Datenbank-Recherche. SS Veranstaltung 16. April Philipp Mayr - Philipp Schaer -
|
|
- Eva Blau
- vor 6 Jahren
- Abrufe
Transkript
1 Datenbank-Recherche SS Veranstaltung 16. April 2015 Philipp Mayr - philipp.mayr@gesis.org Philipp Schaer - philipp.schaer@gesis.org GESIS Leibniz-Institut für Sozialwissenschaften
2 2 Vorstellung Philipp Mayr Studium der Bibliotheks- und Informationswiss., Soziologie und Informatik an der Humboldt-Universität zu Berlin, M.A. Entwickler/Consultant bei HiSolutions AG Wissenschaftlicher Mitarbeiter am Informationszentrum Sozialwissenschaften in Bonn, Abt. FuE Promotion in Informationswiss. an der HU Berlin, Prof. Umstätter und Prof. Krause Vertretungsprofessur für Wissensrepräsentation an der Hochschule Darmstadt, Information Science Engineering Postdoc/Teamleitung und stellvertr. Abteilungsleiter GESIS Köln, Abt. Wissenstechnologien für d. Sozialwissenschaften Team Portale und Mehrwertdienste
3 3 Wiederholung 1. Veranstaltung Einführung in die Thematik der Vorlesung Verständnis der Recherche-Problematik Praktische Kenntnisse in der Recherche-Fähigkeit Allgemeine Informationskompetenz Erste praktische Übung (Hausaufgaben) Käsekuchen und Plagiatsverdacht
4 4 Themen der heutigen Veranstaltung Boolesche Anfragen und das Boolesche Retrievalmodell Beispielsysteme Beispielanfragen Term-Dokument-Matrizen Vor- und Nachteile des Booleschen Modells Was die Wikipedia sagt: George Boole (* 2. November 1815 in Lincoln, England; 8. Dezember 1864 in Ballintemple, in der Grafschaft Cork, Irland) war ein englischer Mathematiker (Autodidakt), Logiker und Philosoph.
5 5 Boolesche Retrievalmodell und Anfragen Das Boolesche Retrievalmodell kann alle Anfragen auflösen, die sich als ein Boolescher Ausdruck formulieren lassen. Es erlaubt den Einsatz der Operatoren UND, ODER sowie NICHT um einzelne Anfrageterme zu verknüpfen. Jedes Dokument ist in diesem Modell eine Menge von Termen (bag of words), die keiner besonderen Ordnung folgen. Es ist sehr präzise: Ein Dokument passt zur Anfrage oder nicht! Im professionellen Einsatz seit mehr als 40 Jahren und immer noch sehr beliebt. Man weiß, was man bekommt Nachvollziehbarkeit des Ergebnisses. Viele Suchsysteme basieren auf dem Booleschen Modell...
6 6
7 7
8 8
9 9 Unstrukturierte Daten im Jahr 1680 Welches Stück von Shakespeare enthält die Wörter Brutus UND Caesar aber NICHT Calpurnia? Ein naiver Versuch: Wir durchsuchen alle Texte, die Shakespeare geschrieben hat nach den Wörtern Brutus und Caesar, danach werden alle Zeilen mit dem Wort Calpurnia gelöscht. Warum ist das (aus technischer Sicht) keine gute Idee? Langsam (für große Textkorpora) NICHT Calpurnia ist nicht trivial Andere Operationen (z.b., finde das Wort Romans nahe countrymen) nicht möglich Kein geranktes Ergebnis (das oder die passendste Dokumente finden, kommt in einer späteren Vorlesung)
10 Antony and Cleopatra Term-Dokument-Matrix Julius Caesar The Tempest Hamlet Othello Macbeth Antony Brutus Caesar Calpurnia Cleopatra mercy worser wenn Dokument das Wort enthält, ansonsten 0
11 11 Einschub: Boolesche Algebra Die boolesche Algebra hat nur die zwei Elemente 0 und 1. Es sind die folgenden Verknüpfungen definiert: Konjunktion ( ) bzw. und, Disjunktion ( ) bzw. oder und Negation ( ) bzw. nicht. Klammerungen für Gruppierungen sind erlaubt. Konjunktion Disjunktion Negation
12 Boolesche Operatoren I 12
13 Boolesche Operatoren II 13
14 Boolesche Operatoren III 14
15 15 Der Lösungsweg: Rechnen mit Term-Vektoren Für jeden Term (Brutus, etc.) gibt es einen 0/1-Vektor (Zeile in der Term-Dokument-Matrix): 1: der Term kommt in dem Stück vor, 0: der Term kommt nicht in dem Stück vor. Um die Frage zu beantworten: Nehme die drei Vektoren für Brutus (110100), Caesar (110111) und Calpurnia ( , invertiert) Verknüpfe alle Vektoren mittels UND ( ) UND UND =
16 16 Was sagt uns dieser Vektor? UND UND = Antony and Cleopatra Julius Caesar The Tempest Hamlet Othello Macbeth Brutus Caesar Calpurnia (invertiert) Ergebnis
17 17 Die Antwort auf die Anfrage Antony and Cleopatra, Akt III, Szene ii Textstelle: Agrippa [Aside to DOMITIUS ENOBARBUS]: Why, Enobarbus, When Antony found Julius Caesar dead, He cried almost to roaring; and he wept When at Philippi he found Brutus slain. Hamlet, Akt III, Szene ii Textstelle Lord Polonius: I did enact Julius Caesar I was killed i' the Capitol; Brutus killed me.
18 18 Vor- und Nachteile des Booleschen Modells I Kerneigenschaft: Präzise Anfragen sind möglich Dokumente passen zur Anfrage oder nicht! Daher gut für Experten geeignet, die das zugrundeliegende Modell verstehen und anwenden können, die verwendete Dokumentenbasis (den Korpus) kennen und die wissen, was sie wollen! Gut für (Computer-)Systeme, die einfach tausende von Ergebnissen verarbeiten können.
19 19 Vor- und Nachteile des Booleschen Modells II Nicht für die Mehrheit der Nutzer geeignet! Viele Nutzer sind nicht in der Lage mit Booleschen Anfragen zu arbeiten viele syntaktische Fehler, verstehen das Modell nicht, können ihr Informationsbedürfnis nicht in Anfragesprache übersetzen... Das fehlende Ranking der Ergebnisse ist für normale Anwender nicht praxistauglich, da sie nicht Hunderte von Ergebnissen auswerten möchten. Dies gilt insbesondere im Bereich der Web-Suche.
20 20 Feast or Famine Boolesche Anfragen liefern oft zu wenige (=0) oder zu viele Ergebnisse (1000+). Anfrage 1: standard user dlink Treffer Feast Anfrage 2: standard user dlink 650 no card found 0 Treffer Famine Beim Booleschen Retrievalmodell benötigt es eine Menge Kenntnis und Übung eine Anfrage zu formulieren, die eine überschaubare Anzahl an Ergebnissen hervorbringt!
21 21 Von Feast or Famine zum Ranked Retrieval Große Ergebnismengen sind mit Ranked Retrieval kein Problem mehr. Ranked Retrieval erlaubt es z.b. nur die Top 10 Ergebnisse zu betrachten und so den Nutzer zu entlasten. Voraussetzung ist ein Ranking-Algorithmus, der relevantere Ergebnisse vor weniger relevantere Ergebnisse sortiert.
22 22 Erweitertes Boolesches Modell In der Praxis wird ein Ranking durch einfache Sortierungen umgesetzt: Chronologische Sortierung (neuste Ergebnisse zuerst), Alphabetische Sortierung (z.b. der Autorennamen). Es sind aber auch Gewichtungen möglich z.b. Häufigkeit der Anfrageterme im Dokument: Häufiges Auftreten von Anfragetermen im Dokument ist ein Zeichen für Relevanz. Allerdings handelt es sich hierbei um Sortierungen, kein wirkliches Ranking (dass eine Bewertung der Relevanz voraussetzt).
23 23 Zusammenfassung Boolesches Retrieval Einfache boolesche/binäre Entscheidungen (vorhanden / nicht vorhanden). Vorteile: Simple Anfragen sind leicht zu verstehen Relativ leicht zu implementieren (Term-Dokument-Matrix) Nachteile: Schwierig, genaue Anfragen zu spezifizieren Zu viel / zu wenig (Feast or Famine) Sortierung, aber nicht Ranking Meistgenutzte IR-Modell bis zum Durchbruch des Web.
24 24 Fragen?
25 25 Kontakt Dr. Philipp Mayr Tel: + 49 (0) 221 / philipp.mayr@gesis.org Dr. Philipp Schaer Tel: + 49 (0) 221 / philipp.schaer@gesis.org Dr. Dagmar Kern Tel: + 49 (0) 221 / dagmar.kern@gesis.org Wilko van Hoek Tel: + 49 (0) 221 / wilko.vanhoek@gesis.org
Datenbank-Recherche. SS Veranstaltung 8. Mai Philipp Mayr - Philipp Schaer -
Datenbank-Recherche SS 2014 4. Veranstaltung 8. Mai 2014 Philipp Mayr - philipp.mayr@gesis.org Philipp Schaer - philipp.schaer@gesis.org GESIS Leibniz-Institut für Sozialwissenschaften 2 Agenda Nachbearbeitung
MehrInformation-Retrieval: Vektorraum-Modell
Information-Retrieval: Vektorraum-Modell Claes Neuefeind Fabian Steeg 03. Dezember 2009 Themen des Seminars Boolesches Retrieval-Modell (IIR 1) Datenstrukturen (IIR 2) Tolerantes Retrieval (IIR 3) Vektorraum-Modell
Mehr1. Vorlesung,
1. Vorlesung, 16.10.2006 Einführung und Motivation, Beispiel Information versus Daten Grundlegende Konzepte Aufgaben des Anwenders Logische Sicht auf Dokumente Dokumentvorverarbeitung Dokumentsuche mit
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
MehrDatenbank- Recherche. SS 2015 8. Veranstaltung 18. Juni 2015. Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.
Datenbank- Recherche SS 2015 8. Veranstaltung 18. Juni 2015 Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.org GESIS Leibniz- InsFtut für SozialwissenschaJen 2 Themen der heu2gen
MehrIndexvokabular {Korsika, Sardinien, Strand, Ferienwohnung, Gebirge} Verknüpfung von Enthaltenseinsbedingungen mittels Boole'scher Junktoren.
Boole'sches Modell Boole'sches Modell: Beispiel basiert auf Mengentheorie und Boole'scher Algebra sehr einfaches Modell mit klarer Semantik Dokumente als Mengen von Indextermen Termgewichte sind binär:
MehrDatenbank-Recherche. SS 2015 1. Veranstaltung 9. April 2015. Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.
Datenbank-Recherche SS 2015 1. Veranstaltung 9. April 2015 Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.org GESIS Leibniz-Institut für Sozialwissenschaften 2 Vorstellung
MehrMathematik für Informatiker I
Mathematik für Informatiker I Mitschrift zur Vorlesung vom 19.10.2004 In diesem Kurs geht es um Mathematik und um Informatik. Es gibt sehr verschiedene Definitionen, aber für mich ist Mathematik die Wissenschaft
MehrVom Suchen und Finden - Google und andere Ansätze
Vom Suchen und Finden - Google und andere Ansätze Norbert Fuhr Universität Duisburg Essen FB Ingenieurwissenschaften Abteilung Informatik 12. Mai 2005 Gliederung 1 Einführung 2 Grundlagen 3 Erweiterte
MehrSuchen, um zu finden. Sta,s,k BRD (Quelle: Comscore, 2013) Beziehungsgeflecht der Suchmaschinen. Antworten auf folgende Fragen: 24.06.
Suchen, um zu finden Sta,s,k BRD (Quelle: Comscore, 2013) Steffen- Peter Ballstaedt 24.6.2015 etwa 6 Milliarden Suchanfragen pro Monat etwa 2.500 Anfragen pro Sekunde 96% der Suchanfragen über Google Beziehungsgeflecht
MehrT = {t 1,..., t n } sei die Menge der Terme. D = {d 1,..., d m } sei die Menge der Dokumente.
Vektorraummodell T = {t 1,..., t n } sei die Menge der Terme. D = {d 1,..., d m } sei die Menge der Dokumente. Dokumente und Anfragen werden als Vektoren in einem Vektorraum aufgefaßt. Der Vektorraum wird
MehrRetrieval Modelle. Boolesche- und Vektorraum- Modelle. Weitere Modell-Dimensionen. Klassen von Retrieval Modellen. Boolesche Modelle (Mengentheorie)
Retrieval Modelle Boolesche- und Vektorraum- Modelle Ein Retrieval-Modell spezifiziert die Details der: Repräsentation von Dokumenten Repräsentation von Anfragen Retrievalfunktion Legt die Notation des
MehrVorlesung Information Retrieval Wintersemester 04/05
Vorlesung Information Retrieval Wintersemester 04/05 14. Oktober 2004 Institut für Informatik III Universität Bonn Tel. 02 28 / 73-45 31 Fax 02 28 / 73-43 82 jw@informatik.uni-bonn.de 1 Themenübersicht
MehrGrundlagen der Informationverarbeitung
Grundlagen der Informationverarbeitung Information wird im Computer binär repräsentiert. Die binär dargestellten Daten sollen im Computer verarbeitet werden, d.h. es müssen Rechnerschaltungen existieren,
MehrErfolgreich suchen im Internet
Erfolgreich suchen im Internet Steffen-Peter Ballstaedt 05.10.2015 Statistik Weltweit: etwa 1 Milliarde Websites BRD: 15 Millionen Websites Das Internet verdoppelt sich alle 5,32 Jahre Die häufigste Aktivität
MehrInformationsverarbeitung auf Bitebene
Informationsverarbeitung auf Bitebene Dr. Christian Herta 5. November 2005 Einführung in die Informatik - Informationsverarbeitung auf Bitebene Dr. Christian Herta Grundlagen der Informationverarbeitung
MehrVorläufige Ergebnisse einer Umfrage am Beispiel von Studierenden der Universität Regensburg
Manuela Dr. Max Mustermann Sauerwein M.A. Lehrstuhl Referat Kommunikation für Medieninformatik & Marketing Fakultät Verwaltung für Sprach-, Literaturund Zur Messbarkeit von Informationskompetenz Vorläufige
MehrBlack Box erklärt Logische Verknüpfungen
Black Box erklärt Logische Verknüpfungen Jeden Tag treffen wir Entscheidungen wie Trinke ich Cola ODER Kaffee? oder Heute ist es sonnig UND warm!. Dabei verwenden wir unbewusst logische Verknüpfungen (UND,
MehrBoolesche Algebra. Hans Joachim Oberle. Vorlesung an der TUHH im Wintersemester 2006/07 Montags, 9:45-11:15 Uhr, 14täglich TUHH, DE 22, Audimax 2
Universität Hamburg Department Mathematik Boolesche Algebra Hans Joachim Oberle Vorlesung an der TUHH im Wintersemester 2006/07 Montags, 9:45-11:15 Uhr, 14täglich TUHH, DE 22, Audimax 2 http://www.math.uni-hamburg.de/home/oberle/vorlesungen.html
MehrModulhandbuch für den Studiengang Informationswissenschaft (Ergänzungsfach)
Modulhandbuch für den Studiengang Informationswissenschaft (Ergänzungsfach) im Bachelorstudium der Philosophischen Fakultät der Heinrich-Heine-Universität Düsseldorf Stand: 10/2011 Inhaltsübersicht I1
MehrWeb-Recherche WS 2015/ Veranstaltung 19. November 2015
Web-Recherche WS 2015/2016 6. Veranstaltung 19. November 2015 Philipp Mayr - philipp.mayr@gesis.org Philipp Schaer - philipp.schaer@gesis.org GESIS Leibniz-Institut für Sozialwissenschaften 2 Themen der
MehrNutzer verwenden außerbibliothekarische Recherchesysteme zur Vorbereitung von Literatursuchen in Bibliotheksangeboten (Akselbo et al. 2006, S.
VuFind seit 2007 Produktiver Betrieb und Entwicklung seit 2008: Suchkiste für DFG Nationallizenzen: http://finden.nationallizenzen.de/ Ergebnis aus positiven Erfahrungen: GBV Discovery Index: Solr Index
Mehr3. Retrievalmodelle Grundkonzept des Vektorraummodells. Vektorraummodell. Dokumente und Anfragen werden als Vektoren in einem Vektorraum aufgefaßt.
3. Retrievalmodelle Grundkonzept des Vektorraummodells Vektorraummodell Dokumente und Anfragen werden als Vektoren in einem Vektorraum aufgefaßt. Der Vektorraum wird durch die in der Datenbank enthaltenen
MehrSuchmaschinen. Anwendung RN Semester 7. Christian Koczur
Suchmaschinen Anwendung RN Semester 7 Christian Koczur Inhaltsverzeichnis 1. Historischer Hintergrund 2. Information Retrieval 3. Architektur einer Suchmaschine 4. Ranking von Webseiten 5. Quellenangabe
MehrInformation Retrieval
Information Retrieval Ferdinand Hofherr 17. Mai 2005 Zusammenfassung Information Retrieval spielt in vielen Bereichen unseres Lebens eine wichtige Rolle. Wir kommen damit zum Beispiel in Berührung, wenn
MehrUniversität Stuttgart Vorstellung der Studiengänge Informatik und Softwaretechnik
Vorstellung der Studiengänge Informatik und Softwaretechnik Ilona Heurich Inhalt Worum geht es in der Informatik? Überblick über das Studium Was wird im Studium gelehrt (und was nicht)? Welche Voraussetzungen
MehrEinführung in die Informatik I (autip)
Einführung in die Informatik I (autip) Dr. Stefan Lewandowski Fakultät 5: Informatik, Elektrotechnik und Informationstechnik Abteilung Formale Konzepte Universität Stuttgart 24. Oktober 2007 Was Sie bis
MehrOnline-Recherche: Web-Recherche WS 2015/2016 4. Veranstaltung 5. November 2015
Online-Recherche: Web-Recherche WS 2015/2016 4. Veranstaltung 5. November 2015 Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.org GESIS Leibniz-InsJtut für SozialwissenschaNen
MehrEinführung. Information Retrieval. IR-Aufgaben. IR in Beispielen. Adhoc-Suche: Web. IR in Beispielen. Was ist IR? Norbert Fuhr
Einführung Information Retrieval Norbert Fuhr 13. Oktober 2011 IR in Beispielen Was ist IR? Daten Information Wissen Dimensionen des IR Rahmenarchitektur für IR-Systeme Adhoc-Suche: Web IR in Beispielen
MehrBemerkung: Termine und Orte für die einzelnen Lehrveranstaltungen sind dem Stundenplan zu entnehmen.
Allgemeine Modulbeschreibungen für das erste Semester Bachelor Informatik 1. Objektorientierte Programmierung Bestehend aus - Vorlesung Objektorientierte Programmierung (Prof. Zimmermann) - Übung zu obiger
MehrVuFind Ein Baustein beim Finden, Entdecken & Bekommen. Gerald Steilen, 6. Mai 2015
VuFind Ein Baustein beim Finden, Entdecken & Bekommen Gerald Steilen, 6. Mai 2015 Perceptions of Libraries and Information Resources. 1 Wo beginnt die Suche? Perceptions of Libraries and Information Resources.
MehrOnline-Recherche: Web-Recherche WS 2015/2016 7. Veranstaltung 3. Dezember 2015
Online-Recherche: Web-Recherche WS 2015/2016 7. Veranstaltung 3. Dezember 2015 Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.org GESIS Leibniz-InsJtut für SozialwissenschaNen
MehrWeb-Recherche WS 2015/2016 1. Veranstaltung 15. Oktober 2015
Web-Recherche WS 2015/2016 1. Veranstaltung 15. Oktober 2015 Philipp Mayr - philipp.mayr@gesis.org Philipp Schaer - philipp.schaer@gesis.org GESIS Leibniz-Institut für Sozialwissenschaften 2 Themen der
MehrLinked Data und Semantic Webbasierte Funktionalität in Europeana
Linked Data und Semantic Webbasierte Funktionalität in Europeana Semantic Web in Bibliotheken - SWIB09 Köln, 25. November 2009 Stefan Gradmann, Marlies Olensky Humboldt-Universität zu Berlin, Berlin School
MehrBrückenkurs Mathematik
Informationen zur Lehrveranstaltung andreas.kucher@uni-graz.at Institute for Mathematics and Scientific Computing Karl-Franzens-Universität Graz Graz, July 19, 2016 Übersicht Motivation Motivation für
MehrDie Wahl der Suchbegriffe
Die Wahl der Suchbegriffe Der erste wichtige Schritt für eine effektive Literaturrecherche ist die Wahl der Suchbegriffe. Auf der Suche nach Literatur kommt es häufig vor, dass man keine oder nur sehr
MehrMathematik studieren an der Universität Regensburg
Mathematik studieren an der Universität Regensburg Schülerinformationstag, 9. November 2011 Clara Löh Fakultät für Mathematik. Universität Regensburg Herzlich Willkommen in der Fakultät für Mathematik
MehrKlassische Aussagenlogik
Eine Einführung in die Logik Schon seit Jahrhunderten beschäftigen sich Menschen mit Logik. Die alten Griechen und nach ihnen mittelalterliche Gelehrte versuchten, Listen mit Regeln zu entwickeln, welche
MehrTechnische Informatik - Eine Einführung
Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Technische Informatik - Eine Einführung Boolesche Funktionen - Grundlagen
MehrRechnerstrukturen. Michael Engel und Peter Marwedel WS 2013/14. TU Dortmund, Fakultät für Informatik
Rechnerstrukturen Michael Engel und Peter Marwedel TU Dortmund, Fakultät für Informatik WS 2013/14 Folien a. d. Basis von Materialien von Gernot Fink und Thomas Jansen 21. Oktober 2013 1/33 1 Boolesche
MehrAufgabe 5.3 Duale Simplexverfahren
Aufgabe 5.3 Knut Krause Thomas Siwczyk Stefan Tittel Technische Universität Dortmund Fakultät für Informatik Algorithmen und Datenstrukturen 15. Januar 2009 Gliederung 1 Aufgabenstellung und Motivation
MehrProgramm. Literaturrecherche in der Hochschulbibliothek
Literaturrecherche t h in Bibliothek und Internet t Referentin 1 Literaturrecherche in Bibliothek und Internet Gabriele Pinnen Andrea Jaek Hochschulbibliothek Programm Literaturrecherche in der Hochschulbibliothek
MehrBibliothek Seite 1. Recherchehinweise für Informationsdatenbanken
Seite 1 Seite 2 Inhalt Übersicht über das Informationsangebot Generelle Hinweise zum Recherchieren Seite 3 Informationsplattformen Zwei Zugangsarten: Webbasierte Informationsdienste (Zugang über Bibliothekshomepage)
Mehr9. Weitere Datenbanksprachen
9. Weitere Datenbanksprachen QUEL (Anfragesprache des INGRES-Systems) Query by Example QBE in MS Access Objektorientierte Anfragesprachen (OQL) XML-Anfragesprachen (XQuery) VL Datenbanken I 9 1 Die Sprache
MehrSignalverarbeitung 1
TiEl-F000 Sommersemester 2008 Signalverarbeitung 1 (Vorlesungsnummer 260215) 2003-10-10-0000 TiEl-F035 Digitaltechnik 2.1 Logikpegel in der Digitaltechnik In binären Schaltungen repräsentieren zwei definierte
MehrXML und seine Anwendungsmöglichkeiten bei der Archivierung im Gesundheitswesen
Institut für Terminologie und angewandte Wissensforschung XML und seine Anwendungsmöglichkeiten bei der Archivierung im Gesundheitswesen Johannes Palme (itaw), Lukas Faulstich (ID) Karlsruher Archivtage
MehrVorlesung Suchmaschinen Semesterklausur Sommersemester 2014
Universität Augsburg, Institut für Informatik Sommersemester 04 Prof. Dr. W. Kießling 5. Juli 04 Dr. M. Endres, F. Wenzel Suchmaschinen Vorlesung Suchmaschinen Semesterklausur Sommersemester 04 Hinweise:
MehrAusbildung im Spannungsfeld zwischen Bibliothekswesen und Wissensmanagement
Ausbildung im Bibliothekswesen und Wissensmanagement Photo 1 Credit: Pixabay (CC0) Ausbildung im Spannungsfeld zwischen Bibliothekswesen und Wissensmanagement Barbara Geyer-Hayden, Michael Zeiller Eisenstadt,
MehrExposé zur Studienarbeit. 04. August 2010
Exposé zur Studienarbeit Relevanzranking in Lucene im biomedizinischen Kontext Christoph Jacob Betreuer: Phillipe Thomas, Prof. Dr. Ulf Leser 04. August 2010 1. Motivation Sucht und ihr werdet finden dieses
MehrSudoku. Warum 6? Warum 6?
. / Sudoku Füllen Sie die leeren Felder so aus, dass in jeder Zeile, in jeder Spalte und in jedem x Kästchen alle Zahlen von bis stehen.. / Warum?. / Warum?. / Geschichte der Logik Syllogismen (I) Beginn
MehrBinäre Suchbäume (binary search trees, kurz: bst)
Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.
MehrVON DER DIPLOM- BIBLIOTHEKARIN ZUM MA LIS
VON DER DIPLOM- BIBLIOTHEKARIN ZUM MA LIS Karriereentwicklung nach dem Abschluss des Weiterbildungsstudiums Master in Library and Information Science an der FH Köln aus Absolventensicht Überblick Werdegang
MehrInformation Retrieval,
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Information Retrieval, Vektorraummodell Tobias Scheffer Uwe Dick Peter Haider Paul Prasse Information Retrieval Konstruktion von
MehrDigitalelektronik - Inhalt
Digitalelektronik - Inhalt Grundlagen Signale und Werte Rechenregeln, Verknüpfungsregeln Boolesche Algebra, Funktionsdarstellungen Codes Schaltungsentwurf Kombinatorik Sequentielle Schaltungen Entwurfswerkzeuge
MehrEinführung in die Suche nach Büchern und Aufsätzen. für Studenten der Psychologie und Pädagogik
Einführung in die Suche nach Büchern und Aufsätzen Benutzung der Recherchesysteme Kataloge und bibliographischen Datenbanken für Studenten der Psychologie und Pädagogik Anknüpfung an Einführung Thema nun
MehrProf. Dr. Michael H. Breitner Institut für Wirtschaftsinformatik Wirtschaftswissenschaftliche Fakultät/Leibniz Universität Hannover
Prof. Dr. Michael H. Breitner Institut für Wirtschaftsinformatik Wirtschaftswissenschaftliche Fakultät/Leibniz Universität Hannover 4. Februar 2008 Betriebswirtschaftslehre I (BWL I): Wirtschaftsinformatik
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)....
MehrGrundlagen der Computertechnik
Grundlagen der Computertechnik Aufbau von Computersystemen und Grundlagen des Rechnens Walter Haas PROLOG WS23 Automation Systems Group E83- Institute of Computer Aided Automation Vienna University of
MehrVorlesung Dokumentation und Datenbanken Klausur
Dr. Stefan Brass 2. Juli 2002 Institut für Informatik Universität Giessen Vorlesung Dokumentation und Datenbanken Klausur Name: Geburtsdatum: Geburtsort: (Diese Daten werden zur Ausstellung des Leistungsnachweises
MehrÜbung RA, Kapitel 1.2
Übung RA, Kapitel 1.2 Teil 1: Zahlen und Logik A) Aufgaben zu den ganzen Zahlen 1. Konvertieren Sie die folgenden Zahlen in die Binärform: 1984 Immer durch 2 teilen, der Rest ergibt das Bit. Jeweils mit
MehrOnline-Recherche: Web-Recherche WS 2015/2016 8. Veranstaltung 10. Dezember 2015
Online-Recherche: Web-Recherche WS 2015/2016 8. Veranstaltung 10. Dezember 2015 Philipp Schaer - philipp.schaer@gesis.org Philipp Mayr - philipp.mayr@gesis.org GESIS Leibniz-Institut für Sozialwissenschaften
MehrLiteraturrecherche an der ETH
Institut für Verfahrenstechnik www.ipe.ethz.ch Literaturrecherche an der ETH Diese kurze Einführung soll einen Überblick über die Literaturrecherche an der ETH geben. Anhand der in der ETH-Bibliothek (www.ethbib.ethz.ch)
MehrOperations Research I
Operations Research I Lineare Programmierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2015 Peter Becker (H-BRS) Operations Research I Sommersemester 2015
MehrOtto-Friedrich-Universität Bamberg Fakultät Wirtschaftsinformatik und Angewandte Informatik Bachelorstudiengang Angewandte Informatik
Module und Teilprüfungen der Bachelorprüfung im Bachelorstudiengang Angewandte Informatik gemäß Anhang 1 der Fachprüfungsordnung (FPO B AI) gültig ab SS 2007 ID Modul Semester ECTS SWS Prüfung A1 Modulgruppe:
MehrLandesbildungsserver Sachsen-Anhalt
Landesbildungsserver Sachsen-Anhalt http://www.bildung-lsa.de/ Inhalt Schule Schulformen Grundschule Sekundarschule / Förderstufe Gymnasium Gesamtschule Berufsbildende Schule Sonderschule Schulen des zweiten
MehrB.SC. INFORMATIK TIM JUNGNICKEL
ABOUT ME (21) 5. SEMESTER B.SC. INFORMATIK TU-BERLIN SEIT 2008 2 AGENDA Was ist Informatik? Wie geht es weiter? Was kann ich an der Uni machen? 1 2 3 4 Struktur des Studiums Was lernt man an der Universität?
MehrKleiner Ausflug in Logik und Verkehrssteuerung
Kleiner usflug in Logik und Verkehrssteuerung Ein logisches Rätsel usgangslage: Drei Frauen stehen hintereinander. Jede trägt einen Hut auf dem Kopf und sieht nur die Hüte der voran stehenden Personen.
MehrEine Abfrage (Query) ist in Begriffe und Operatoren unterteilt. Es gibt zwei verschiedene Arten von Begriffen: einzelne Begriffe und Phrasen.
Lucene Hilfe Begriffe Eine Abfrage (Query) ist in Begriffe und Operatoren unterteilt. Es gibt zwei verschiedene Arten von Begriffen: einzelne Begriffe und Phrasen. Ein einzelner Begriff ist ein einzelnes
MehrKapitel 2. Boolesche Algebra. Prof. Dr. Dirk W. Hoffmann. Hochschule Karlsruhe w University of Applied Sciences w Fakultät für Informatik
Kapitel 2 oolesche lgebra Prof. Dr. Dirk W. Hoffmann Hochschule Karlsruhe w University of pplied Sciences w Fakultät für Informatik Schaltalgebra, und sind Operatoren über der Menge {0,1} a b a b 0 0 0
MehrLogik (Teschl/Teschl 1.1 und 1.3)
Logik (Teschl/Teschl 1.1 und 1.3) Eine Aussage ist ein Satz, von dem man eindeutig entscheiden kann, ob er wahr (true, = 1) oder falsch (false, = 0) ist. Beispiele a: 1 + 1 = 2 b: Darmstadt liegt in Bayern.
MehrGrundlagen der diskreten Mathematik
Grundlagen der diskreten Mathematik Prof. Dr. Romana Piat WS 25/6 Allgemeine Informationen Vorlesungen:./C Zug D (Mi., 3. Block + Do., 4. Block, y-raster) Zug E (Di., 5. Block + Do.,. Block, y-raster)
MehrDer Aufruf von DM_in_Euro 1.40 sollte die Ausgabe 1.40 DM = 0.51129 Euro ergeben.
Aufgabe 1.30 : Schreibe ein Programm DM_in_Euro.java zur Umrechnung eines DM-Betrags in Euro unter Verwendung einer Konstanten für den Umrechnungsfaktor. Das Programm soll den DM-Betrag als Parameter verarbeiten.
MehrReduced-Rank Least Squares Modelle
16.12.2008 Wiederholung Gegeben: Matrix A m n Paar Rechter Eigenvektor x, Eigenwert λ: A x = λ x mit x R n \ 0, λ N Paar Linker Eigenvektor y, Eigenwert λ: y T A = λ y T Singulärwertzerlegung (SVD): A
Mehr( ) ( ) für x = 9 gilt:
R. Brinkmann http://brinkmann-du.de Seite 1 05.10.2008 Verknüpfung von Aussagen Werden Aussagen miteinander verknüpft, so entstehen zusammengesetzte Aussagen, deren Wahrheitsgehalt in der angegebenen Verbindung
MehrNormalformen boolescher Funktionen
Normalformen boolescher Funktionen Jeder boolesche Ausdruck kann durch (äquivalente) Umformungen in gewisse Normalformen gebracht werden! Disjunktive Normalform (DNF) und Vollkonjunktion: Eine Vollkonjunktion
Mehr4. Induktives Definieren - Themenübersicht
Induktives Definieren 4. Induktives Definieren - Themenübersicht Induktives Definieren Natürliche Zahlen Operationen auf natürlichen Zahlen Induktive Algorithmen Induktiv definierte Mengen Binärbäume Boolesche
MehrII. Grundlagen der Programmierung
II. Grundlagen der Programmierung II.1. Zahlenssteme und elementare Logik 1.1. Zahlenssteme 1.1.1. Ganze Zahlen Ganze Zahlen werden im Dezimalsstem als Folge von Ziffern 0, 1,..., 9 dargestellt, z.b. 123
MehrInformation Retrieval
Information Retrieval Norbert Fuhr 12. April 2010 Einführung 1 IR in Beispielen 2 Was ist IR? 3 Dimensionen des IR 4 Daten Information Wissen 5 Rahmenarchitektur für IR-Systeme IR in Beispielen IR-Aufgaben
MehrÜbung Medienretrieval WS 07/08 Thomas Wilhelm, Medieninformatik, TU Chemnitz
02_Grundlagen Lucene Übung Medienretrieval WS 07/08 Thomas Wilhelm, Medieninformatik, TU Chemnitz Was ist Lucene? (1) Apache Lucene is a high-performance, full-featured text search engine library written
Mehr5. Vorlesung. Das Ranking Problem PageRank HITS (Hubs & Authorities) Markov Ketten und Random Walks PageRank und HITS Berechnung
5. Vorlesung Das Ranking Problem PageRank HITS (Hubs & Authorities) Markov Ketten und Random Walks PageRank und HITS Berechnung Seite 120 The Ranking Problem Eingabe: D: Dokumentkollektion Q: Anfrageraum
MehrEinleitung Projektion Selektion Join Mengenop. Vollst.keit. Einleitung Projektion. Selektion Join. Vollst.keit. Einleitung Projektion Selektion Join
Parsen der Anfrage (SQL) Transformation in eine Standardform (Relationenalgebra) Logische Optimierung Transformation in alternative Zugriffspläne, Physische Optimierung Ausführung des gewählten Zugriffsplans
MehrDeep Web Suchen wir was man finden könnte?
Deep Web Suchen wir was man finden könnte? Dr. Dirk Lewandowski dirk.lewandowski@uni-duesseldorf.de www.durchdenken.de/lewandowski Gliederung Die Bedeutung des Deep Web Die Größe des Deep Web Strategien
MehrKapitel 1.0. Aussagenlogik: Einführung. Mathematische Logik (WS 2011/12) Kapitel 1.0: Aussagenlogik: Einführung 1/ 1
Kapitel 1.0 Aussagenlogik: Einführung Mathematische Logik (WS 2011/12) Kapitel 1.0: Aussagenlogik: Einführung 1/ 1 Ziele der Aussagenlogik In der Aussagenlogik analysiert man die Wahrheitswerte zusammengesetzter
MehrAppendix C. Anhang gemäß Promotionsordnung
Appendix C Anhang gemäß Promotionsordnung 205 206 Zusammenfassung Die Markup-Sprache XML ist ein weithin akzeptierter Standard zur Darstellung von Daten. Je mehr Daten in Form von XML-Dokumenten vorliegen,
Mehr4. Nicht-Probabilistische Retrievalmodelle
4. Nicht-Probabilistische Retrievalmodelle 1 4. Nicht-Probabilistische Retrievalmodelle Norbert Fuhr 4. Nicht-Probabilistische Retrievalmodelle 2 Rahmenarchitektur für IR-Systeme Evaluierung Informations
MehrBA-Nebenfach Musikpädagogik
Lehrstuhl für pädagogik und didaktik BA-Nebenfach pädagogik Modulhandbuch Version 2.3 (gültig ab Studien- bzw. Modulbeginn SS 2015) Inhalt: Modulübersicht Modulbeschreibungen (alphabetische Ordnung nach
MehrWillkommen an der ETH Zürich
Willkommen an der ETH Zürich Willkommen in der Informatik Gustavo Alonso, Studiendirektor,, ETH Zürich 04.11.2015 2 Informatik @ ETH seit 60 Jahren Wann Was 1948 Institut für angewandte Mathematik 1950
Mehr1 Bedingungen und der Typ bool. Informatik I: Einführung in die Programmierung 5. Bedingungen, bedingte Ausführung und Schleifen. Vergleichsoperatoren
1 und der Informatik I: Einführung in die Programmierung 5., bedingte Ausführung und Albert-Ludwigs-Universität Freiburg Bernhard Nebel 27. Oktober 2015 27. Oktober 2015 B. Nebel Info I 3 / 21 Der Vergleichsoperatoren
MehrInformation Retrieval Modelle und neue Technologien. Prof. Dr. Wolfgang Riggert FDH Flensburg
Information Retrieval Modelle und neue Technologien Prof. Dr. Wolfgang Riggert FDH Flensburg Gliederung IR-Modelle Suchmaschinen Beispiel: Google Neue Technologien Retrievalmodell - allgemein Ein Retrievalmodell
Mehr2. 1. Suche vorbereiten
2. 1. Suche vorbereiten Wie soll ich suchen? Wie weiss ich, dass mir bei der Suche nichts entgangen ist? Wo finde ich die relevanten Publikationen, Quellen und Informationen? Eine gut vorbereitete Suche
MehrA.1 Schaltfunktionen und Schaltnetze
Schaltfunktionen und Schaltnetze A. Schaltfunktionen und Schaltnetze 22 Prof. Dr. Rainer Manthey Informatik II Bedeutung des Binärsystems für den Rechneraufbau Seit Beginn der Entwicklung von Computerhardware
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume
MehrKurze Geschichte der linearen Algebra
Kurze Geschichte der linearen Algebra Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 20 Entwicklung Die Historische Entwicklung
MehrOhne Mathematik undenkbar!
Die tägliche - Suche: Ohne Mathematik undenkbar! Dipl.-Wirt.Math. Jan Maruhn FB IV - Mathematik Universität Trier 29. März 2006 29. März 2006 Seite 1 Gliederung Einleitung und Motivation Das Internet als
MehrVorkurs Mathematik für Informatiker Aussagenlogik -- Thomas Huckle Stefan Zimmer Matous Sedlacek,
Vorkurs Mathematik für Informatiker -- 4 ussagenlogik -- Thomas Huckle Stefan Zimmer Matous Sedlacek, 7..2 ussagenlogik Rechnen mit Wahrheitswerten: oder, oder Objekte, die wir untersuchen, sind jetzt
MehrTechnische Grundlagen der Informatik
Technische Grundlagen der Informatik WS 2008/2009 5. Vorlesung Klaus Kasper WS 2008/2009 Technische Grundlagen der Informatik Inhalt Wiederholung Feldeffekttransistoren (FET) Logikschaltungen in CMOS-Technologie
MehrEinführung zum Seminar
Einführung zum Seminar Philipp Slusallek Computergraphik Universität des Saarlandes Übersicht Motivation Literatur Vortrag Bericht 1 Motivation Seminare Einführung und Training des wissenschaftlichen Arbeitens
MehrVorlesung Information Retrieval Wintersemester 04/05
Vorlesung Information Retrieval Wintersemester 04/05 20. Januar 2005 Institut für Informatik III Universität Bonn Tel. 02 28 / 73-45 31 Fax 02 28 / 73-43 82 jw@informatik.uni-bonn.de 0 Themenübersicht
MehrInformationskompetenz. Veranstaltung am Peter Daub
Informationskompetenz Veranstaltung am 8.5.2008 Peter Daub Facts 85% der Benutzer beginnen Ihre Recherche mit Suchmaschinen,nur 1% nimmt z. Bsp. eine Bibliotheksseite als Ausgangspunkt 90% aller Benutzer
Mehr