.de E-LIB als Fachverzeichnis fachlicher Einstieg - virtuelles Bücherregal - Bremer
MehrLösungen zu den Aufgaben zur Multivariaten Statistik Teil 4: Aufgaben zur Clusteranalyse
Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Universität Kassel Lösungen zu den Aufgaben zur Multivariaten Statistik Teil 4: Aufgaben zur Clusteranalyse 1. Erläutern Sie, wie das Konstrukt
MehrStatistische Verfahren zur Maschinen- und Prozessqualifikation
Statistische Verfahren zur Maschinen- und Prozessqualifikation Bearbeitet von Edgar Dietrich, Alfred Schulze 5., aktualisierte Auflage 2005. Buch. XVIII, 630 S. Hardcover ISBN 978 3 446 22894 8 Format
MehrComputerunterstützte. IZUS / Universitätsbibliothek. Der Digitale Assistent BW für die Sacherschließung V2. Dr. Imma Hinrichs
IZUS / Universitätsbibliothek Computerunterstützte Sacherschließung Der Digitale Assistent BW für die Sacherschließung V2 Dr. Imma Hinrichs 13. InetBib-Tagung: Treiben wir oder werden wir getrieben? 10.
MehrDateiorganisation und Zugriffsstrukturen. Prof. Dr. T. Kudraß 1
Dateiorganisation und Zugriffsstrukturen Prof. Dr. T. Kudraß 1 Mögliche Dateiorganisationen Viele Alternativen existieren, jede geeignet für bestimmte Situation (oder auch nicht) Heap-Dateien: Geeignet
MehrImproving the Accuracy of GPS
Improving the Accuracy of GPS Stephan Kopf, Thomas King, Wolfgang Effelsberg Lehrstuhl für Praktische Informatik IV Universität Mannheim Gliederung Motivation ierungsfehler von GPS Steigerung der Genauigkeit
MehrZDB und EZB - auf dem Weg zu neuen integrativen Diensten
ZDB und EZB - auf dem Weg zu neuen integrativen Diensten Leipzig, den 20. März 2007 Ulrike Junger / Staatsbibliothek zu Berlin Dr. Evelinde Hutzler / UB Regensburg 1 Überblick 1. ZDB und EZB Wege der Kooperation
MehrKatalog plus : Ein Vorschlag zur Kombination von Katalogdaten mit einem RDS-Index. Ato Ruppert, UB Freiburg 22. Mai 2012 Bibliothekartag 2012, Hamburg
Katalog plus : Ein Vorschlag zur Kombination von Katalogdaten mit einem RDS-Index Ato Ruppert, UB Freiburg 22. Mai 2012 Bibliothekartag 2012, Hamburg Ausgangssituation: Viele Angebote für die Nutzer Beispiel:
MehrAnwendung von Vektormodell und boolschem Modell in Kombination
Anwendung von Vektormodell und boolschem Modell in Kombination Julia Kreutzer Seminar Information Retrieval Institut für Computerlinguistik Universität Heidelberg 12.01.2015 Motivation Welche Filme sind
MehrKategorie Text
www.gmi.at, 2015 1 Kategorie Text Verketten (Konkatenieren) von Werten Zellbezüge Literale Konstanten Anweisung Ergebnis =B1 & A1 ComPuter ="Ich heisse " & A1 & ", " & B1 & " " & A1 & "!" ="Ich erhalte
MehrMaschinelles Lernen: Symbolische Ansätze. Wintersemester 2013/2014 Musterlösung für das 7. Übungsblatt
Maschinelles Lernen: Symbolische Ansätze Wintersemester 2013/2014 Musterlösung für das 7. Übungsblatt 1 Aufgabe 1 Nearest Neighbour Gegeben sei folgende Beispielmenge: Day Outlook Temperature Humidity
MehrPOLITIKKABINE.AT Erläuterungen zur Realisierung und Methode (Stand Dezember 2012)
POLITIKKABINE.AT Erläuterungen zur Realisierung und Methode (Stand Dezember 2012) Inhalt 1 Zielsetzung 1 2 Redaktion... 2 3 Methode... 2 3.1 Schritt 1 Erstellen der Profile...2 3.2 Schritt 2 Vergleich
MehrGrundlagen der Informatik II Übungsblatt: 5, WS 17/18 mit Lösungen
PD. Dr. Pradyumn Shukla Marlon Braun Micaela Wünsche Dr. Friederike Pfeiffer-Bohnen Dr. Lukas König Institut für Angewandte Informatik und Formale Beschreibungsverfahren Grundlagen der Informatik II Übungsblatt:
MehrNeues aus dem Verbund 12. BSZ-Kolloquium an der HdM Stuttgart
Neues aus dem Verbund 12. BSZ-Kolloquium an der HdM Stuttgart 27.09.2011 Volker Conradt Cornelia Katz Neue Hardware neue Software 1. Stufe (im Juni 2011 mit aufwändiger Vorbereitung): Austausch Katalogisierungsserver
MehrVergleiche und Transformationen für XML-Dokumente - Teil 2. Ein Ansatz zur hierarchischen, adaptiven Kollationierung
Vergleiche und Transformationen für XML-Dokumente - Teil 2 Ein Ansatz zur hierarchischen, adaptiven Kollationierung Varianz in der Gleichheit nicht nur der Manuskripte, sondern auch ihrer Teile die Elemente
MehrSpartenübergreifende Nutzung der GND : am Beispiel des Projekts IN2N. Brigitte Wiechmann, DNB
Spartenübergreifende Nutzung der GND : am Beispiel des Projekts IN2N Brigitte Wiechmann, DNB 1 IN2N - Projekt IN2N = Institutionenübergreifende Integration von Normdaten DFG-Projekt, Laufzeit 01.12.2012-28.02.2014
MehrWeiterentwicklung des Digitalen Assistenten, Version 2 (DA-2)
IZUS / Universitätsbibliothek Weiterentwicklung des Digitalen Assistenten, Version 2 (DA-2) 1. Teil: Dr. Imma Hinrichs Workshop Computerunterstützte Inhaltserschließung am 8./9. Mai 2017 in der UB Stuttgart
MehrAutomatisierte Bestellabwicklung über Lieferantenportale von Frank Dietz (BVB/A)
Automatisierte Bestellabwicklung über Lieferantenportale von Frank Dietz (BVB/A) Frankfurt 31.05.2017 Projekt Bestellautomatisierung Seite 1 Inhalt Über das Projekt: Ziele und Kooperation mit dem hbz,
MehrDas Projekt Automatische Sacherschließung an der ZBW
Das Projekt Automatische Sacherschließung an der ZBW Martin Toepfer (Wissenschaftlicher Mitarbeiter, M. Sc. Informatik) ZBW Leibniz-Informationszentrum Wirtschaft Workshop Computerunterstützte Inhaltserschließung
MehrMapping-Projekte & Computergestützte Sacherschließung ein Überblick
Mapping-Projekte & Computergestützte Sacherschließung ein Überblick SI & IT Workshop 2017 in Göttingen Uma Balakrishnan, Jana Agne Automatische Mappingprojekte Intellektuelle Mappingprojek te Mapping Projekte
MehrAutomatische Beschlagwortung mit dem Vokabular der Schlagwortnormdatei (SWD) und der Personennamendatei (PND) Erfahrungen aus dem DNB-Projekt PETRUS
Sandro Uhlmann Automatische Beschlagwortung mit dem Vokabular der Schlagwortnormdatei (SWD) und der Personennamendatei (PND) Erfahrungen aus dem DNB-Projekt PETRUS 1 Automatische Beschlagwortung mit dem
MehrErweitertes boolsches Retrieval
Erweitertes boolsches Retrieval In diesem Unterabschnitt werden andere Ansätze zur Verbesserung des boolschen Retrievals vorgestellt. Im Gegensatz zum Vektorraummodell wird bei diesen Ansätzen versucht,
MehrAbzählen und Konstruktion der Strukturisomere von Alkanen, Alkenen und Alkinen
Dokumentation zum Softwarepraktikum Abzählen und Konstruktion der Strukturisomere von Alkanen, Alkenen und Alkinen Bearbeitet von: Sabine Böhm Florian Häberlein Betreuer: Dr. Axel Kohnert Dipl.-math. Sascha
MehrDie Universitätsbibliothek Augsburg. Einführung Rechtswissenschaft
Die Universitätsbibliothek Augsburg Einführung Rechtswissenschaft Die Universitätsbibliothek aus der Vogelperspektive Zentralbibliothek Zentrale Information Leihstelle Mediothek Nachschlagewerke Zeitungen
MehrSoftware-Wartung eine Taxonomie
Software-Wartung eine Taxonomie Übersicht Warum wird eine Taxonomie der Software-Wartung benötigt? Definition der Software-Wartung Erläuterung verwandter Begriffe Arten und Aspekte der Software-Wartung
MehrBasiskurs für Citavi 6
Basiskurs für Citavi 6 Warum Citavi? Projektarbeit A Projektarbeit B Becker: Die Kunst des Professionellen Schreibens Becker: München. Die Kunst Hanser des Verlag Professionellen 2015 Schreibens Text Text
MehrMake your world simpler
Automatische Vervollständigung von Wikipedia-Listen Make your world simpler Universität Freiburg Lehrstuhl für Algorithmen und Datenstrukturen Universität Freiburg Simon Skilevic, Robin Schirrmeister 26.4.2012
MehrEinleitung Kappa F-Score Fazit. Softwarepraktikum. Evaluation. Franz Matthies
Evaluation Lehrstuhl für Computerlinguistik Institut für Germanistische Sprachwissenschaft Friedrich-Schiller-Universität Jena www.julielab.de Sommersemester 2016 Sitzung 2 Überblick 1 Motivation Definition
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 9. Vorlesung Peter Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Invertierte Listen Nutzung vor allem zur Textsuche
MehrWege zum neuen Layout des Wordpress Inspirata-Webportals
Wege zum neuen Layout des Wordpress Inspirata-Webportals Version vom 8. November 2012 1 Neues Design der Site Der Aufbau der Inspirata-Site folgt den klassischen Wordpress-Konzepten mit Kopfbereich, Menüleiste,
MehrUmfrage zur Basisklassifikation 2017
Umfrage zur Basisklassifikation 2017 R. Beckmann (Staatsbibliothek zu Berlin PK) U. Balakrishnan (Verbundzentrale des GBV (VZG)) J. Agne (Verbundzentrale des GBV (VZG)) 03.05.2017 Einleitung: Als Grundlage
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
MehrBoole'sches Modell <is web>
Boole'sches Modell basiert auf Mengentheorie und Boole'scher Algebra sehr einfaches Modell mit klarer Semantik Dokumente als Mengen von Indextermen Termgewichte sind binär: im Dokument enthalten oder nicht
MehrBasiskurs für Citavi 5
Basiskurs für Citavi 5 Citavi im Prozess der wissenschaftlichen Arbeit 2 Inhalte des Basis Kurses Suche nach Literatur Kataloge Datenbanken Picker Wissen organisieren Schlagwörter Gliederung Publikation
MehrPlatzhalter für Bild, Bild auf Titelfolie hinter das Logo einsetzen. Was enthält der Online-Katalog der UB Braunschweig?
Platzhalter für Bild, Bild auf Titelfolie hinter das Logo einsetzen Was enthält der Online-Katalog der UB Braunschweig? Ein Bibliothekskatalog weist den Bestand einer Bibliothek nach. Er beschreibt Medien
MehrSandro Pirkwieser, (Bin Hu, Jakob Puchinger) SS 2010
Lösungsverfahren für Ganzzahlige Optimierung Sandro Pirkwieser, (Bin Hu, Jakob Puchinger) Fortgeschrittene Algorithmen und Datenstrukturen Arbeitsbereich für Algorithmen und Datenstrukturen Institut für
MehrSpace Usage Rules. Neele Halbur, Helge Spieker InformatiCup 2015 19. März 2015
Space Usage Rules? InformatiCup 2015 1 Agenda 1. Vorstellung des Teams 2. Entwicklungsprozess und Umsetzung 3. Verbesserung der Strategien 4. Auswertung der Strategien 5. Ausblick 6. Fazit 2 Vorstellung
MehrDer OPAC des Bibliothekssystems der Universität Stuttgart auf Basis einer Lokalen Sicht des SWB-Katalogs
Der OPAC des Bibliothekssystems der Universität Stuttgart auf Basis einer Lokalen Sicht des SWB-Katalogs Von Gerhard Lehrmann (UB Stuttgart) 8. BSZ-Kolloquium am 04.10.2007 in Konstanz Gliederung 1. Warum
MehrBasiskurs für Citavi 6
Basiskurs für Citavi 6 Warum Citavi? Projektarbeit A Projektarbeit B Becker: Die Kunst des Professionellen Schreibens Becker: München. Die Kunst Hanser des Verlag Professionellen 2015 Schreibens Text Text
MehrAnwendung A_0801_Quantile_Minimum_Maximum
8. Lageparameter 63 8.3 Interaktive EXCEL-Anwendungen (CD-ROM) Anwendung A_080_Quantile_Minimum_Maimum Die Anwendung besteht aus einem Tabellenblatt Simulation : In der Simulation wird aus einer Urliste
MehrLeitfaden für den Import von Artikeln und Sicherheitsdatenblättern/Leistungserklärungen
Leitfaden für den Import von Artikeln und Sicherheitsdatenblättern/Leistungserklärungen Import von Artikeln Der Import von Artikeln erfolgt über den Import-Button in der oberen Toolbar. Seite 1 Nach Anklicken
MehrSoftwareprojektpraktikum Maschinelle Übersetzung
Softwareprojektpraktikum Maschinelle Übersetzung Jan-Thorsten Peter, Andreas Guta, Jan Rosendahl {peter,guta,rosendahl}@i6.informatik.rwth-aachen.de Vorbesprechung 4. Aufgabe 2. Juni 2017 Human Language
MehrMitarbeiterbestellungen
Mitarbeiterbestellungen 1 Mitarbeiterbestellungen über pcbis.de Nachfolgend möchten wir Ihnen das neu gestaltete Programm für den Mitarbeitereinkauf kurz vorstellen. Inhalt: 1. Schritt: Programm starten
MehrData Mining und Maschinelles Lernen Lösungsvorschlag für das 7. Übungsblatt
Data Mining und Maschinelles Lernen Lösungsvorschlag für das 7. Übungsblatt Knowledge Engineering Group Data Mining und Maschinelles Lernen Lösungsvorschlag 7. Übungsblatt 1 Aufgabe 1a) Auffüllen von Attributen
MehrSuchmaschinen und E-Commerce-Sites als Herausforderer der Bibliotheksangebote
Suchmaschinen und E-Commerce-Sites als Herausforderer der Bibliotheksangebote 94. Deutscher Bibliothekartag, Düsseldorf 2005 Dirk Lewandowski Heinrich-Heine-Universität Düsseldorf, Abt. Informationswissenschaft
MehrE-R-Modell zu Relationenschema
Raum: LF 230 Nächste Sitzung: 27./30. Oktober 2003 Aktuelle Informationen unter: http://www.is.informatik.uni-duisburg.de/teaching/lectures/dbp_ws03/index.html E-R-Modell zu Relationenschema Als zweiter
Mehr»Datentabellen mit dem SVERWEIS strukturieren«
EXCEL-TUTORIAL 2»Datentabellen mit dem SVERWEIS strukturieren«aufgabenstellung Tabellen strukturieren: Es liegen die Steuereinnahmen der Stadtstaaten nach Gruppierungsnummern vor und in einer zweiten Tabelle
MehrDie Tür zur EZB in meinem OPAC Ein neuer Service der VZG (Anm. 1)
Renate Berger (GBV Verbundzentrale) und Reiner Diedrichs (GBV Verbundzentrale) Die Tür zur EZB in meinem OPAC Ein neuer Service der VZG (Anm. 1) Die Zahl der GBV Bibliotheken, die Lizenzinformationen für
MehrNichtrealistische Darstellung von Gebirgen mit OpenGL
Nichtrealistische Darstellung von Gebirgen mit OpenGL Großer Beleg Torsten Keil Betreuer: Prof. Deussen Zielstellung Entwicklung eines Algorithmus, der die 3D- Daten einer Geometrie in eine nichtrealistische
MehrWissenschaftliches Arbeiten mit CITAVI
Wissenschaftliches Arbeiten mit CITAVI Referent: Thomas Triller 27.10.2017 2009 UNIVERSITÄT ROSTOCK UNIVERSITÄTSBIBLIOTHEK thomas.triller@uni-rostock.de 1 1. Installation und Campuslizenz 2. Import von
MehrGezielt Recherchieren durch Kataloganreicherung
Gezielt Recherchieren durch Kataloganreicherung Das HeBIS-Konzept, seine Realisierung und Ausblick 1 Gezielt Recherchieren durch Kataloganreicherung Was ist Kataloganreicherung? o Beispiele und Formen
MehrAutomatische Schlagwortvergabe aus der SWD für
Automatische Schlagwortvergabe aus der SWD für Repositorien Saarländische Universitäts- und (SULB) Dr. Christoph Rösener Institut der Gesellschaft zur Förderung der Angewandten Informationsforschung e.v.
MehrIm oberen Frame geben Sie Ihren Suchbegriff in das entsprechende Suchfeld ein.
Hilfethemen: Übersicht Thema 1: Oberfläche - Dreiteilung in Arbeitsbereiche Thema 2: Suchmodi Einfache Suche und Profisuche Thema 3: Suchfelder und Suchbegriffe Thema 4: Suchergebnis-Übersicht (Trefferliste)
MehrEin Tag sagt mehr als tausend Worte? Kreatives Potenzial und Neotags in Tagging-Systemen. Christof Niemann
Ein Tag sagt mehr als tausend Worte? Kreatives Potenzial und Neotags in Tagging-Systemen Christof Niemann Themen Wissensorganisation im Internet Intelligenz und Kreativität im Web 2.0 Tagging-Systeme als
MehrCase-Based Reasoning und anderen Inferenzmechanismen
Case-Based Reasoning und anderen Inferenzmechanismen Daniel Müller 21 April 2006 DM () CBR und Inferenz 21 April 2006 1 / 31 Contents 1 Einleitung 2 Inferenzmechanismen Statistische Verfahren Data Mining
MehrAkademisches Lehrmaterial online
Akademisches Lehrmaterial online Christian Weber cweber@akleon.de Entstanden im Rahmen des DFN-Projekts META-AKAD gefördert mit Mitteln des BMBF Mitwirkende an der TU Kaiserslautern Universitätsbibliothek
MehrUE Algorithmen und Datenstrukturen 1 UE Praktische Informatik 1. Übung 2. Spezifikation Schrittweise Verfeinerung
UE Algorithmen und Datenstrukturen 1 UE Praktische Informatik 1 Übung 2 Spezifikation Schrittweise Verfeinerung Institut für Pervasive Computing Johannes Kepler Universität Linz Altenberger Straße 69,
MehrWas bisher geschah. Klassifikation: Zuordnung Merkmal (Symptom) Lösung (Diagnose)
Was bisher geschah Klassifikation: Zuordnung Merkmal (Symptom) Lösung (Diagnose) M Menge aller Merkmale L Menge aller Lösungen Zuordnung als Relation R M L Zuordnung als Funktion f : M L {0, 1} (charakteristische
MehrDr. Barbara Block (VZG) und Volker Conradt (BSZ)
E-Book-Pool und EBM-Tool - Komponenten in einem ERM-System für die Bereitstellung von E-Book-Metadaten und E-Book- Lizenznachweisen. Aktueller Stand eines Kooperationsprojektes von BSZ und VZG (GBV) Dr.
MehrMultimedia-Datenbanken im SS 2010 Einführung in MMDB
Multimedia-Datenbanken im SS 2010 Einführung in MMDB Dr.-Ing. Marcin Grzegorzek 27.04.2010 Ähnlichkeitssuche in Multimedia-Datenbanken 2/ 28 Inhalte und Termine 1. Einführung in MMDB 1.1 Grundlegende Begriffe
Mehrmitp/die kleinen Schwarzen Scrivener Texte professionell konzipieren, schreiben und veröffentlichen Bearbeitet von Stephan Lamprecht
mitp/die kleinen Schwarzen Scrivener Texte professionell konzipieren, schreiben und veröffentlichen Bearbeitet von Stephan Lamprecht 1. Auflage 2013. Taschenbuch. 240 S. Paperback ISBN 978 3 8266 9497
MehrInformationsverbund Deutschschweiz IDS Kommission Formalkatalogisierung / Gemeinsames Format. Arbeitshilfe: Fremddatenübernahme
Informationsverbund Deutschschweiz IDS Kommission Formalkatalogisierung / Gemeinsames Format Version 1.2 28.10.2015 Arbeitshilfe: Fremddatenübernahme Fremddatenübernahme Die Arbeitshilfe zur Fremddatenübernahme
MehrSupervised Learning Algorithmus für Stellenanzeigenklassifikation und Jobdeskriptoren Gewinnung
Informatik Pawel Broda Supervised Learning Algorithmus für Stellenanzeigenklassifikation und Jobdeskriptoren Gewinnung Diplomarbeit Ludwig Maximilian Universität zu München Centrum für Informations- und
MehrStandard für Geodienste
WMS-Applikations-Profil Sachsen Standard für Geodienste Projektgruppe/Teilprojekt: Version verantwortlich / Tilo Auräth 1.0 Telefonnummer 0351/ 564-1426 E-Mail tilo.auraeth@dd.sk.sachsen.de Beginn QS-Verfahren:
MehrFreie Suche: Den Suchvorgang starten Sie, indem Sie entweder Enter drücken oder auf den Button Suchen klicken.
Freie Suche: Geben Sie in das Feld Freie Suche die Begriffe ein, nach denen Sie suchen möchten. Das können thematische Begriffe, aber auch Autorennamen oder Wörter aus dem Titel sein (oder Kombinationen
MehrVerfahren für die Dublettenzusammenführung bei der Einspielung von Daten in den B3Kat (Match&Merge-Verfahren) Stand:
Verfahren für die Dublettenzusammenführung bei der Einspielung von Daten in den B3Kat (Match&Merge-Verfahren) Stand: 11.09.2017 Im Folgenden werden die wesentlichen Schritte des Verfahrens zur Dublettenzusammenführung
MehrBeschreibung der Fähigkeitsniveaus Mathematik VERA 2009
Beschreibung der Fähigkeitsniveaus Mathematik Beschreibung der Fähigkeitsniveaus Mathematik VERA 2009 Projekt VERA Universität Koblenz-Landau Campus Landau, FB Psychologie Telefon (063 41) 280-118 / -119
MehrBibliothekskataloge
Bibliothekskataloge Was sind Bibliothekskataloge, was kann man in ihnen finden? Bibliothekskatalog Verbundkatalog Katalogangaben lesen und verstehen Tipps zur Recherche Hausaufgabe! Was sind Kataloge?
MehrPETRUS Szenario 1 Automatische Sachgruppenvergabe
PETRUS Szenario 1 Automatische Sachgruppenvergabe Elisabeth Mödden 1 Automatische Sachgruppenvergabe 1. DDC-Sachgruppen 2. Automatische Sachgruppenvergabe 3. Tests und Ergebnisse 4. Geschäftsprozesse und
MehrAnkreuzen oder Ausformulieren? Unterschiedliche Leseverständnisaufgaben im Vergleich
www.ifs.tu-dortmund.de Office.mcelvany@fk12.tu-dortmund.de Ankreuzen oder Ausformulieren? Unterschiedliche Leseverständnisaufgaben im Vergleich Hintergrund Lesekompetenzen von Schülerinnen und Schülern
MehrHS: Angewandte Linguistische Datenverarbeitung Prof. Dr. Rolshoven Universität zu Köln. Edit distance. Referentinnen: Alena Geduldig, Kim Opgenoorth
HS: Angewandte Linguistische Datenverarbeitung Prof. Dr. Rolshoven Universität zu Köln Edit distance Referentinnen: Alena Geduldig, Kim Opgenoorth inexact matching Problem Erkenne, finde und toleriere
MehrFallbasierte Bewertung von Internet-Domainnamen. Von Sebastian Dieterle
Fallbasierte Bewertung von Internet-Domainnamen Von Sebastian Dieterle Einleitung Einleitung Grundlagen Ansatz Evaluierung Schlussfolgerungen 2 Entstehung eines interdisziplinären Ansatzes 2002-: Unternehmensgründung
MehrRVK-Umstieg an der Württembergischen Landesbibliothek
RVK-Umstieg an der Württembergischen Landesbibliothek ein Werkstattbericht RVK-Anwendertreffen Regensburg, 25.10.2016 Katja Selmikeit Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung
Mehr3.3 Nächste-Nachbarn-Klassifikatoren
3.3 Nächste-Nachbarn-Klassifikatoren Schrauben Nägel Klammern Neues Objekt Instanzbasiertes Lernen (instance based learning) Einfachster Nächste-Nachbar-Klassifikator: Zuordnung zu der Klasse des nächsten
MehrMustererkennung. Übersicht. Unüberwachtes Lernen. (Un-) Überwachtes Lernen Clustering im Allgemeinen k-means-verfahren Gaussian-Mixture Modelle
Mustererkennung Unüberwachtes Lernen R. Neubecker, WS 01 / 01 Übersicht (Un-) Überwachtes Lernen Clustering im Allgemeinen k-means-verfahren 1 Lernen Überwachtes Lernen Zum Training des Klassifikators
MehrDas Land (oder die Länder), Regionen und Kontinente über dessen/deren Bildungswesen die Webseite informiert.
Eingabeanleitung BISY Massar, 28.01.2010 Sammelprofil Als Gegenstück zum Deutschen Bildungsserver werden in BISY Informationen zu den Bildungssystemen aller Länder außerhalb Deutschland gesammelt sowie
Mehr