Ausarbeitung Twitter as a Corpus for Sentiment Analysis and Opinion Mining
|
|
- Alwin Berger
- vor 8 Jahren
- Abrufe
Transkript
1 Ausarbeitung Twitter as a Corpus for Sentiment Analysis and Opinion Mining Wissenschaftliches Arbeiten (2014) Aufgabe 5 Kai Kühne Beuth Hochschule für Technik Berlin Fachbereich VI Informatik und Medien Berlin, 14. Juni 2014
2 Zusammenfassung. Das vorliegende Dokument beschreibt zunächst die fachlichen Grundlagen, die für das weitere Verständis der zugrundeliegenden Arbeit nötig sind, dort aber entweder kaum oder gar keine Erwähnung fanden. Nach der Erläuterung der Grundlagen folgt eine inhaltliche Zusammenfassung des Textes inklusive Fazit der ursprünglichen Autoren. Das Dokument endet mit einer eigenen Bewertung sowie einem Vergleich mit alternativen Arbeiten. 2
3 1 Fachlicher Hintergrund Die Sentimentanalyse vereint Konzepte aus den Bereichen der Computerlinguistik und des Maschinellen Lernens, um aus Texten ein Stimmungsbild zu extrahieren. In diesem Abschnitt werden die theoretischen Grundlagen der zugrundliegenden Arbeit beschrieben. 1.1 Erstellung eines Klassifikators Das in der Arbeit angewandte Verfahren zur Erstellung eines Klassifikators wird als Überwachtes Lernen bezeichnet. Abbildung 1 veranschaulicht den Vorgang des Überwachten Lernens, der aus zwei Phasen besteht. In Phase 1 wird zunächst durch Training ein Wahrscheinlichkeitsmodell erzeugt. Um ein Wahrscheinlichkeitsmodell trainieren zu können, ist ein im Vorfeld markierter Korpus erforderlich. Ein Korpus ist eine Sammlung von Texten. Bei der Sentimentanalyse üblich sind drei verschiedene Korpora: 1. Ein Korpus, der inhaltlich positive Texte enthält, 2. Ein Korpus, der inhaltlich negative Texte enhtält, 3. Ein Korpus, der inhaltlich objektive Texte enthält. Die Daten in den verschiedenen Korpora werden anschießend aufbereitet und durch verschiedene Verfahren in sogenannte Eigenschaften umgewandelt. Die Eigenschaften werden im nächsten Schritt durch ein Klassifikationsalgorithmus in ein Wahrscheinlichkeitsmodell überführt. In Phase 2 wird das fertige Wahrscheinlichkeitsmodell dazu verwendet die Klasse eines bisher unbekannten Textes zu bestimmen. Da es sich um ein Wahrscheinlichkeitsmodell handelt, ist es durchaus möglich, dass das Ergebnis nicht korrekt ist. Je höher die Klassifikationsgenauigkeit des Modells, desto wahrscheinlicher ist es, dass das Ergebnis korrekt ist. Automatische Erstellung der Korpora Große Korpora mit vielen Texten funktionieren besser als jene mit wenigen Texten (vgl. [Manning1999], S. 587). Ein Problem bei der Erstellung eines Klassifikationssystems ist die Erstellung der markierten Korpora, da die Texte im Korpus manuell analysiert und einer Klasse (positiv, negativ, neutral) zugeordnet werden müssen. Da dieser Vorgang manuell durchgeführt werden muss und deshalb sehr aufwändig ist, ist es sehr sinnvoll die Erstellung des Korpus zu automatisieren. Dabei greift man während der Zusammenstellung der Korpora auf Metadaten und andere Informationen zurück, durch diese die entsprechende Klasse abgeleitet werden kann. Die Autoren beschreiben in ihrer Arbeit eine Methode zur automatischen Erstellung der Korpora durch eine Websuche nach bestimmten Schlüsselworten, wodurch sich die Ergebnisse eindeutig einer bestimmten Klasse zuordnen lassen. Siehe Abschnitt
4 TRAINING Klassifizierter Korpus Datenaufbereitung und Auswahl der Eigenschaften Eigenschaften Klassifikationsalgorithmus PROGNOSE Text Wahrscheinlichkeitsmodell Wahrscheinliche Klasse Abb. 1. Der Prozess des Überwachten Lernens. Datenaufbereitung Die Aufbereitung der Daten im Korpus hat meist eine Normalisierung der Daten zum Ziel. Dabei werden Informationen entfernt, die für die Klassifikation unbrauchbar sind oder die Klassifikationsgenauigkeit verringern. Auswahl von Eigenschaften Während der Erstellung eines Klassifikationsmodells werden für jeden Text im Korpus jene Eigenschaften ausgewählt, die dem Klassifikationsalgorithmus als Eingabe dienen. Die Auswahl der Eigenschaften ist essentiell, soll ein gutes Klassifikationsmodell erzeugt werden. Eine Eigenschaft (oder engl. Feature) ist ein Merkmal bzw. ein Bestandteil eines Textes - dies kann ein Wort aus einem Satz oder die Anzahl der Satzzeichen in einem Text sein. Meist werden für einen Text mehrere Eigenschaften erzeugt. N-Gramme N-Gramme werden oft als Eigenschaften verwendet und sind das Ergebnis einer Zerlegung eines Textes in seine Einzelteile. N-Gramme werden durch ihre Ordnung/Typ unterschieden. N-Gramme erster Ordnung werden als Unigramme bezeichnet und sind einfache ganze Wörter. Bigramme sind zwei zusammenhänge Wörter wie schönes Wetter, Trigramme bestehen aus drei Wörtern, z. B. das ist schön. Klassifikationsalgorithmen Ein Klassifikationsalgorithmus berechnet auf Basis der zugrunde gelegten Eigenschaften ein Klassifikationsmodell. Ein bekannter und oft in diesem Umfeld verwendeter Algorithmus ist der Bayes-Algorithmus, der z.b. oft in Spamfiltern Verwendung findet. Der Algorithmus wird oft für die Sentimentanalyse verwendet, da er relativ trivial ist und eine vergleichbare oder sogar höhere Klassifikationsgenauigkeit als andere Algorithmen erzielt (vgl. [Go2009], [Parikh2009]). Weniger verbreitet sind die Maximum-Entropie- Klassifikation und die Support-Vektor-Maschine. 4
5 1.2 Evaluation Um die Qualität eines Klassifikationssystems zu bestimmen, muss dieses getestet werden. Dazu wird das fertige Klassifikationssystem genutzt um mit diesem neue, dem System bisher unbekannte klassifizierte Texte, zu klassifizieren. Stimmt die vom System prognostizierte Klasse mit der bekannten Klasse überein, wurde das Objekt korrekt klassifiziert. Die Abbildung 2 veranschaulicht den Vorgang der Evaluation. Klassifizierter Test-Korpus Klassifizierter Text Text Bekannte Klassifizierung Klassifikationssystem Wahrscheinliche Klassifizierung Abb. 2. Evaluation des Klassifikationssystems. Diese Metrik wird Genauigkeit genannt. Die Genauigkeit des Klassifikationssystems ist von allen Schritten abhängig, die zur Erstellung des Systems durchgeführt worden sind. Erstellung der Korpora Datenaufbereitung Auswahl der Eigenschaften Auswahl des Klassifikationsalgorithmus Um die Genaugikeit zu erhöhen, muss jeder Teilschritt analysiert und ein Verbesserungspotential herausgearbeitet werden. Es ist z.b. möglich, dass die Genauigkeit erhöht werden kann, wenn die Daten anders aufbereitet werden oder ein anderer Klassifikationsalgorithmus verwendet wird. Die beste Kombination zu finden ist eine der großen Herausforderungen bei der Entwicklung eines Klassifikationssystems. Metriken Für die Evaluation sind diverse Metriken definiert worden, die Rückschlüsse auf die Qualität liefern. Genauigkeit Gibt an, wie viele der klassifizierten Daten korrekt klassifiziert worden sind. Sie ist beschrieben worden von [Manning1999] und lautet: Genauigkeit = N(Korrekte Klassifikationen)) N(Alle Klassif ikationen) (1) 5
6 Entscheidung Gibt an, welcher Teil der Daten vom System klassifiziert worden ist. Die Metrik wurde beschrieben von [Adda1998] und lautet: Entscheidung = N(Bezogene Dokumente)) N(Alle Dokumente) (2) 2 Zusammenfassung der Arbeit Microbloggingdienste sind heutzutage sehr populär und beliebt und verfügen über eine sehr große Nutzerbasis. Es findet ein reger Austausch statt Anwender äußern Ihre Meinung zu verschiedensten Themen und Produkten. Durch die intensive Nutzung und der großen Anwenderzahl sind Dienste wie Twitter ein attraktives Ziel für die Sentimentanalyse um Stimmungsbilder zu verschienden Themen aus dem System zu extrahieren und neues Wissen zu generieren. Im Verlauf der Arbeit wird die Sentimentanalyse auf Twitter-Nachrichten angewendet um die Effektivität zu untersuchen. Die gesammelten Twitter-Nachrichten werden einer linguistischen Analyse unterzogen und anschließend genutzt um einen Klassifikator zu erzeugen, mit dessen Hilfe Twitter-Nachrichten als positiv, negativ und objektiv erkannt werden können. 2.1 Vergleichbare Arbeiten Einen Überblick über Verfahren und Techniken haben [Pang2008] gegeben, allerdings waren dort Microblogging-Dienste nicht das Ziel der Sentimentanalyse. Emoticons als Merkmal für das Sentiment zu nutzen, wurde erstmal von [Read2005] vorgestellt. Der erstellte Korpus wurde dabei in positive und negative Texte aufgeteilt und diente als Basis für eine Klassifikation mit Hilfe von Bayes und einer Support-Vektor-Maschine, mit denen jeweils eine Klassifikationsgenauigkeit von ungefähr 70 % erreicht werden konnte. [Go2009] haben das Verfahren von [Read2005] auf Twitter angewendet, um ihren Korpus zu erzeugen. Vergleicht wurden diverse Klassifikationsalgorithmen, wobei der Bayes-Algorithmus mit 81 % Genauigkeit das beste Ergebnis erzielte. Das Klassifikationssystem ist allerdings nur binär, kann also nur zwischen zwei Klassen (positiv und negativ) unterscheiden. Die Klassifikationsgenauigkeit des Systems sinkt deutlich, wenn mehrere Klassen zu unterscheiden waren (positiv, negativ, neutral). 2.2 Erzeugung eines Korpus Der Korpus besteht aus Texten positiven, negativen und objektiven Inhalts und wird automatisiert durch eine Software erzeugt, in dem Nachrichten über eine Programmierschnittstelle direkt von Twitter bezogen werden. Diese Methode wurde erstmals von [Read2005] beschrieben. Dazu wird die Twitter-API verwendet um mehrere Suchanfragen nach verschiedenen ASCII-Emoticons abzusetzen. Die resultierenden Twitter-Nachrichten werden dann dem jeweiligen Korpus zugeteilt. Für positive Texte werden folgende Emoticons verwendet (Auswahl): 6
7 :-) :) =) :D Folgende Emoticons werden gesucht, um negative Twitter-Nachrichten zu finden (Auswahl): :-( :( =( ;( Objektive Nachrichten werden ebenfalls direkt von Twitter bezogen, in dem die Twitter-Nachrichten von diversen Nachrichten-Accounts (z.b. von der New York Times ) heruntergeladen werden. Insgesamt werden Nachrichten von 44 Accounts bezogen. Nachrichten von diesen Accounts werden als objektiv betrachtet. Es findet keine weitere Filterung oder Objektivitätsprüfung statt. Die resultierenden Twitter-Nachrichten werden, je nach Kategorie (positive, negativ, objektiv), in einem Korpus zusammengefasst. Es wird davon ausgegangen, dass ein einziger Emoticon die Empfindung einer Twitter-Nachricht repräsentiert und alle Wörter des Satzes mit diesem Emoticon inhaltlich in Verbindung stehen. Es werden nur englischsprachige Nachrichten verarbeitet. 2.3 Korpusanalyse Der erzeugte Korpus wird analysiert, um herauszufinden, ob dieser als Basis für die spätere Erstellung eines Klassifikators geeignet ist. Dazu wird zunächst eine Häufigkeitsverteilung der Wörter innerhalb des Korpus berechnet. Die Abbildung 3 zeigt eine Kompabilität mit dem Zipfschen Gesetz, in folge dessen man von einem Korpus sprechen kann, der die korrekten Eigenschaften aufweist. Anschließend wird der Korpus mit Hilfe eines Part-of-speech-Tagging-Programms markiert um herauszufinden, welche Satzbausteine starke (bzw. schwache) Indikatoren für subjektive bzw. objektive und positive bzw. negative Texte sein können. Die Abbildung 4 zeigt das Ergebnis des Tagging-Vorgangs zur erste Untersuchung für subjektive und objektive Texte und Abbildung 5 veranschaulicht die Verteilung der POS-Tags für positive und negative Texte. Das POS-Tagging hat ergeben, dass insbesondere imperative Satzelemente auf einen subjektiven Text hinweisen. Dies trifft beispielsweise auf die meisten Sätze zu, die mit einem Ausrufezeichen enden. Weitere Bausteine, die auf einen subjektiven Text hinweisen, sind Personalpronomen. 7
8 Abb. 3. Die Worthäufigkeitsverteilung entspricht den Voraussagen des Zipfschen Gesetzes. Abb. 4. POS-Tagging. Links: Indikatoren für objektive Texte. Rechts: Indikatoren für subjektive Texte. Vgl. Figure 2, S Objektive Texte enthalten sehr oft Eigennamen bzw. Substantive. Das POS- Tagging liefert weiter Hinweise darüber, ob ein subjektiver Text inhaltlich eher positiv oder negativ ist. So enthalten viele positiv geschriebene Texte Superlativadverbien wie meistens oder beste. Anders als positive Text enthalten negative Texte oft Verben in der Vergangenheitsform. 8
9 Abb. 5. POS-Tagging. Links: Indikatoren für positive Texte. Rechts: Indikatoren für negative Texte. Vgl. Figure 3, S Das POS-Tagging wurde über mehrere Teilmengen des Korpus angewendet, mit einer resultierenden ähnlichen Verteilung der Tags. Dies lässt auf einen homogenen Korpus schließen. 2.4 Erstellung des Klassifikators Der Klassifikator wird mit der Methode des Überwachten Lernens erzeugt. Dazu werden die Korpus-Daten zunächst aufbereitet und geeignete Eigenschaften definiert, die als Eingabedaten für den Klassifikationsalgorithmus dienen. Der Klassifikationsalgorithmus wurde vorher ausgewählt. Aufbereitung der Daten im Korpus Die gesammelten Korpora bestehen jeweils aus einer Menge von Twitter-Nachrichten. Um die Erstellung des Korpus zu vereinfachen, wurden die Daten vorher aufbereitet. Die Aufbereitung umfasst die folgenden Schritte: 1. Löschen von URLs und Benutzernamen (beginnen 2. Löschen von Artikeln ( a, an, the,...). Auswahl von geeigneten Eigenschaften Pang et. al haben gezeigt, dass die Existenz eines N-Gramms in einem Text eine geeignetere Eigenschaft ist als die Häufigkeit eines N-Gramms, wenn das Sentiment eines Textes bestimmt werden soll. Dies läge daran, dass die Wiederholung eines bestimmten Schlüsselwortes keine Hinweise auf ein bestimmtes Sentiment gibt (vgl. [Pang2002]). Demzufolge soll die N-Gramm-Existenz als Eigenschaft verwendet werden. Pang et. al berichten, dass die Verwendung von Unigrammen bei der Sentimentanalyse von Filmbewertungen bessere Ergebnisse liefert als die Verwendung mit Bigrammen. Dave et. al berichten das Gegenteil. Sie zeigen, dass Bigramme und Trigramme für Produktbewertungen zu besseren Ergebnissen führen (vgl. [Dave2003]). 9
10 Unigramme sollten die zugrundeliegenden Daten am Besten abbilden, wohingegen Trigramme das Sentiment am Besten abbilden müssten. Welche Ausprägung von N-Grammen die besten Ergebnisse liefert, soll evaluiert werden, da bisher keine einheitlichen Ergebnisse vorliegen. Untersucht werden Unigramme, Bigramme und Trigramme. Auswahl des besten Algorithmus Als Klassifikationsalgorithmus wird Bayes verwendet, da mit diesem Algorithmus bessere Ergebnisse erzielt worden sind als mit einer Support Vector Maschine. 2.5 Evaluation des erzeugten Klassifikators Der erzeugte Klassifikator wurde mit echten, manuell markierten, Twitter-Nachrichten getestet. Der Testkorpus enthältet insgesamt 216 Twitter-Nachrichten und wurde von Go et al. übernommen (vgl. [Go2009]). Siehe Tabelle 1. Sentiment Anzahl Twitter-Nachrichten Positiv 108 Negativ 75 Neutral 33 Summe 216 Tabelle 1. Verwendeter Testkorpus für die Evaluation. Vgl. Table 3, S Untersucht wird die Genauigkeit des Klassifikators in Abhängigkeit vom verwendeten N-Gramm-Typ und von der Größe des verwendeten Korpus. Ergebnisse Die Untersuchung der Genauigkeit in Abhängigkeit vom N-Gramm- Typs hat ergeben, dass Bigramme die höchste Genauigkeit erreichen (vgl. Abbildung 6). Bigramme liefern wahrscheinlich das beste Ergebnis, weil sie ein Kompromiss zwischen Datenabdeckung (Unigramme) und Sentimentabdeckung (Trigramme) darstellen. Anders als von [Manning1999] beschrieben, wird das Ergebnis nicht auf Basis der Genauigkeit und Vollständig berechnet, sondern auf der Genaugikeit und der Entscheidung, da es sich bei der Untersuchung nicht um eine Binärklassifikation handelt. Der verwendete Klassifikator unterscheidet zwischen den drei Klassen positiv, negativ und neutral. Die modifizierte Formel lautet (vgl. Formel 16, S. 1326; β = 0.5): F = (1 + β 2 Genauigkeit Entscheidung ) β 2 Genauigkeit + Entscheidung (3) Das Ergebnis der F-Score-Untersuchung ist in Abbildung 7 dargestellt. Sie zeigt, dass eine Vergrößerung des Korpus (also mehr Twitter-Nachrichten) zu 10
11 Abb. 6. Klassifikationsgenauigkeit in Abhängigkeit vom N-Gramm-Typ. Vgl. Figure 4, S einer Erhöhung der Klassifikationsgenauigkeit führt jedoch nur bis zu einem bestimmten Punkt. Nach einer bestimmmten Körpusgröße findet keine Verbesserung mehr statt. 2.6 Fazit Im Verlauf dieser Arbeit wurde gezeigt, wie ein Korpus automatisch erstellt und zum Training eines Klassifikators genutzt werden kann. Mit Hilfe des POS- Tagging-Programms TreeTagger wurde festgestellt, dass gewisse Satzbausteine gute Hinweise auf das Sentiment eines Textes sein können. Die Arbeit beschreibt, wie ein Klassifikator durch Training erstellt wird. Das Ergebnis ist ein System, dass herausfinden kann, ob ein Text postive, negative oder gar keine Stimmung enthält, also ein objektiver Text ist. Das System basiert auf dem Bayes-Algorithmus und nutzt N-Gramme und POS-Tags als Eigenschaften für das Training. Das System funktioniert aktuell nur mit englischen Texten. Zukünftig soll ein System entwickelt werden, das Twitter-Nachrichten in verschiedenen Sprachen nutzt und klassifizieren kann. 3 Bewertung & Vergleich Die Autoren sind systematisch und analytisch vorgegangen und haben größtenteils etablierte Verfahren genutzt um ein System für die Sentimentanalyse zu erstellen. Der Korpus wurde automatisch erzeugt und kann so beliebig in 11
12 Abb. 7. Klassifikationsgenauigkeit in Abhängigkeit von der Korpusgröße. Vgl. Figure 6, S der Größe variiert werden. Dieser Aspekt ist sehr wichtig, da ein großer Korpus die Voraussetzung für ein gutes Ergebnis ist. Problematisch ist die Annahme der Autoren, dass ein einzelnes Emoticon die Stimmung für eine gesamte Twitter-Nachricht repräsentieren soll. Twitter-Nachrichten, mit verschiedenen Emotions, die gegensätzliche Stimmungen ausdrücken, werden nicht herausfiltert. Nach der Erzeugung des Korpus wurde dieser analysiert um festzustellen, ob die Daten überhaupt sinnvoll genutzt werden können. Diese Analyse fehlt in vergleichbaren Arbeiten. Als Klassifikationsalgorithmus haben sich die Autoren für den Bayes-Algorithmus entschieden, da sie mit diesem bessere Ergebnisse erzielten als mit der Support-Vektor-Maschine. Nicht getestet wurde die Maximum-Entropie-Klassifikation, die durchaus vergleichbare Ergebnisse erzielen kann. Die Evaluation des Klassifikationssystems haben die Autoren systematisch durchgeführt und nachvollziehbar präsentiert. Für die Evaluation wurde ein Testkorpus verwendet, der manuell erzeugt wurde und daher lediglich 216 Twitter-Nachrichten enthält. Besser wäre hier sicherlich die Durchführung einer Kreuzvalidierung gewesen, wie sie z. B. von [Pang2002] durchgeführt wurde. Der Vorteil der Kreuzvalidierung ist, dass dazu keine neuen Daten gesammelt werden müssen, sondern der bereits vorhandene Korpus für die Evaluation zu Grunde gelegt wird. Das Verfahren kann automatisiert durchgeführt werden und liefert verlässliche Zahlen. Das von den Autoren erstelle System verfügt über eine Klassifikationsgenauigkeit von 73 %. Ein sehr gutes Ergebnis für ein System, das mehr als zwei Klassen unterscheiden kann. 12
13 4 Literaturverzeichnis Adda1998. G. Adda, J. Mariani, J. Lecomte, P. Paroubek, and M. Rajman The GRACE French part-of-speech tagging evaluation task. In A. Rubio, N. Gallardo, R. Castro, and A. Tejada, editors, LREC, volume I, pages , Granada, May. Dave2003. Kushal Dave, Steve Lawrence, and David M. Pennock Mining the peanut gallery: opinion extraction and semantic classification of product reviews. In WWW 03: Proceedings of the 12th international conference on World Wide Web, pages , New York, NY, USA. ACM. Go2009. Alec Go, Lei Huang, and Richa Bhayani Twitter sentiment analysis. Final Projects from CS224N for Spring 2008/2009 at The Stanford Natural Language Processing Group. Manning1999. Christopher D. Manning and Hinrich Schütze Foundations of statistical natural language processing. MIT Press, Cambridge, MA, USA. Pang2002. Bo Pang, Lillian Lee, and Shivakumar Vaithyanathan Thumbs up? sentiment classification using machine learning techniques. In Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP), pages Pang2008. Bo Pang and Lillian Lee Opinion mining and sentiment analysis. Found. Trends Inf. Retr., 2(1-2): Parikh2009. Ravi Parikh and Matin Movassate Sentiment Analysis of User- Generated Twitter Updates using Various Classification Techniques. In: Most (2009), S Read2005. Jonathon Read Using emoticons to reduce dependency in machine learning techniques for sentiment classification. In ACL. The Association for Computer Linguistics. 13
EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN
EXTRAKTION UND KLASSIFIKATION VON BEWERTETEN PRODUKTFEATURES AUF WEBSEITEN T-SYSTEMS MULTIMEDIA SOLUTIONS GMBH, 16. FEBRUAR 2012 1. Schlüsselworte Semantic Web, Opinion Mining, Sentiment Analysis, Stimmungsanalyse,
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
Mehr1 Part-of-Speech Tagging
2. Übung zur Vorlesung NLP Analyse des Wissensrohstoes Text im Sommersemester 2008 Dr. Andreas Hotho, Dipl.-Inform. Dominik Benz, Wi.-Inf. Beate Krause 28. Mai 2008 1 Part-of-Speech Tagging 1.1 Grundlagen
MehrSentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser
Sentiment Analysis (SA) Robert Bärhold & Mario Sänger Text Analytics WS 2012/13 Prof. Leser Gliederung Einleitung Problemstellungen Ansätze & Herangehensweisen Anwendungsbeispiele Zusammenfassung 2 Gliederung
MehrPart-of-Speech- Tagging
Part-of-Speech- Tagging In: Einführung in die Computerlinguistik Institut für Computerlinguistik Heinrich-Heine-Universität Düsseldorf WS 2004/05 Dozentin: Wiebke Petersen Tagging Was ist das? Tag (engl.):
MehrElexis-BlueEvidence-Connector
Elexis-BlueEvidence-Connector Gerry Weirich 26. Oktober 2012 1 Einführung Dieses Plugin dient dazu, den Status Hausarztpatient zwischen der BlueEvidence- Anwendung und Elexis abzugleichen. Das Plugin markiert
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrKapiteltests zum Leitprogramm Binäre Suchbäume
Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm
MehrProzessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements. von Stephanie Wilke am 14.08.08
Prozessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements von Stephanie Wilke am 14.08.08 Überblick Einleitung Was ist ITIL? Gegenüberstellung der Prozesse Neuer
MehrPK-Website: Besuche & Seitenaufrufe 2010 und 2011
Abb. 2011-4/278 (Ausschnitt) PK-Website: Besuche & Seitenaufrufe bis 31. Dezember 2011, 248.993 Besuche, 425.183 Seitenaufrufe SG Dezember 2011 / Januar 2012 PK-Website: Besuche & Seitenaufrufe 2010 und
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrIm Folgenden wird Ihnen an einem Beispiel erklärt, wie Sie Excel-Anlagen und Excel-Vorlagen erstellen können.
Excel-Schnittstelle Im Folgenden wird Ihnen an einem Beispiel erklärt, wie Sie Excel-Anlagen und Excel-Vorlagen erstellen können. Voraussetzung: Microsoft Office Excel ab Version 2000 Zum verwendeten Beispiel:
MehrErfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.
Abstract zum Thema Handelssysteme Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.01 Einleitung: Handelssysteme
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrSpeicher in der Cloud
Speicher in der Cloud Kostenbremse, Sicherheitsrisiko oder Basis für die unternehmensweite Kollaboration? von Cornelius Höchel-Winter 2013 ComConsult Research GmbH, Aachen 3 SYNCHRONISATION TEUFELSZEUG
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrAbamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER
Abamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER Abamsoft Finos in Verbindung mit der Webshopanbindung wurde speziell auf die Shop-Software shop to date von DATA BECKER abgestimmt. Mit
MehrBedienungsanleitung. Matthias Haasler. Version 0.4. für die Arbeit mit der Gemeinde-Homepage der Paulus-Kirchengemeinde Tempelhof
Bedienungsanleitung für die Arbeit mit der Gemeinde-Homepage der Paulus-Kirchengemeinde Tempelhof Matthias Haasler Version 0.4 Webadministrator, email: webadmin@rundkirche.de Inhaltsverzeichnis 1 Einführung
MehrEinen Wiederherstellungspunktes erstellen & Rechner mit Hilfe eines Wiederherstellungspunktes zu einem früheren Zeitpunkt wieder herstellen
Einen Wiederherstellungspunktes erstellen & Rechner mit Hilfe eines Wiederherstellungspunktes zu einem früheren Zeitpunkt wieder herstellen 1 Hier einige Links zu Dokumentationen im WEB Windows XP: http://www.verbraucher-sicher-online.de/node/18
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
MehrAZK 1- Freistil. Der Dialog "Arbeitszeitkonten" Grundsätzliches zum Dialog "Arbeitszeitkonten"
AZK 1- Freistil Nur bei Bedarf werden dafür gekennzeichnete Lohnbestandteile (Stundenzahl und Stundensatz) zwischen dem aktuellen Bruttolohnjournal und dem AZK ausgetauscht. Das Ansparen und das Auszahlen
MehrSharePoint-Migration.docx
SharePoint Migration Dokumenten-Name SharePoint-Migration.docx Version/Datum: Version 1.0, 07.04.2014 Klassifizierung Ersteller Für green.ch AG Kunden Stephan Ryser Seite 1/6 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis...
MehrBeschreibung des MAP-Tools
1. Funktionen des MAP-Tool 2. Aufbau des MAP-Tools 3. Arbeiten mit dem MAP-Tool Beschreibung MAP-Tool.doc Erstellt von Thomas Paral 1 Funktionen des MAP-Tool Die Hauptfunktion des MAP-Tools besteht darin,
MehrAUTOMATISCHE E-MAIL-ARCHIVIERUNG. 10/07/28 BMD Systemhaus GmbH, Steyr Vervielfältigung bedarf der ausdrücklichen Genehmigung durch BMD!
AUTOMATISCHE E-MAIL-ARCHIVIERUNG 10/07/28 BMD Systemhaus GmbH, Steyr Vervielfältigung bedarf der ausdrücklichen Genehmigung durch BMD! INHALT AUTOMATISCHE E-MAIL-ARCHIVIERUNG... 4 Eingehende E-Mails können
MehrDiese Ansicht erhalten Sie nach der erfolgreichen Anmeldung bei Wordpress.
Anmeldung http://www.ihredomain.de/wp-admin Dashboard Diese Ansicht erhalten Sie nach der erfolgreichen Anmeldung bei Wordpress. Das Dashboard gibt Ihnen eine kurze Übersicht, z.b. Anzahl der Beiträge,
MehrAnleitung öffentlicher Zugang einrichten
TRK-DashBoard Anleitung öffentlicher Zugang einrichten Manual für Kunden VERSION DATUM AUTOR DATEINAME 1.0 8. SEPTEMBER 2011 HRR ANLEITUNG_OEFFENTLICHER_ZUGANG_DASHBOARD_V10 INHALT 1 ALLGEMEINE INFORMATIONEN...
Mehrmacs Support Ticket System
macs Support Ticket System macs Software GmbH Raiffeisenstrasse 8 78658 Zimmern ob Rottweil Tel. (0741)9422880 1 ALLGEMEIN... 3 2 ABLAUF TICKET-SYSTEM... 4 2.1 Ticket Erstellung... 4 2.2 Ablauf... 4 2.3
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrPatch-Management. Leibniz-Akademie Hannover Wirtschaftsinformatik B. Sc. Praxisreflexion im Bereich Management im SS 2011
Leibniz-Akademie Hannover Wirtschaftsinformatik B. Sc. Praxisreflexion im Bereich Management im SS 2011 Patch-Management Thomas Beer Abgabedatum: 28.03.2011 Anmerkung: Diese Wissenschaftliche Arbeit ist
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
MehrUm zusammenfassende Berichte zu erstellen, gehen Sie folgendermaßen vor:
Ergebnisreport: mehrere Lehrveranstaltungen zusammenfassen 1 1. Ordner anlegen In der Rolle des Berichterstellers (siehe EvaSys-Editor links oben) können zusammenfassende Ergebnisberichte über mehrere
MehrIst Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken?
UErörterung zu dem Thema Ist Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken? 2000 by christoph hoffmann Seite I Gliederung 1. In zu großen Mengen ist alles schädlich. 2.
MehrIn diesem Tutorial lernen Sie, wie Sie einen Termin erfassen und verschiedene Einstellungen zu einem Termin vornehmen können.
Tutorial: Wie erfasse ich einen Termin? In diesem Tutorial lernen Sie, wie Sie einen Termin erfassen und verschiedene Einstellungen zu einem Termin vornehmen können. Neben den allgemeinen Angaben zu einem
MehrNovell Client. Anleitung. zur Verfügung gestellt durch: ZID Dezentrale Systeme. Februar 2015. ZID Dezentrale Systeme
Novell Client Anleitung zur Verfügung gestellt durch: ZID Dezentrale Systeme Februar 2015 Seite 2 von 8 Mit der Einführung von Windows 7 hat sich die Novell-Anmeldung sehr stark verändert. Der Novell Client
MehrDas RSA-Verschlüsselungsverfahren 1 Christian Vollmer
Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer Allgemein: Das RSA-Verschlüsselungsverfahren ist ein häufig benutztes Verschlüsselungsverfahren, weil es sehr sicher ist. Es gehört zu der Klasse der
Mehrihren_benutzernamen@beuth-hochschule.de oder ein Account einer teilnehmenden Einrichtung also ihren_benutzernamen@ihrer_einrichtung.
für Android 0. Allgemeines 1. Importieren der Zertifikate der Deutschen Telekom Root CA 2 2. Konfigurieren der Verbindung 3. Anmeldung an der Beuth Hochschule 0. Allgemeines An der Beuth-Hochschule für
MehrDas vorliegende Dokument beinhaltet vertrauliche Informationen und darf nicht an Dritte weitergereicht werden.
Konfigurationsanleitung: E-Mail Konfiguration mit Apple Mail Vertraulichkeitsklausel Das vorliegende Dokument beinhaltet vertrauliche Informationen und darf nicht an Dritte weitergereicht werden. SwissWeb
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrSpam filtern mit dem Webmail-Interface
Zentrum für Bildungsinformatik Muesmattstrasse 29 CH-3012 Bern T +41 31 309 22 61 F +41 31 309 22 99 bildungsinformatik@phbern.ch bildungsinformatik.phbern.ch Spam filtern mit dem Webmail-Interface Inhalt
MehrIBIS Professional. z Dokumentation zur Dublettenprüfung
z Dokumentation zur Dublettenprüfung Die Dublettenprüfung ist ein Zusatzpaket zur IBIS-Shopverwaltung für die Classic Line 3.4 und höher. Dubletten entstehen dadurch, dass viele Kunden beim Bestellvorgang
MehrOpenVPN unter Linux mit KVpnc Stand: 16. Mai 2013
1 Vorwort OpenVPN unter Linux mit KVpnc Stand: 16. Mai 2013 Folgende Beschreibung wurde mit einem Ubuntu 7.10 mit Kernel 2.6.22-14, OpenVPN 2.0.9 und KVpnc 0.9.1-rc1 getestet. Ein weiterer erfolgreicher
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrDie Online-Meetings bei den Anonymen Alkoholikern. zum Thema. Online - Meetings. Eine neue Form der Selbsthilfe?
Die Online-Meetings bei den Anonymen Alkoholikern zum Thema Online - Meetings Eine neue Form der Selbsthilfe? Informationsverhalten von jungen Menschen (Quelle: FAZ.NET vom 2.7.2010). Erfahrungen können
MehrLeichte-Sprache-Bilder
Leichte-Sprache-Bilder Reinhild Kassing Information - So geht es 1. Bilder gucken 2. anmelden für Probe-Bilder 3. Bilder bestellen 4. Rechnung bezahlen 5. Bilder runterladen 6. neue Bilder vorschlagen
MehrFORUM HANDREICHUNG (STAND: AUGUST 2013)
FORUM HANDREICHUNG (STAND: AUGUST 2013) Seite 2, Forum Inhalt Ein Forum anlegen... 3 Forumstypen... 4 Beiträge im Forum schreiben... 5 Beiträge im Forum beantworten... 6 Besondere Rechte der Leitung...
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)....
Mehr«Eine Person ist funktional gesund, wenn sie möglichst kompetent mit einem möglichst gesunden Körper an möglichst normalisierten Lebensbereichen
18 «Eine Person ist funktional gesund, wenn sie möglichst kompetent mit einem möglichst gesunden Körper an möglichst normalisierten Lebensbereichen teilnimmt und teilhat.» 3Das Konzept der Funktionalen
MehrS TAND N OVEMBE R 2012 HANDBUCH DUDLE.ELK-WUE.DE T E R M I N A B S P R A C H E N I N D E R L A N D E S K I R C H E
S TAND N OVEMBE R 2012 HANDBUCH T E R M I N A B S P R A C H E N I N D E R L A N D E S K I R C H E Herausgeber Referat Informationstechnologie in der Landeskirche und im Oberkirchenrat Evangelischer Oberkirchenrat
MehrAgile Vorgehensmodelle in der Softwareentwicklung: Scrum
C A R L V O N O S S I E T Z K Y Agile Vorgehensmodelle in der Softwareentwicklung: Scrum Johannes Diemke Vortrag im Rahmen der Projektgruppe Oldenburger Robot Soccer Team im Wintersemester 2009/2010 Was
MehrGrundlagen der Informatik
Mag. Christian Gürtler Programmierung Grundlagen der Informatik 2011 Inhaltsverzeichnis I. Allgemeines 3 1. Zahlensysteme 4 1.1. ganze Zahlen...................................... 4 1.1.1. Umrechnungen.................................
MehrTheoretische Informatik SS 04 Übung 1
Theoretische Informatik SS 04 Übung 1 Aufgabe 1 Es gibt verschiedene Möglichkeiten, eine natürliche Zahl n zu codieren. In der unären Codierung hat man nur ein Alphabet mit einem Zeichen - sagen wir die
MehrSenkung des technischen Zinssatzes und des Umwandlungssatzes
Senkung des technischen Zinssatzes und des Umwandlungssatzes Was ist ein Umwandlungssatz? Die PKE führt für jede versicherte Person ein individuelles Konto. Diesem werden die Beiträge, allfällige Einlagen
MehrOhne Fehler geht es nicht Doch wie viele Fehler sind erlaubt?
Ohne Fehler geht es nicht Doch wie viele Fehler sind erlaubt? Behandelte Fragestellungen Was besagt eine Fehlerquote? Welche Bezugsgröße ist geeignet? Welche Fehlerquote ist gerade noch zulässig? Wie stellt
MehrAnwendungshinweise zur Anwendung der Soziometrie
Anwendungshinweise zur Anwendung der Soziometrie Einführung Die Soziometrie ist ein Verfahren, welches sich besonders gut dafür eignet, Beziehungen zwischen Mitgliedern einer Gruppe darzustellen. Das Verfahren
MehrGDI-Business-Line 3.x Ticketverwaltung
Ticketverwaltung Seite 1/6 GDI-Business-Line 3.x Ticketverwaltung Kurzdokumentation Stand: 04. Januar 2012 3.2.0.200 Ticketverwaltung Seite 2/6 Einführung...3 Lizenz...3 Funktionsweise...3 Vergabe der
Mehr4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
MehrÜberprüfung der digital signierten E-Rechnung
Überprüfung der digital signierten E-Rechnung Aufgrund des BMF-Erlasses vom Juli 2005 (BMF-010219/0183-IV/9/2005) gelten ab 01.01.2006 nur noch jene elektronischen Rechnungen als vorsteuerabzugspflichtig,
MehrSimulation LIF5000. Abbildung 1
Simulation LIF5000 Abbildung 1 Zur Simulation von analogen Schaltungen verwende ich Ltspice/SwitcherCAD III. Dieses Programm ist sehr leistungsfähig und wenn man weis wie, dann kann man damit fast alles
MehrInformationsbroschüre FX24 Capital Inc.
Informationsbroschüre FX24 Capital Inc. Sie suchen ein Investment das Ihnen eine hohe Rendite bringt, sicher ist und eine monatliche Auszahlung ermöglicht? Die FX24 Capital Inc. ermöglicht Ihnen all diese
Mehr1 Einleitung. 1.1 Motivation und Zielsetzung der Untersuchung
1 Einleitung 1.1 Motivation und Zielsetzung der Untersuchung Obgleich Tourenplanungsprobleme zu den am häufigsten untersuchten Problemstellungen des Operations Research zählen, konzentriert sich der Großteil
MehrEasyWk DAS Schwimmwettkampfprogramm
EasyWk DAS Schwimmwettkampfprogramm Arbeiten mit OMEGA ARES 21 EasyWk - DAS Schwimmwettkampfprogramm 1 Einleitung Diese Präsentation dient zur Darstellung der Zusammenarbeit zwischen EasyWk und der Zeitmessanlage
MehrYouTube: Video-Untertitel übersetzen
Der Easytrans24.com-Ratgeber YouTube: Video-Untertitel übersetzen Wie Sie mit Hilfe von Easytrans24.com in wenigen Schritten Untertitel für Ihre YouTube- Videos in mehrere Sprachen übersetzen lassen können.
MehrDie Lernumgebung des Projekts Informationskompetenz
Beitrag für Bibliothek aktuell Die Lernumgebung des Projekts Informationskompetenz Von Sandra Merten Im Rahmen des Projekts Informationskompetenz wurde ein Musterkurs entwickelt, der den Lehrenden als
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrAnleitung zum erfassen von Last Minute Angeboten und Stellenangebote
Anleitung zum erfassen von Last Minute Angeboten und Stellenangebote Zweck dieser Anleitung ist es einen kleinen Überblick über die Funktion Last Minute auf Swisshotelportal zu erhalten. Für das erstellen
Mehrtentoinfinity Apps 1.0 EINFÜHRUNG
tentoinfinity Apps Una Hilfe Inhalt Copyright 2013-2015 von tentoinfinity Apps. Alle Rechte vorbehalten. Inhalt der online-hilfe wurde zuletzt aktualisiert am August 6, 2015. Zusätzlicher Support Ressourcen
MehrInternet Explorer Version 6
Internet Explorer Version 6 Java Runtime Ist Java Runtime nicht installiert, öffnet sich ein PopUp-Fenster, welches auf das benötigte Plugin aufmerksam macht. Nach Klicken auf die OK-Taste im PopUp-Fenster
MehrZwischenablage (Bilder, Texte,...)
Zwischenablage was ist das? Informationen über. die Bedeutung der Windows-Zwischenablage Kopieren und Einfügen mit der Zwischenablage Vermeiden von Fehlern beim Arbeiten mit der Zwischenablage Bei diesen
MehrHilfe Bearbeitung von Rahmenleistungsverzeichnissen
Hilfe Bearbeitung von Rahmenleistungsverzeichnissen Allgemeine Hinweise Inhaltsverzeichnis 1 Allgemeine Hinweise... 3 1.1 Grundlagen...3 1.2 Erstellen und Bearbeiten eines Rahmen-Leistungsverzeichnisses...
MehrEinrichtung des Cisco VPN Clients (IPSEC) in Windows7
Einrichtung des Cisco VPN Clients (IPSEC) in Windows7 Diese Verbindung muss einmalig eingerichtet werden und wird benötigt, um den Zugriff vom privaten Rechner oder der Workstation im Home Office über
MehrAnleitung über den Umgang mit Schildern
Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrTheoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
Mehr! " # $ " % & Nicki Wruck worldwidewruck 08.02.2006
!"# $ " %& Nicki Wruck worldwidewruck 08.02.2006 Wer kennt die Problematik nicht? Die.pst Datei von Outlook wird unübersichtlich groß, das Starten und Beenden dauert immer länger. Hat man dann noch die.pst
MehrWann ist eine Software in Medizinprodukte- Aufbereitungsabteilungen ein Medizinprodukt?
DGSV-Kongress 2009 Wann ist eine Software in Medizinprodukte- Aufbereitungsabteilungen ein Medizinprodukt? Sybille Andrée Betriebswirtin für und Sozialmanagement (FH-SRH) Prokuristin HSD Händschke Software
MehrAdditional Cycle Index (ACIX) Thomas Theuerzeit
Additional Cycle Index (ACIX) Thomas Theuerzeit Der nachfolgende Artikel über den ACIX stammt vom Entwickler des Indikators Thomas Theuerzeit. Weitere Informationen über Projekte von Thomas Theuerzeit
Mehr1. Einführung 2. 2. Erstellung einer Teillieferung 2. 3. Erstellung einer Teilrechnung 6
Inhalt 1. Einführung 2 2. Erstellung einer Teillieferung 2 3. Erstellung einer Teilrechnung 6 4. Erstellung einer Sammellieferung/ Mehrere Aufträge zu einem Lieferschein zusammenfassen 11 5. Besonderheiten
Mehr6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)
6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden
MehrSuche schlecht beschriftete Bilder mit Eigenen Abfragen
Suche schlecht beschriftete Bilder mit Eigenen Abfragen Ist die Bilderdatenbank über einen längeren Zeitraum in Benutzung, so steigt die Wahrscheinlichkeit für schlecht beschriftete Bilder 1. Insbesondere
MehrSummenbildung in Bauteiltabellen mit If Then Abfrage
Summenbildung in Bauteiltabellen mit If Then Abfrage Die in Bauteiltabellen ausgelesenen Werte lassen sich in jeder Spalte als Summe berechnen. So können selbstverständlich die Flächen der in der Tabelle
Mehrkleines keyword brevier Keywords sind das Salz in der Suppe des Online Marketing Gordian Hense
Keywords sind das Salz in der Suppe des Online Marketing Keywords - Das Salz in der Suppe des Online Marketing Keyword Arten Weitgehend passende Keywords, passende Wortgruppe, genau passende Wortgruppe
MehrAgentur für Werbung & Internet. Schritt für Schritt: E-Mail-Konfiguration mit Apple Mail
Agentur für Werbung & Internet Schritt für Schritt: E-Mail-Konfiguration mit Apple Mail E-Mail-Konfiguration mit Apple Mail Inhalt E-Mail-Konto erstellen 3 Auswahl des Servertyp: POP oder IMAP 4 Konfiguration
MehrSEPA Lastschriften. Ergänzung zur Dokumentation vom 27.01.2014. Workshop Software GmbH Siemensstr. 21 47533 Kleve 02821 / 731 20 02821 / 731 299
SEPA Lastschriften Ergänzung zur Dokumentation vom 27.01.2014 Workshop Software GmbH Siemensstr. 21 47533 Kleve 02821 / 731 20 02821 / 731 299 www.workshop-software.de Verfasser: SK info@workshop-software.de
MehrDie Erstellung eigener Strukturprofile
Die Erstellung eigener Strukturprofile Manchmal ist es nötig, eigene Profile zu Erstellen, die man dann mittels Gestellgenerator verbaut. Diese Strukturprofile werden in einer Benutzerbezogenen Bibliothek
MehrMitarbeiterbefragung als PE- und OE-Instrument
Mitarbeiterbefragung als PE- und OE-Instrument 1. Was nützt die Mitarbeiterbefragung? Eine Mitarbeiterbefragung hat den Sinn, die Sichtweisen der im Unternehmen tätigen Menschen zu erkennen und für die
MehrEinrichtung eines Zugangs mit einer HBCI-Chipkarte bei der Commerzbank
Einrichtung eines Zugangs mit einer HBCI-Chipkarte bei der Commerzbank Schritt 1: Rufen Sie in Bank X den Menüpunkt Ablage/Neue Kontenmappe auf. Es erscheint dieser Dialog: Es erscheint folgender Dialog,
MehrFolgeanleitung für Klassenlehrer
Folgeanleitung für Klassenlehrer 1. Das richtige Halbjahr einstellen Stellen sie bitte zunächst das richtige Schul- und Halbjahr ein. Ist das korrekte Schul- und Halbjahr eingestellt, leuchtet die Fläche
MehrBei der Focus Methode handelt es sich um eine Analyse-Methode die der Erkennung und Abstellung von Fehlerzuständen dient.
Beschreibung der Focus Methode Bei der Focus Methode handelt es sich um eine Analyse-Methode die der Erkennung und Abstellung von Fehlerzuständen dient. 1. F = Failure / Finding An dieser Stelle wird der
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
MehrEinbindung einer ACT!12-16 Datenbank als Datenquelle für den Bulkmailer 2012
Einbindung einer ACT!12-16 Datenbank als Datenquelle für den Bulkmailer 2012 Eine langvermisste Funktion ist mit den neuesten Versionen von ACT! und Bulkmailer wieder verfügbar. Mit dem Erscheinen der
Mehr10.1 Auflösung, Drucken und Scannen
Um einige technische Erläuterungen kommen wir auch in diesem Buch nicht herum. Für Ihre Bildergebnisse sind diese technischen Zusammenhänge sehr wichtig, nehmen Sie sich also etwas Zeit und lesen Sie dieses
MehrINTERNET UND MMS MIT DEM QTEK2020 MARCO WYRSCH @ 28. MÄRZ 04
POCKETPC.CH INTERNET UND MMS MIT DEM QTEK2020 MARCO WYRSCH @ 28. MÄRZ 04 VORAUSSETZUNG QTEK2020 DEUTSCH. DIE ANLEITUNG IST MIT DEN ORANGE EINSTELLUNGEN GESCHRIEBEN WORDEN DIE EINSTELLUNGEN FÜR SWISSCOM
MehrFestigkeit von FDM-3D-Druckteilen
Festigkeit von FDM-3D-Druckteilen Häufig werden bei 3D-Druck-Filamenten die Kunststoff-Festigkeit und physikalischen Eigenschaften diskutiert ohne die Einflüsse der Geometrie und der Verschweißung der
MehrFlowFact Alle Versionen
Training FlowFact Alle Versionen Stand: 29.09.2005 Rechnung schreiben Einführung Wie Sie inzwischen wissen, können die unterschiedlichsten Daten über verknüpfte Fenster miteinander verbunden werden. Für
MehrStudieren- Erklärungen und Tipps
Studieren- Erklärungen und Tipps Es gibt Berufe, die man nicht lernen kann, sondern für die man ein Studium machen muss. Das ist zum Beispiel so wenn man Arzt oder Lehrer werden möchte. Hat ihr Kind das
MehrDokumentation für die software für zahnärzte der procedia GmbH Onlinedokumentation
Dokumentation für die software für zahnärzte der procedia GmbH Onlinedokumentation (Bei Abweichungen, die bspw. durch technischen Fortschritt entstehen können, ziehen Sie bitte immer das aktuelle Handbuch
Mehr2.1 Erstellung einer Gutschrift über den vollen Rechnungsbetrag
1. Einführung Manchmal ist es notwendig, dem Kunden eine Gutschrift zu einer bestimmten Rechnung, über einzelne Positionen oder auch völlig frei von einer Basis-Rechnung zu erstellen. Die verschiedenen
Mehr