PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion
|
|
- Inken Kohler
- vor 8 Jahren
- Abrufe
Transkript
1 PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion WS2001/2002 Klaus Unterstein PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 1
2 Verlauf Begriffsklärung Ontologiebasierte Wissensextraktion Methoden Vor- und Nachteile im Vergleich Bewertung der Ansätze Praxis/Trends Schlußwort PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 2
3 Begriffsklärung Ontologie(n) (Wissens-) Extraktion Ontologiebasierte Wissensextraktion (OWE) PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 3
4 Ontologie(n) Definition Motivation Zweck Beschreibung Einsatz Bewertung PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 4
5 Ontologie(n) - Definition Was ist eine Ontologie? Definition (Gruber): An ontology is a formal, explicit specification of a shared conceptualization. [1993] Eine Ontologie beschreibt explizit eine formale, verteilte Konzeptualisierung eines bestimmten, uns interessierenden Bereichs PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 5
6 Ontologie(n) Motivation (1) (allgemein) Warum benutzen wir Ontologien? Anzahl gespeicherter Informationsquellen wachsen Zugriff, Finden und Zusammenfassen von Informationen immer schwieriger Große Lücke zwischen Konzeptualisierung der Informationen und gespeicherte Form PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 6
7 Ontologie(n) - Motivation (2) (spezieller Zweck) Warum benutzen wir Ontologien? (Fortsetzung) Kommunikationshilfe zwischen Mensch und Maschine, was den Austausch von Semantik UND Syntax unterstützen soll Knowledge sharing und Wiederverwendung Zur Festlegung bestimmter Begriffe (Eindeutigkeit) Sie erzwingen eine wohldefinierte Semantik auf solche Konzeptualisierungen Sie sollen Hintergrund-Wissen zur Verfügung stellen, um die Leistung von Informations-Extraktions-Systemen zu erhöhen Formalisierung von implizit vorhandenem Wissen PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 7
8 Ontologie(n) - Motivation (3) Semiotisches Dreieck Begriff erweckt bezieht sich auf Symbol steht für Ding [Odgen, Richards, 1923] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 8
9 Ontologie(n) - Motivation (4) Semiotisches Dreieck Ontologie legt fest Begriff erweckt bezieht sich auf Symbol steht für Ding [nach: S. Staab, 2001] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 9
10 Ontologie(n) Beschreibung (1) Eine Ontologie wird beschrieben durch: Eine Menge von Zeichenketten, die die lexikalen Einträge L für Konzepte und Relationen beschreiben Eine Menge von Konzepten C Eine Taxonomie von Konzepten (bei einigen Definitionen Heterarchie) H C PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 10
11 Ontologie(n) Beschreibung (2) (Fortsetzung) Ein Satz an nicht-taxonomischen Relationen R (beschrieben durch ihre Domain) Relationen F und G, die Konzepte und Relationen verknüpfen Die Taxonomie der Relationen (bzw. Heterarchie H R ) (optional) Axiome A, die weitere Constraints der Ontologie beschreiben und es erlauben, implizite Fakten explizit zu machen (optional) PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 11
12 Ontologie(n) - Zweck Ontologien beschreiben: Domain-relevante Konzepte Beziehungen zwischen den Konzepten Axiome für die Konzepte und Beziehungen PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 12
13 Ontologie(n) - Einsatz Einsatz von Ontologien in Informations-Extraktions- Systemen zur: Integration von Informationen aus heterogenen Quellen Extraktion weiterer Fakten durch Schliessen (Inferenz) Generierung verschiedener Ziel-Strukturen zur Informationsspeicherung Einfache Anpassung/Änderung während der Laufzeit PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 13
14 Ontologie(n) Bewertung Vorteile: Einfaches Prinzip Betrachtung relevanter Bereiche (Fokussierung) Vorteile durch Nutzung von Semantik und Hintergrundwissen Dynamische Entwicklung (siehe Such-Maschine) Semi-automatische Ansätze Nachteile: (bisher) manuelle Erstellung Zeitliche Erstellung Problematik: Vollständigkeit vs. Minimalität PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 14
15 (Wissens-) Extraktion Definition Extraktion von Informationen Verschiedene Quellen (DB, WWW, Mail...) Verschiedene Datenformate (HTML, XML, unstrukturierter Text,...) Verschiedene Extraktions-Methoden (Anwendung abhängig vom Datenformat) PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 15
16 Wissensextraktion Eine mögliche Definition: Der Prozeß, in dem Information automatisch aus textuellen Dokumenten in eine zur Speicherung in Datenbanken geeignete Form generiert wird. [J. M. Lawler, 1998] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 16
17 Ontologiebasierte Wissensextraktion: Was ist ontologiebasierte Wissensextraktion (kurz: OWE)? Die Verwendung von Ontologien zur Unterstützung des Wissensextraktionsprozesses auf verschiedene Weisen PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 17
18 OWE Allgemein Informationsextraktion und Integration mittels Ontologien Klassifikationskriterien Verfahren PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 18
19 OWE - Allgemein Verwendung von Ontologien im Extraktionsprozeß Wahl der Ontologie abhängig vom Anwendungsbereich Flexible Extraktion abhängig von Ontologie Extraktionsprozeß liefert Informationen für die semantische Annotation der Texte Annotation liefert als Nebenprodukt die Klassifikation der Daten, die dadurch direkt integriert werden können PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 19
20 Informationsextraktion & Integration mittels Ontologien Strukturiert: DB s QUELLEN XML HTML DB Dokumente Semistrukturiert: Unstrukturiert: Ontologie(n) [nach S. Staab, 1999] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 20
21 OWE - Klassifikationskriterien Autonomie-Grad - manuell (durchführbar, aber zeit-intensiv) - semi-automatisch (aktueller Stand) - automatisch (Zukunftsvision) Verwendete Methoden Verschiedene Verfahren - Bottom-up - Top-down - Merging & Mapping Eingabedaten (Strukturiertheit) Extraktion on-demand vs. Vorab-Extraktion PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 21
22 Aneignungs-Prozeß (allgemein) Evaluation Semi-automatischer Ontologie- Quellenwahl* Relationen Lernen Konzept Lernen = Startzustand Domain Fokussierung [J. Kietz,2000] *=mögliche Quellen wären: Ontologien, Texte, semi-strukturierte Informationen PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 22
23 Methoden NLP: (z.b. SMES): - morphologische Analyse (Stamm)* - Semantik-Analyse - Erkennung benannter Entitäten* - Nutzung domain-spezifischer Informationen Text-Clustering: - Reduktion der Text-Dimension durch NLP - Clusterbildung (iterativ) - Klassifikation anhand der Cluster PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 23
24 Methoden Muster-Abgleich Induktive Verfahren - Erkennung/Klassifikation unbekannter Konzepte - Erkennung von Relationen zwischen Konzepten Inferenz (mit Description Logic) Statistik PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 24
25 KDT - Beispiel-Architektur Quellen (HTML, Text,...) Preprocessing (z.b. NLP) Clustering XML- Dokumente XML- DTD Postprocessing [H. Graubitz, 2001] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 25
26 Vor- und Nachteile im Vergleich NLP + orientiert sich an Sprache, Lexika - viele Heuristiken, manuelle Regelerstellung Text-Clustering + iterative automatisierte Variante - Einschränkung auf eine Domain, Erklärbarkeit Muster-Abgleich + allgemein anwendbar - viele Heuristiken, manuelle Regelerstellung PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 26
27 Vor- und Nachteile im Vergleich Induktive Verfahren + Automatisierung - Erlernen der Regeln kompliziert Inferenz (mittels Description Logic) + Ableitung von weiteren Regeln durch Inferenz & unvollständige/fehlerhafte Daten sind nutzbar - verschiedene Standards Statistik + schnell, zuverlässig, bereits bekannt - manchmal absurde Ergebnisse, Verständlichkeit PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 27
28 Bewertung der Ansätze Einzelne Anwendung einer Methode ist nicht optimal. Kombination mehrer Methoden, um die Stärken zu kombinieren und Nachteile einzelner Verfahren zu mildern. Kombination von Text-Clustering und NLP hat sich in einigen Situationen bewährt PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 28
29 OWE - Verfahren Prozeß-Schritte (allgemein): Import/Wiederverwendung/Konvertierung von Ontologien (optional) Extraktion von Daten (bottom-up; top-down) Pruning (Beschneidung) Refining (Veredelung) Verifikation/Evaluation PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 29
30 Ontologie-Lernen: Prozeß-Schritte Application data Extract Prune Ontology Learning Import & Reuse Refine Apply = Beginn [A. Mädche, 2001] Tools PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 30
31 OWE Verfahren (Bottom-up) Angefangen wird mit einem Datensatz, aus dem eine Ontologie erstellt wird, die die Daten strukturiert. Genauer: Verwendung von zwei Text-Sammlungen (domain-spezifische vs. allgemeine) Statistische Erfassung (Wörter, Häufigkeit,...) PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 31
32 OWE Verfahren (Bottom-up) Dimensionsreduktion (NLP, Stammbildung,...) Erstellung eines domain-spezifischen Lexikons (Konzepte) Anwendung heuristischer Verfahren zur Relationserstellung (semantische Analyse) Pruning Refining PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 32
33 OWE Verfahren (Top-down) Anfangs hat man bereits eine allgemeine Ontologie, die dann im Verlauf durch bereichsbezogene Daten an den interessierenden Bereich angepaßt wird. (Domain-Fokussierung) Genauer: Wahl einer (allgemeinen) Ontologie und domain-spezifischen Quellen (Import) PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 33
34 OWE Verfahren (Top-down) Anwendung heuristischer Verfahren zur Konzept- und Relationsextraktion. Erweiterung der bestehenden Ontologie durch gefundene Konzepte und Relationen (Fokussierung) Pruning Refining Wahl der Kern-Ontologie hat starke Auswirkungen PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 34
35 Domaintexte Beispiel (allgemein) SMES IE System annotierte Domain Texte Kernontologie Aneignungs- Algorithmen Statistik Maschinelles Lernen Domain Lexikon Wissensextraktion Top Down - Domain Lexikon erweiterte Ontologie [A. Mädche, 1999] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 35
36 Architektur für Ontologie Lernen Text & Processing Management Ontology Learning & Pruning Algorithms Text Processing Server Domain Ontology Multi Strategy Learning Result Set Lexical DB Stemming POS tagging Chunk parsing Domain lexicon Tools Information Extraction [J. U. Kietz, 2000] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 36
37 OWE - Verfahren Merging: Zusammenführung von Ontologien zur Konstruktion einer neuen Ontologie. Mapping: Erstellung von Regeln, die Entsprechungen aus den Ontologien zuordnen PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 37
38 Praxis und Trends Vereinfachung in der Entwicklung fördert Verbreitung Verbesserung der Extraktionsfähigkeiten Automatisierung des kompletten Prozesses Steigende Integration und Verwendung von Ontologien in vielen Bereichen Semantic Web und Knowledge-Portale sind wichtige Gebiete PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 38
39 Schlußwort Hilfreiche Technik, die auf spezielle Bereiche zugeschnitten wird Anpassung an Aufgabenstellung durch Änderung der Ontologie Unterschiedliche Ansätze zur Extraktion Verschiedene Methoden aus vielen Bereichen (Maschinelles Lernen, Assoziationsregeln, Clustering,...). Profitiert aus Erfolgen aus jedem dieser Bereiche Mißbrauch Verkettung vieler Verfahren, Komplexität, Aufwand PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 39
40 Literaturangaben [OBE98] D. W. Embley, D. M. Campbell, S. W. Liddle, R. D. Smith. Ontology-Based Extraction and Structuring of Information from Data-Rich Unstructured Documents in CIKM 98. [OBI 99] A. Mädche, S. Staab, R. Studer. Ontology-based Information Extraction and Integration in DGfS/CL 99. [SOAC] J.-U. Kietz, A. Mädche, R. Volz. A Method for semi-automatic Ontology Acquisition from a corporate Intranet in EKAW [STDS] H. Graubitz, K. Winkler, M. Spiliopoulou. Semantic Tagging of Domain- Specific Text Documents with DIAsDEM in DBFusion [OBTC] A. Hotho, S. Staab, A. Mädche.Ontology-based Text-Clustering in IJCAI [LOSW] A. Mädche, S. Staab.Learning Ontologies for the Semantic Web in ECML/PKDD2001. [DLOE] A. Todirascu. Using Description Logics for Ontology Extraction in Ontology Learning 2000 at ECAI2000. Danke! PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 40
Ontologiebasierte Wissensextraktion
Ontologiebasierte Wissensextraktion Klaus Unterstein 13. November 2001 Inhaltsverzeichnis 1 Einleitung 2 2 Begriffsklärung 2 2.1 Ontologie(n).............................. 2 2.1.1 Definition...........................
MehrSemantic Web Technologies I! Lehrveranstaltung im WS10/11! Dr. Andreas Harth! Dr. Sebastian Rudolph!
Semantic Web Technologies I! Lehrveranstaltung im WS10/11! Dr. Andreas Harth! Dr. Sebastian Rudolph! www.semantic-web-grundlagen.de Ontology Engineering! Dr. Sebastian Rudolph! Semantic Web Architecture
MehrDie Entwicklung eines Glossars (oder eines kontrollierten Vokabulars) für ein Unternehmen geht üblicherweise in 3 Schritten vor sich:
Glossare 1 Inhalt 1 Inhalt... 1 2 Prozesse... 1 3 Eine kleine Zeittabelle...... 1 4 Die ersten Schritte... 2 5 Die nächsten Schritte...... 2 6 Die letzten Schritte... 3 7 Das Tool...... 4 8 Beispiele...
MehrSemantic Web Technologies I
Semantic Web Technologies I Lehrveranstaltung im WS11/12 Dr. Elena Simperl PD Dr. Sebastian Rudolph M. Sc. Anees ul Mehdi Ontology Engineering Dr. Elena Simperl XML und URIs Einführung in RDF RDF Schema
MehrSemantische Datenintegration: von der Theorie zur Anwendung
Semantische Datenintegration: von der Theorie zur Anwendung Prof. Dr. Heiner Stuckenschmidt Institut für Enterprise Systems Name und Datum www.uni-mannheim.de Seite 1 Teil I: Grundlagen Das Problem der
MehrMai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln
Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese
MehrOntologien und Ontologiesprachen
Ontologien und Ontologiesprachen Semantische Datenintegration SoSe2005 Uni Bremen Yu Zhao Gliederung 1. Was ist Ontologie 2. Anwendungsgebiete 3. Ontologiesprachen 4. Entwicklung von Ontologien 5. Zusammenfassung
MehrGI-Technologien zur Umsetzung der EU-Wasserrahmenrichtlinie (WRRL): Wissensbasen. Teil 1: Einführung: Wissensbasis und Ontologie.
GI-Technologien zur Umsetzung der EU-Wasserrahmenrichtlinie (WRRL): Wissensbasen Teil 1: Einführung: Wissensbasis und Ontologie Was ist eine Wissensbasis? Unterschied zur Datenbank: Datenbank: strukturiert
MehrYAGO YAGO. A semantic knowledge base. Paul Boeck. Humboldt Universität zu Berlin Institut für Informatik. Dezember 2012 1/19
1/19 A semantic knowledge base Paul Boeck Humboldt Universität zu Berlin Institut für Informatik Dezember 2012 2/19 Übersicht 1 Einführung 2 Das Modell Struktur Semantik 3 Das System 4 Anwendung 3/19 Einführung
MehrDie Beschreibung bezieht sich auf die Version Dreamweaver 4.0. In der Version MX ist die Sitedefinition leicht geändert worden.
In einer Website haben Seiten oft das gleiche Layout. Speziell beim Einsatz von Tabellen, in denen die Navigation auf der linken oder rechten Seite, oben oder unten eingesetzt wird. Diese Anteile der Website
Mehr!!!!T!!! Systems!() Multimedia Solutions
Inhalt. Was ist das semantische Web? Wie findet man einen Arzttermin mit Hilfe des semantischen Web? Wie gibt man Inhalten einen Sinn? Welche Werkzeuge stehen zur Verfügung? Wo können strukturierte Inhalte
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
MehrDer VALUEpilot NEU! Ihr Ass im Ärmel
Der VALUEpilot NEU! m Ihr Ass im Ärmel Steckbrief Name: VALUEpilot Beruf: Wertermittler Hobbys: Mathematik und Statistik Alter: 4 Jahre Abrufe pro Monat: stark steigend Wohnort: Neuss Stärken: schnell,
MehrNewsletter 3.7 19.05.2014. mit diesem Informationsschreiben möchten wir Sie auf den Versionswechsel von Fair@Link 3.6 auf 3.7 aufmerksam machen.
Newsletter 3.7 19.05.2014 Sehr geehrte Fair@Link-Kunden, mit diesem Informationsschreiben möchten wir Sie auf den Versionswechsel von Fair@Link 3.6 auf 3.7 aufmerksam machen. Nachfolgend werden die Änderungen
MehrProzessbeschrieb des Wissensaustauschs zwischen den Generationen in Unternehmen, Organisationen und in der Verwaltung
Personal und Organisationsentwicklung Prozessbeschrieb des Wissensaustauschs zwischen den Generationen in Unternehmen, Organisationen und in der Verwaltung 1. Einleitung Der folgende Prozessbeschrieb ist
MehrKlausur Interoperabilität
Klausur 21. Juni 2012 9.30 11.00 Uhr Workflow Systems and Technology Group Fakultät für Informatik Universität Wien Univ.-Prof. Dr. Stefanie Rinderle-Ma Allgemeine Hinweise: Die Bearbeitungszeit beträgt
MehrSemantische Infomationsintegration à la carte?
Semantische Infomationsintegration à la carte? Ziele und Herausforderungen der Anwendung des CIDOC CRM. Historisch-Kulturwiss. Informationsverarbeitung, Universität Köln 1. Oktober 2010 1 Ein User Scenario
MehrContent360. Content Marketing mit System Traffic nachhaltig und unabhängig generieren
Content Marketing mit System Traffic nachhaltig und unabhängig generieren *Das Ziel Die Abhängigkeit von Suchmaschinen Schritt für Schritt reduzieren. Alternative Besucherquellen als Basis des künftigen
MehrEin subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen
Ein subjektiver Vergleich zwischen SSIS und Kettle mit Ausblick auf die Generierung von BI-Lösungen vorgestellt am 29.09.2008 in der PASS Regionalgruppe Karlsruhe Michael Riedmüller inovex GmbH Project
MehrQualitätssicherung bei der mobilen Datenerfassung
Qualitätssicherung bei der mobilen Datenerfassung Stephan Mäs Arbeitsgemeinschaft GIS Universität der Bundeswehr München http://www.unibw.de/bauv11/geoinformatik/agis 9. Seminar GIS & Internet 13.-15.
MehrEIDAMO Webshop-Lösung - White Paper
Stand: 28.11.2006»EIDAMO Screenshots«- Bildschirmansichten des EIDAMO Managers Systemarchitektur Die aktuelle EIDAMO Version besteht aus unterschiedlichen Programmteilen (Komponenten). Grundsätzlich wird
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
MehrGesetzliche Aufbewahrungspflicht für E-Mails
Gesetzliche Aufbewahrungspflicht für E-Mails sind Sie vorbereitet? Vortragsveranstaltung TOP AKTUELL Meins und Vogel GmbH, Plochingen Dipl.-Inf. Klaus Meins Dipl.-Inf. Oliver Vogel Meins & Vogel GmbH,
MehrWie richten Sie Ihr Web Paket bei Netpage24 ein
Wie richten Sie Ihr Web Paket bei Netpage24 ein Eine kostenlose ebook Anleitung von Netpage24 - Webseite Information 1 E-Mail Bestätigung... 3 2 Ticketsystem... 3 3 FTP Konto anlegen... 4 4 Datenbank anlegen...
MehrContent Management Systeme (CMS)
Content Management Systeme (CMS) Was ist ein Content Management System? Ein Instrument des Wissensmanagements. Was bedeutet Wissen(smanagement)? Wissen kann in unterschiedlichen Kontexten unterschiedlich
MehrÜbung: Netzwerkmanagement mit SNMP
Übung: Netzwerkmanagement mit SNMP Inhalt Ziel... 2 SNMP-Manager-Utilities... 2 Vorbereitung... 3 SNMP (command-line)... 4 Web-MIB-Browser... 5 ireasoning MIB-Browser... 5 Telekommunikation/Elektrotechnik
MehrWMS Block: Management von Wissen in Dokumentenform PART: Text Mining. Myra Spiliopoulou
WMS Block: Management von Wissen in nform PART: Text Mining Myra Spiliopoulou WIE ERFASSEN UND VERWALTEN WIR EXPLIZITES WISSEN? 1. Wie strukturieren wir Wissen in nform? 2. Wie verwalten wir nsammlungen?
MehrDatensicherung EBV für Mehrplatz Installationen
Datensicherung EBV für Mehrplatz Installationen Bitte beachten Sie EBV 3.4 bietet Ihnen die Möglichkeit eine regelmäßige Sicherung der Daten vorzunehmen. Wir möchten Sie darauf hinweisen, dass Sie für
MehrOrdner Berechtigung vergeben Zugriffsrechte unter Windows einrichten
Ordner Berechtigung vergeben Zugriffsrechte unter Windows einrichten Was sind Berechtigungen? Unter Berechtigungen werden ganz allgemein die Zugriffsrechte auf Dateien und Verzeichnisse (Ordner) verstanden.
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.
MehrDaten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten) Diagnoseziel Klassifikation
Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten) Diagnoseziel Klassifikation sicher heuristisch überdeckend Entscheidungstabellen
MehrTransformation von Regelungen in Softwareanforderungen
Transformation von Regelungen in Softwareanforderungen Beitrag zur GfP Jahrestagung 2015 Prof. Dr. Thomas Off Beuth Hochschule für Technik Berlin Inhalt Software für E Government Anwendungen Semantic Web
MehrWas sind Ontologie-Editoren?
Was sind Ontologie-Editoren? Kurzeinführung Protégé Sonja von Mach und Jessica Otte Gliederung Ontologie Editoren- allgemein warum nutzen wofür nutzen Probleme Marktlage Einführung in die praktische Arbeit
MehrCopyright 2014 Delta Software Technology GmbH. All Rights reserved.
Karlsruhe, 21. Mai 2014 Softwareentwicklung - Modellgetrieben und trotzdem agil Daniela Schilling Delta Software Technology GmbH The Perfect Way to Better Software Modellgetriebene Entwicklung Garant für
MehrÜbungen zur Softwaretechnik
Technische Universität München Fakultät für Informatik Lehrstuhl IV: Software & Systems Engineering Markus Pister, Dr. Bernhard Rumpe WS 2002/2003 Lösungsblatt 9 17. Dezember 2002 www4.in.tum.de/~rumpe/se
MehrSeminar Informationsintegration und Informationsqualität. Dragan Sunjka. 30. Juni 2006
Seminar Informationsintegration und Informationsqualität TU Kaiserslautern 30. Juni 2006 Gliederung Autonomie Verteilung führt zu Autonomie... Intra-Organisation: historisch Inter-Organisation: Internet
MehrCorporate Design leicht gemacht. officeatwork für Microsoft Dynamics AX und Microsoft Dynamics CRM
Corporate Design leicht gemacht officeatwork für Microsoft Dynamics AX und Microsoft Dynamics CRM officeatwork Dynamics Connector Corporate Design leicht gemacht officeatwork ist die Business-Lösung für
MehrTransparente Hausverwaltung Marketingschmäh oder doch: eine neue Dimension der Dienstleistung?
Transparente Hausverwaltung Marketingschmäh oder doch: eine neue Dimension der Dienstleistung? INTERNET Geschäftsführer Biletti Immobilien GmbH 24/7 WEB Server Frankgasse 2, 1090 Wien E-mail: udo.weinberger@weinberger-biletti.at
MehrWindows XP Jugendschutz einrichten. Monika Pross Molberger PC-Kurse
Windows XP Jugendschutz einrichten Monika Pross Molberger PC-Kurse Um ein Benutzerkonto mit Jugendschutzeinstellungen zu verwenden, braucht man ein Eltern- Konto (Administrator) und eine Kinderkonto (Standard).
MehrTerminologie zwischen normativer Referenz und deskriptiver Dokumentation. Dr. Birte Lönneker-Rodman, Across Systems GmbH
Terminologie zwischen normativer Referenz und deskriptiver Dokumentation Dr. Birte Lönneker-Rodman, Across Systems GmbH Überblick Normative Referenzterminologie - Beispiele - Unterstützende Funktionen
MehrSeite 1 von 14. Cookie-Einstellungen verschiedener Browser
Seite 1 von 14 Cookie-Einstellungen verschiedener Browser Cookie-Einstellungen verschiedener Browser, 7. Dezember 2015 Inhaltsverzeichnis 1.Aktivierung von Cookies... 3 2.Cookies... 3 2.1.Wofu r braucht
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.
Kontextfreie Kontextfreie Motivation Formale rundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen Bisher hatten wir Automaten, die Wörter akzeptieren Frank Heitmann heitmann@informatik.uni-hamburg.de
MehrContent Management System mit INTREXX 2002.
Content Management System mit INTREXX 2002. Welche Vorteile hat ein CM-System mit INTREXX? Sie haben bereits INTREXX im Einsatz? Dann liegt es auf der Hand, dass Sie ein CM-System zur Pflege Ihrer Webseite,
MehrHilfe zur Urlaubsplanung und Zeiterfassung
Hilfe zur Urlaubsplanung und Zeiterfassung Urlaubs- und Arbeitsplanung: Mit der Urlaubs- und Arbeitsplanung kann jeder Mitarbeiter in Coffee seine Zeiten eintragen. Die Eintragung kann mit dem Status anfragen,
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.
MehrCookies. Krishna Tateneni Jost Schenck Übersetzer: Jürgen Nagel
Krishna Tateneni Jost Schenck Übersetzer: Jürgen Nagel 2 Inhaltsverzeichnis 1 Cookies 4 1.1 Regelungen......................................... 4 1.2 Verwaltung..........................................
MehrGrammatiken. Einführung
Einführung Beispiel: Die arithmetischen Ausdrücke über der Variablen a und den Operationen + und können wie folgt definiert werden: a, a + a und a a sind arithmetische Ausdrücke Wenn A und B arithmetische
MehrMicrosoft SharePoint 2013 Designer
Microsoft SharePoint 2013 Designer Was ist SharePoint? SharePoint Designer 2013 Vorteile SharePoint Designer Funktionen.Net 4.0 Workflow Infrastruktur Integration von Stages Visuelle Designer Copy & Paste
Mehr5. Business Rules Der Business Rules Ansatz. 5. Business Rules. Grundbegriffe um Umfeld von Business-Rule-Management-Systemen kennen und
5. Business Rules Lernziele: Grundbegriffe um Umfeld von Business-Rule-Management-Systemen kennen und erläutern können; Die Funktionsweise und die Möglichkeiten einer Rule Engine verstehen und einsetzen
MehrWeb Data Management Systeme
Web Data Management Systeme Seminar: Web-Qualitätsmanagement Arne Frenkel Agenda Einführung Suchsysteme Suchmaschinen & Meta-Suchmaschinen W3QS WebSQL WebLog Information Integration Systems Ariadne TSIMMIS
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
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
MehrAcht Gute Gründe für Integration und einen Content Backbone
Acht Gute Gründe für Integration und einen Content Backbone COMYAN Whitepaper Autor Peter Resele Datum 9. März 2009 Status Public =GmbH Karolingerstrasse 34a 82205 Gilching Germany t + 49 810 5779390 peter.resele@comyan.com
MehrAnforderungen an die HIS
Anforderungen an die HIS Zusammengefasst aus den auf IBM Software basierenden Identity Management Projekten in NRW Michael Uebel uebel@de.ibm.com Anforderung 1 IBM Software Group / Tivoli Ein Feld zum
MehrData Mining-Projekte
Data Mining-Projekte Data Mining-Projekte Data Mining stellt normalerweise kein ei nmaliges Projekt dar, welches Erkenntnisse liefert, die dann nur einmal verwendet werden, sondern es soll gewöhnlich ein
MehrSemantic Web. Anwendungsbereiche & Entwicklungen. http://www.know-center.at. Dr. Michael Granitzer
Semantic Web Anwendungsbereiche & Entwicklungen Dr. Michael Granitzer - gefördert durch das Kompetenzzentrenprogramm Agenda Die Vision und warum das Semantic Web Sinn macht Grundlagen: Wissensrepräsentation
MehrEnterprise Content Management
Enterprise Content Management Dr.-Ing. Raymond Bimazubute Lehrstuhl für Künstliche Intelligenz Friedrich Alexander Universität Erlangen-Nürnberg Email: raymond.bimazubute@informatik.uni-erlangen.de Vorbemerkungen
MehrLabTech RMM. Integration von Teamviewer. Vertraulich nur für den internen Gebrauch
Integration von Teamviewer Vertraulich nur für den internen Gebrauch Inhaltsverzeichnis Integration von Teamviewer in LabTech RMM 3 Schritt 1: Speicherung von Teamviewer-ID und -Kennwort 3 Schritt 2: Starten
MehrEvent Recognition Engine
Event Recognition Engine Eine Analysis Engine im UIMA Framework Hauptseminar Information Retrieval Tobias Beck 10.01.2011 2 Übersicht: Einordnung UIMA Komponenten einer UIMA Pipeline Selbst erstellte Event
MehrArchitekturplanung und IS-Portfolio-
Architekturplanung und IS-Portfolio- management Gliederung 1.Einführung 2.Architekturplanung 3.IS-Portfoliomanagement 4.AP und IS-PM 5.Fazit 2 1. Einführung Problem: Verschiedene Software im Unternehmen
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
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
MehrIntegration, Migration und Evolution
14. Mai 2013 Programm für heute 1 2 Quelle Das Material zu diesem Kapitel stammt aus der Vorlesung Datenintegration & Datenherkunft der Universität Tübingen gehalten von Melanie Herschel im WS 2010/11.
MehrHandbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken
Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen
MehrIntegration mit. Wie AristaFlow Sie in Ihrem Unternehmen unterstützen kann, zeigen wir Ihnen am nachfolgenden Beispiel einer Support-Anfrage.
Integration mit Die Integration der AristaFlow Business Process Management Suite (BPM) mit dem Enterprise Information Management System FILERO (EIMS) bildet die optimale Basis für flexible Optimierung
MehrLocal Control Network
Lichtszenen Sie ermöglichen per einfachen Tastendruck die Lichtstimmung auszuwählen, z.b. im Wohnzimmer entweder Putzlicht (alle 100%), TV, Lesen oder Unter uns (alle 0%). Oder im Kino, in der Kirche oder
MehrVirtual Roundtable: Business Intelligence - Trends
Virtueller Roundtable Aktuelle Trends im Business Intelligence in Kooperation mit BARC und dem Institut für Business Intelligence (IBI) Teilnehmer: Prof. Dr. Rainer Bischoff Organisation: Fachbereich Wirtschaftsinformatik,
MehrArtikel Schnittstelle über CSV
Artikel Schnittstelle über CSV Sie können Artikeldaten aus Ihrem EDV System in das NCFOX importieren, dies geschieht durch eine CSV Schnittstelle. Dies hat mehrere Vorteile: Zeitersparnis, die Karteikarte
MehrKlausur Software-Engineering SS 2005 Iwanowski 23.08.2005
Klausur Software-Engineering SS 2005 Iwanowski 23.08.2005 Hinweise: Bearbeitungszeit: 90 Minuten Erlaubte Hilfsmittel: im Anhang, sonst keine Bitte notieren Sie Ihre Antworten ausschließlich auf dem Aufgabenblatt!
Mehr2. Einrichtung der ODBC-Schnittstelle aus orgamax (für 32-bit-Anwendungen)
1. Einführung: Über den ODBC-Zugriff können Sie bestimmte Daten aus Ihren orgamax-mandanten in anderen Anwendungen (beispielsweise Microsoft Excel oder Microsoft Access) einlesen. Dies bietet sich beispielsweise
MehrUpgrade auf die Standalone Editionen von Acronis Backup & Recovery 10. Technische Informationen (White Paper)
Upgrade auf die Standalone Editionen von Acronis Backup & Recovery 10 Technische Informationen (White Paper) Inhaltsverzeichnis 1. Über dieses Dokument... 3 2. Überblick... 3 3. Upgrade Verfahren... 4
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
MehrWorkflow, Business Process Management, 4.Teil
Workflow, Business Process Management, 4.Teil 24. Januar 2004 Der vorliegende Text darf für Zwecke der Vorlesung Workflow, Business Process Management des Autors vervielfältigt werden. Eine weitere Nutzung
MehrFolgende Einstellungen sind notwendig, damit die Kommunikation zwischen Server und Client funktioniert:
Firewall für Lexware professional konfigurieren Inhaltsverzeichnis: 1. Allgemein... 1 2. Einstellungen... 1 3. Windows XP SP2 und Windows 2003 Server SP1 Firewall...1 4. Bitdefender 9... 5 5. Norton Personal
MehrSecurity Patterns. Benny Clauss. Sicherheit in der Softwareentwicklung WS 07/08
Security Patterns Benny Clauss Sicherheit in der Softwareentwicklung WS 07/08 Gliederung Pattern Was ist das? Warum Security Pattern? Security Pattern Aufbau Security Pattern Alternative Beispiel Patternsysteme
MehrProcess Instrumentation and Analytics. Ontologie. Was ist das? und - Was kann man damit machen? Vortrag von Carola Brix
Was ist das? und - Was kann man damit machen? Vortrag von Carola Brix - Was ist das? Als ich das erste Mal von n hörte, wusste ich,......dass ich nichts wusste. -! Hintergrund und Grundlage! von n Was
Mehr(1) Mit dem Administrator Modul werden die Datenbank, Gruppen, Benutzer, Projekte und sonstige Aufgaben verwaltet.
1 TimeTrack! TimeTrack! Ist ein Softwareprodukt von The Project Group, welches der Erfassung von Ist- Aufwänden von Projekten dient. Voraussetzung hierfür ist allerdings, dass das Projekt vorher mit Microsoft
MehrTeam Collaboration im Web 2.0
Team Collaboration im Web 2.0 barcampmitteldeutschland Team Collaboration im Web 2.0 Focus Social Bookmarking Torsten Lunze Team Collaboration in Web 2.0 Motivation Collaboration in verschiedenen Technologien
MehrText-Mining: Einführung
Text-Mining: Einführung Claes Neuefeind Fabian Steeg 22. April 2010 Organisatorisches Was ist Text-Mining? Definitionen Anwendungsbeispiele Textuelle Daten Aufgaben u. Teilbereiche Literatur Kontakt Sprechstunde:
MehrFragebogen ISONORM 9241/110-S
Fragebogen ISONORM 9241/110-S Beurteilung von Software auf Grundlage der Internationalen Ergonomie-Norm DIN EN ISO 9241-110 von Prof. Dr. Jochen Prümper www.seikumu.de Fragebogen ISONORM 9241/110-S Seite
MehrGE Capital Equipment Financing. GE Capital Leasing-Tool Schulungsunterlagen
GE Capital Equipment Financing GE Capital Leasing-Tool Schulungsunterlagen Sie befinden sich im ALSO Online-Shop (2 Objekte liegen in Ihrem Merkzettel) Wechsel vom ALSO Online-Shop zum GE Capital Leasingantrag:
MehrFormale Sprachen und Grammatiken
Formale Sprachen und Grammatiken Jede Sprache besitzt die Aspekte Semantik (Bedeutung) und Syntax (formaler Aufbau). Die zulässige und korrekte Form der Wörter und Sätze einer Sprache wird durch die Syntax
MehrNeue Steuererklärung 2013 erstellen
Neue Steuererklärung 2013 erstellen Bitte klicken Sie im Startmenü auf die Schaltfläche Steuererklärung 2013 NEU Anschliessend wird der folgende Dialog angezeigt. Wenn Sie die letztjährige Steuererklärung
MehrAnleitung Lernobjekt-Depot (LOD)
Anleitung Lernobjekt-Depot (LOD) Anwender von easylearn können voneinander profitieren. Das Lernobjekt-Depot steht allen Benutzern zur Verfügung, um Lernobjekte wie Knowledge Snacks, etc untereinander
MehrMatrix42. Use Case - Sicherung und Rücksicherung persönlicher Einstellungen über Personal Backup. Version 1.0.0. 23. September 2015 - 1 -
Matrix42 Use Case - Sicherung und Rücksicherung persönlicher Version 1.0.0 23. September 2015-1 - Inhaltsverzeichnis 1 Einleitung 3 1.1 Beschreibung 3 1.2 Vorbereitung 3 1.3 Ziel 3 2 Use Case 4-2 - 1 Einleitung
MehrVerborgene (verlorengeglaubte) Werte für die Gegenwart nutzbar machen
Verborgene (verlorengeglaubte) Werte für die Gegenwart nutzbar machen Michael Brueckner, Dipl. Ing Technical Director Process Unternehmensstruktur 400 Mitarbeiter Engineering Dienstleister Chemieindustrie
MehrGalBIB. TSB - Titelstamm Bibliographie. Mit dieser Erweiterung können:
GalBIB TSB - Titelstamm Bibliographie Mit dieser Erweiterung können: - CD's in den Titelstamm aufgenommen werden - Titel des Titelstamms im bibwin bibliographiert werden 1 Funktion...2 2 Installation...2
MehrKlaus Schild, XML Clearinghouse 2003. Namensräume
Namensräume Lernziele Namenskonflikte Warum lösen im World Wide Web einfache Präfixe dieses Problem nicht? Wie lösen globale Namensräume das Problem? Wie werden sie in XML-Dokumenten benutzt? Was sind
MehrEin Beispiel. Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse?
Ein Beispiel Ein Unternehmen will Internettechnologien im Rahmen des E- Business nutzen Welche Geschäftsprozesse? Dipl.-Kfm. Claus Häberle WS 2015 /16 # 42 XML (vereinfacht) visa
MehrECDL Europäischer Computer Führerschein. Jan Götzelmann. 1. Ausgabe, Juni 2014 ISBN 978-3-86249-544-3
ECDL Europäischer Computer Führerschein Jan Götzelmann 1. Ausgabe, Juni 2014 Modul Präsentation Advanced (mit Windows 8.1 und PowerPoint 2013) Syllabus 2.0 ISBN 978-3-86249-544-3 ECDLAM6-13-2 3 ECDL -
MehrBrowsereinstellungen für moneycheck24 in Explorer unter Windows
Browsereinstellungen für moneycheck24 in Explorer unter Windows Wichtige Einstellungen im + Um zu prüfen, welche Version Sie nutzen Einstellungen: Klicken Sie im Menü INTERNETOPTIONEN Extras [oder Tastenkürzel
MehrSteuerung und Unterstützung von Wissensprozessen in Verwaltungsorganisationen 02.06.2006, e-government Konferenz 2006
Steuerung und Unterstützung von Wissensprozessen in Verwaltungsorganisationen 02.06.2006, e-government Konferenz 2006 Klaus Tochtermann [Know-Center Graz und TU Graz] Doris Reisinger [m2n consulting and
MehrUm über FTP Dateien auf Ihren Public Space Server - Zugang laden zu können benötigen Sie folgende Angaben:
FTP-Upload auf den Public Space Server mit FileZilla 1. Was wird benötigt? Um über FTP Dateien auf Ihren Public Space Server - Zugang laden zu können benötigen Sie folgende Angaben: Benutzername: Ihr Webuser
MehrAGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b
AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität
MehrCorporate Actions in epoca
in epoca Einführung Die können in Bezug auf die Buchhaltung zu den komplexesten und anspruchsvollsten Transaktionen gehören. Sie können den Transfer eines Teils oder des ganzen Buchwerts einer Position
MehrMORE Profile. Pass- und Lizenzverwaltungssystem. Stand: 19.02.2014 MORE Projects GmbH
MORE Profile Pass- und Lizenzverwaltungssystem erstellt von: Thorsten Schumann erreichbar unter: thorsten.schumann@more-projects.de Stand: MORE Projects GmbH Einführung Die in More Profile integrierte
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
MehrStuPro-Seminar Dokumentation in der Software-Wartung. StuPro-Seminar Probleme und Schwierigkeiten in der Software-Wartung.
StuPro-Seminar Dokumentation in der Software-Wartung StuPro-Seminar Probleme und Schwierigkeiten in der Software-Wartung Folie 1/xx Software-Wartung: theoretisch Ausgangslage eigentlich simpel: fertige
MehrInstallation und Dokumentation juris Smarttags 1.0
Installation und Dokumentation juris Smarttags 1.0 Was ist ein juris Smarttag: Bei Smarttags handelt es sich um eine Technologie von Microsoft, die die Bestandteile des Microsoft Office Pakets, insbesondere
MehrDarstellungsformen einer Funktion
http://www.flickr.com/photos/sigfrid/348144517/ Darstellungsformen einer Funktion 9 Analytische Darstellung: Eplizite Darstellung Funktionen werden nach Möglichkeit eplizit dargestellt, das heißt, die
Mehr