Evaluation von IR-Systemen
|
|
- Oswalda Esser
- vor 6 Jahren
- Abrufe
Transkript
1 Evaluation von IR-Systemen Überblick Relevanzbeurteilung Übereinstimmung zwischen Annotatoren Precision Recall (Präzision u. Vollständigkeit) Text Retrieval Conference (TREC) Testkollektionen
2 Beurteilen von Retrieval- Ergebnissen Anfrage Ergebnisliste Was ist die richtige Antwort? Welche Dokumente sind für die Anfrage relevant? Relevant sind die Dokumente, die von Testpersonen als relevant eingestuft wurden Intuitiver Relevanzbegriff Nicht objektiv
3 Interannotator- Übereinstimmung Kappa-Maß: < 0,67: schlechte Übereinstimmung 0,67 0,8: akzeptable Übereinstimmung > 0,8: gute Übereinstimmung
4 Anzahl relevanter Dokumente zu einer Anfrage bestimmen Alle Dokumente von Annotatoren beurteilen lassen Frageerweiterung: Verallgemeinerung der Anfrage mehr relevante Dokumente finden Stichprobe Doc-Source-Methode : zufällig Dok auswählen, passende Anfrage formulieren, wird Dok gefunden? Relative Findehäufigkeit Recall
5 Precision und Recall (Präzision und Vollständigkeit)
6 Precision und Recall
7 Precision und Recall Precision erhöhen: spezifischere Anfrage Recall verschlechtert sich Recall erhöhen: allgemeinere Anfrage Precision sinkt Je größer die Precision, desto kleiner der Recall und umgekehrt 100% Precision bei 100% Recall nicht erreichbar
8 F-Measure Bei isolierter Messung von Precision oder Recall allein: 100% Recall: alle Dokumente ausgeben 100% Precision: nur das beste Dokument ausgeben F-Measure: harmonisches Mittel aus Precision und Recall Je nach Anwendungszweck unterschiedliche Gewichtung möglich (Faktor α) F 1 : α = 0,5. Precision u. Recall gleich wichtig
9 F-Measure
10 Precision und Recall für Ranglisten Ergebnislisten sind sortiert Cutoff: nur die ersten n Ergebnisse betrachten (n=10,20,100,1000) (nicht-)interpolierte mittlere Precision: Für jedes relevante Dok (R) in Ergebnisliste die Precision bis zu diesem Punkt berechnen: Anzahl relevanter Doks / Anzahl Doks bis dahin Von diesen den Durchschnittswert bilden Recall an jedem relevanten Dokument: Anzahl relevanter Doks bis dahin / Anzahl relevanter Doks insgesamt (bis zum Cutoff)
11 (Mit R gekennzeichnete Dokumente sind relevant) Mittlere Precision Ergebnisrangliste: 1 R 2 R 3 N 4 R 5 N 6 R 7 N 8 N 9 R 10 N
12 Mittlere Precision Precision Recall 1 R 1/1 1/5 2 R 2/2 2/5 3 N R 3/4 3/5 5 N R 4/6 4/5 7 N N R 5/9 5/5 10 N - - mittlere Prec.: (1/1 + 2/2 + 3/4 + 4/6 + 5/9) / 5 = 0,794
13 Mittlere Precision Warum werden Precision- und Recall-Werte nur für relevante Dokumente (R) berechnet? Warum wird z.b. nicht an Position 3 der Precision-Wert 2/3 gezählt? Weil an dieser Stelle der Recall-Wert immer noch 2/5 wäre, wie bereits an Position 2 Dann gäbe es zum Recall-Wert 2/5 im Precision-Recall-Graphen zwei verschiedene Werte: 2/2 und 2/3 Precision-Recall-Graph wäre keine Funktion mehr
14 Precision-Recall-Graph
15 11-point interpolated average precision Für jede Anfrage: Bestimme interpolierte Precision an den 11 Recall-Levels 0%,10%,...,100% Für jeden Recall-Level: Berechne arithmetisches Mittel aus den interpolierten Precision-Werten zu jeder Anfrage Break-even point: Punkt an dem Precision und Recall gleich sind
16
17 Text Retrieval Conference (TREC) NIST (TREC1-8) mit ad-hoc Track Retrievalexperimente: Textkorpus (Dokumentenkollektion) Topics: Beschreibung eines Informationsbedürfnisses Relevanz wird bzgl. Topic gemessen, nicht bzgl. gestellter Anfrage Relevanzangaben
18 TREC-4 Beispieltopic <title> Hubble Telescope Achievements <desc> Description: Identify positive accomplishments of the Hubble telescope since it was launched in <narr> Narrative: Documents are relevant that show the Hubble telescope has produced new data, better quality data than previously available, data that has increased human knowledge of the universe, or data that has led to disproving previously existing theories or hypotheses. Documents limited to the shortcomings of the telescope would be irrelevant. Details of repairs or modifications to the telescope without reference to positive achievements would not be relevant.
19 TREC Trainingskorpus (TREC-3) 2 Gigabytes Text, 150 Topics (aus TREC-1,2) Testkorpus 1 Gigabyte Text, 50 Topics Mittlerweile 5 Gigabyte Text (1,6 Mio. Dokumente), 400 Topics
20 TREC Relevanzbestimmung: Pooling-Verfahren: die jew besten Doks aus verschiedenen IR-Systemen, diese manuell auf Relevanz bewerten Misst nicht Korrektheit der Ergebnislisten, sondern Ähnlichkeit Recall-Bestimmung ungenau
21 TREC Subjektivität der Relevanzbestimmung: Aus TREC-4-Topics je 200 relevante u. Nichtrelevante ausgewählt Neu bewerten lassen von 2 Vps 30% der relevanten aus TREC-4 von beiden als nicht relevant eingeschätzt 3% der nicht-relevanten von beiden als relevant eingeschätzt Kappa im akzeptablen Bereich Keinen Einfluss auf Rangfolge der Systeme
22 Weitere Testkollektionen Cross-lingual IR: CLEF Topic Detection & Tracking: TDT1-5 ( ) Textklassifikation: 20 Newsgroups Reuters WebKB
23 Weitere Qualitätsfaktoren bei IR-Systemen Größe des Indexes Geschwindigkeit der Indexierung Suchgeschwindigkeit Mächtigkeit der Anfragesprache
24 Interaktive/graphische Suchmaschinen Noch schwieriger bzw. aufwändiger zu evaluieren Benutzer-Beobachtungen, user happiness, Zeitmessungen (ROI)
25 Übungsaufgabe 2 Informationsbedürfnis ( topic ) beschreiben Lucene-Anfrage formulieren Terme Phrasen ( Man Ray ) Boolesche Operatoren AND, OR, NOT Anfrage abschicken In Ergebnisliste relevante Dokumente anklicken (relevance feedback) In neuer Ergebnisliste relevante Dokumente bis cutoff = x auswählen & notieren Bis mind. 3 Topics Siehe Mailingliste!
Darstellung der Methodik in TREC und TREC-basierte Evaluierung
Darstellung der Methodik in TREC und TREC-basierte Evaluierung Martin Jansson Philip Korte Lukas Wozniak 13. November 2005 Jansson, Korte, Wozniak 1 Inhaltsverzeichnis Was ist TREC? Die Ziele der Konferenz
MehrText REtrieval Conferences (cf. TREC hompage: http://www.nist.gov/nlpir/) Ziele von TREC. Spezifika im Vorgehen von TREC. Teilnehmer und Systeme
Quelle: TREC homepage http://www.nist.gov/nlpir IR 209 IR 210 Text REtrieval Conferences (cf. TREC hompage: http://www.nist.gov/nlpir/) TREC (Text REtrieval Conferences) Leitung: Donna Harman offiziell
MehrINEX. INitiative for the Evaluation of XML Retrieval. Sebastian Rassmann, Christian Michele
INEX INitiative for the Evaluation of XML Retrieval Was ist INEX? 2002 gestartete Evaluierungsinitiative Evaluierung von Retrievalmethoden für XML Dokumente Berücksichtigt die hierarchische Dokumentstruktur
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
MehrUser Experience vs. Retrievaltests Wie lässt sich die Relevanz von Suchergebnissen bewerten?
User Experience vs. Retrievaltests Wie lässt sich die Relevanz von Suchergebnissen bewerten? Prof. Dr. Dirk Lewandowski Hochschule für Angewandte Wissenschaften Hamburg dirk.lewandowski@haw-hamburg.de
MehrDeutsche Suchmaschinen im Vergleich: AltaVista.de, Fireball.de, Google.de und Lycos.de
Deutsche Suchmaschinen im Vergleich: AltaVista.de, Fireball.de, Google.de und Lycos.de Joachim Griesbaum 1 / Marc Rittberger 2 / Bernard Bekavac 1 1 Universität Konstanz Fach D 87 D-78457 Konstanz 2 Heinrich-Heine-Universität
MehrPraktikum Information Retrieval Wochen 12: Suchmaschine
Praktikum Information Retrieval Wochen 12: Suchmaschine Melikka Khosh-Niat Matthias Jordan 23. Mai 3. Juni 2011 Lösungen: Upload bis 3. Juni 2011 Aktuelle Informationen, Ansprechpartner, Material und Upload
Mehr2 Evaluierung von Retrievalsystemen
2. Evaluierung von Retrievalsystemen Relevanz 2 Evaluierung von Retrievalsystemen Die Evaluierung von Verfahren und Systemen spielt im IR eine wichtige Rolle. Gemäß der Richtlinien für IR der GI gilt es,...
MehrWebinfolab / CHEVAL: Evaluationslabor für Information Retrieval Systeme mit semantischen und visuellen Komponenten
Webinfolab / CHEVAL: Evaluationslabor für Information Retrieval Systeme mit semantischen und visuellen Komponenten Vortrag anlässlich der ODOK 2007 (20. September 2007, Graz) Joachim Pfister Schweizerisches
MehrAusbildung - graduated from...
Ausbildung - graduated from... Im Rahmen des Hauptseminars Informationsextraktion aus biographischen Kontexten Dozenten: Prof Dr. Franz Guenthner Michaela Geierhos Gehalten von Doris Peter am 3.12.2009
MehrWeb-Suchmaschinen: Suchverhalten, Informationsqualität, Trends. Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de
Web-Suchmaschinen: Suchverhalten, Informationsqualität, Trends Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de Agenda Nutzerverhalten Wie gut sind die gängigen Suchmaschinen? Suche und Web 2.0
MehrGeometrie und Bedeutung: Kap 5
: Kap 5 21. November 2011 Übersicht Der Begriff des Vektors Ähnlichkeits Distanzfunktionen für Vektoren Skalarprodukt Eukidische Distanz im R n What are vectors I Domininic: Maryl: Dollar Po Euro Yen 6
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
MehrEvaluierung von Information Retrieval Systemen
Evaluierung von Information Retrieval Systemen Teil 2: TREC Million Query Track Karin Haenelt 14.12.2014 / 4.12.2011 Inhalt: TREC Million Query Track Ziele und Aufgaben Auswahl des Corpus und der Queries
MehrEbsco Business Source Premier: Recherche
Ebsco Business Source Premier: Recherche Wenn Sie in der Datenbank Business Source Premier recherchieren wollen müssen Sie diese auf der Startseite auswählen: Choose Databases: Business Source Premier
MehrTechnische Universität Chemnitz. Fakultät für Informatik. Professur Medieninformatik. Diplomarbeit. von. Thomas Wilhelm. Matrikelnr.
Technische Universität Chemnitz Fakultät für Informatik Professur Medieninformatik Diplomarbeit von Thomas Wilhelm Matrikelnr. 24754 Entwurf und Implementierung eines Frameworks zur Analyse und Evaluation
MehrScience Citation Index
Science Citation Index 2 Inhalt Der Science Citation Index (SCI) ist eine multidisziplinäre Datenbank, die Zeitschriftenliteratur in den Naturwissenschaften nachweist. Es werden 5.300 Zeitschriften aus
MehrInformationsextraktion
Informationsextraktion Bestimmte Anwendungen bei der semantischen Verarbeitung erfordern keine tiefe linguistische Analyse mit exakter Disambiguierung (= eine einzige und korrekte Lesart). Hierzu gehört
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
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
MehrDie treffende Auswahl anbieten: Im Internet (Referat 3a)
www.zeix.com Die treffende Auswahl anbieten: Im Internet (Referat 3a) Fachtagung: Suchfunktionen im Web Zürich, 26. Oktober 2006 Jürg Stuker, namics Gregor Urech, Zeix Bern, Frankfurt, Hamburg, München,
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
MehrPersonalisierung. Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung. Data Mining.
Personalisierung Personalisierung Thomas Mandl Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung Klassifikation Die Nutzer werden in vorab bestimmte Klassen/Nutzerprofilen
MehrBenutzer- und Referenzhandbuch
Benutzer- und Referenzhandbuch MobileTogether Client User & Reference Manual All rights reserved. No parts of this work may be reproduced in any form or by any means - graphic, electronic, or mechanical,
MehrGeschichte des Internets Suchmaschinen Fachinformationszentren. Institute for Science Networking
Geschichte des Internets Suchmaschinen Fachinformationszentren Kurze Geschichte des Internets Internet: Geschichte beginnt mit der Entwicklung paketvermittelter Netze. Bei der Paketvermittlung werden Nachrichten
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
MehrÄhnlichkeitssuche auf XML-Daten
Ähnlichkeitssuche auf XML-Daten Christine Lehmacher Gabriele Schlipköther Übersicht Information Retrieval Vektorraummodell Gewichtung Ähnlichkeitsfunktionen Ähnlichkeitssuche Definition, Anforderungen
MehrIf you have any issue logging in, please Contact us Haben Sie Probleme bei der Anmeldung, kontaktieren Sie uns bitte 1
Existing Members Log-in Anmeldung bestehender Mitglieder Enter Email address: E-Mail-Adresse eingeben: Submit Abschicken Enter password: Kennwort eingeben: Remember me on this computer Meine Daten auf
MehrNext Generation SEO Author Markups und Schema Integrationen Marcus Tober Köln 16.10.2013
Next Generation SEO Author Markups und Schema Integrationen Marcus Tober Köln 16.10.2013 10/21/2013 Searchmetrics Inc. 2013 Page 1 Gründer von Searchmetrics Ich liebe SEO und Search seit 2001 Informatik-Studium
MehrÜbungsaufgaben mit Lösungsvorschlägen
Otto-Friedrich-Universität Bamberg Lehrstuhl für Medieninformatik Prof. Dr. Andreas Henrich Dipl. Wirtsch.Inf. Daniel Blank Einführung in das Information Retrieval, 8. Mai 2008 Veranstaltung für die Berufsakademie
MehrHEALTH Institut für Biomedizin und Gesundheitswissenschaften
HEALTH Institut für Biomedizin und Gesundheitswissenschaften Konzept zur Verbesserung eines klinischen Information Retrieval Systems unter Verwendung von Apache UIMA und medizinischen Ontologien Georg
MehrInternetsuchmaschinen - Kritische Betrachtung von Funktionalität und Leistungsfähigkeit im Vergleich
Internetsuchmaschinen - Kritische Betrachtung von Funktionalität und Leistungsfähigkeit im Vergleich Prof. Dr. Dirk Lewandowski Hochschule für Angewandte Wissenschaften Hamburg, Fakultät DMI, Department
MehrSemantik in Suchmaschinen Beispiele. Karin Haenelt 7.12.2014
Semantik in Suchmaschinen Beispiele Karin Haenelt 7.12.2014 Inhalt Google Knowledge Graph Freebase schema.org 2 Google Knowledge Graph Zuordnung von Suchtermen zu Weltentitäten Darstellung von Zusammenhängen
Mehr2006, Falk Neubert (ecoservice / materialboerse.de GmbH)
Wie wird meine Webseite gefunden? Falk Neubert, Geschäftsführer ecoservice / materialboerse.de GmbH Was kann gefunden werden? alles was im sichtbaren Web vorhanden ist...... Texte, Dokumente, Grafiken,
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
MehrArbeiten mit Datenbanken
Prof. Dr. Rüdiger Zarnekow TU Berlin, Fakultät VII Kommunikationsmanagement Kommunikationsmanagement Inhalte und Ziele 1. wichtige Hinweise 2. Freie Datenbanken der TU 3. Schlagwortsuche 4. Übung 1 5.
MehrCustomer-specific software for autonomous driving and driver assistance (ADAS)
This press release is approved for publication. Press Release Chemnitz, February 6 th, 2014 Customer-specific software for autonomous driving and driver assistance (ADAS) With the new product line Baselabs
MehrEinsatz einer Dokumentenverwaltungslösung zur Optimierung der unternehmensübergreifenden Kommunikation
Einsatz einer Dokumentenverwaltungslösung zur Optimierung der unternehmensübergreifenden Kommunikation Eine Betrachtung im Kontext der Ausgliederung von Chrysler Daniel Rheinbay Abstract Betriebliche Informationssysteme
MehrISO 15504 Reference Model
Prozess Dimension von SPICE/ISO 15504 Process flow Remarks Role Documents, data, tools input, output Start Define purpose and scope Define process overview Define process details Define roles no Define
MehrAPA Online Manager. IT-Subsidiary of a News Agency as a Profit Center
APA Online Manager IT-Subsidiary of a News Agency as a Profit Center Manfred Mitterholzer Rudolf Horvath Das Unternehmen APA Gruppe 240 Mitarbeiter 34,6 Mio Umsatz APA - IT 100 % Tochter der Austria Presse
Mehr5. Suchmaschinen Herausforderungen beim Web Information Retrieval. Herausforderungen beim Web Information Retrieval. Architektur von Suchmaschinen
5. Suchmaschinen Herausforderungen beim Web Information Retrieval 5. Suchmaschinen 5. Suchmaschinen Herausforderungen beim Web Information Retrieval Verweisstrukturen haben eine wichtige Bedeutung Spamming
MehrDer awords qualitätsfaktor. What makes or breaks your Account
www.fredmansky.at Der awords qualitätsfaktor What makes or breaks your Account Wer ist das überhaupt? Ulf Weihbold im Netz unterwegs seit lange... Adwords zertifiziert seit 2008 Speaker SMX, SEOkomm, SEMSEO,...
Mehr5. Suchmaschinen Herausforderungen beim Web Information Retrieval. 5. Suchmaschinen. Herausforderungen beim Web Information Retrieval
5. Suchmaschinen Herausforderungen beim Web Information Retrieval 5. Suchmaschinen Herausforderungen beim Web Information Retrieval Architektur von Suchmaschinen Spezielle Bewertungsfunktionen Information
MehrIhre Werbemöglichkeiten bei Google
AdWords d für Einsteiger i Ihre Werbemöglichkeiten bei Google Timo Beck Managing Director adwicked adwicked - vertraulich 1 Inhalt Wie ist eine Google-Suchergebnisseite aufgebaut? Natürliche Suchergebnisse
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
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
MehrRechnungswesen Prüfung (30 Minuten - 10 Punkte)
Rechnungswesen Prüfung (30 Minuten - 10 Punkte) 1/4 - Aktiva Programmelement Verfahrensmethode Zeit Punkte Aktiva Füllen Sie die Leerstellen aus 5' 1.5 Die Aktiven zeigen die Herkunft der Vermögensgegenstände
MehrSAP Simple Service Request. Add-on for SAP Solution Manager by SAP Consulting SAP Deutschland SE & Co. KG
SAP Simple Service Request Add-on for SAP Solution Manager by SAP Consulting SAP Deutschland SE & Co. KG IT Service Management with SAP Solution Manager SAP Solution Manager covers all processes of IT
MehrÜbungsaufgaben. Aufgabe 1 Internetsuchmaschinen. Einführung in das Information Retrieval, 8. Mai 2008 Veranstaltung für die Berufsakademie Karlsruhe
Otto-Friedrich-Universität Bamberg Lehrstuhl für Medieninformatik Prof. Dr. Andreas Henrich Dipl. Wirtsch.Inf. Daniel Blank Einführung in das Information Retrieval, 8. Mai 2008 Veranstaltung für die Berufsakademie
MehrVorlesung Suchmaschinen Semesterklausur Wintersemester 2013/14
Universität Augsburg, Institut für Informatik Wintersemester 2013/14 Prof. Dr. W. Kießling 10. Oktober 2013 F. Wenzel, D. Köppl Suchmaschinen Vorlesung Suchmaschinen Semesterklausur Wintersemester 2013/14
MehrInformationsexplosion oder falsche Suchstrategie? Suchstrategien...
www.google.at Wer suchet, der findet... Eine Anleitung zur Suche im Web Informationsexplosion oder falsche Suchstrategie? Suchstrategien...... mit Konzept ans Suchen beides! Suchansätze»best practice«intuitive
MehrNEWSLETTER. FileDirector Version 2.5 Novelties. Filing system designer. Filing system in WinClient
Filing system designer FileDirector Version 2.5 Novelties FileDirector offers an easy way to design the filing system in WinClient. The filing system provides an Explorer-like structure in WinClient. The
MehrKapitel IR:I. I. Einführung. Retrieval-Szenarien Begriffsbildung Einordnung Information Retrieval
Kapitel IR:I I. Einführung Retrieval-Szenarien Begriffsbildung Einordnung Information Retrieval IR:I-1 Introduction STEIN 2005-2010 Retrieval-Szenarien Liefere Dokumente, die die Terme «Information» und
MehrDiplomarbeit. Fachliche Integration von Metrik-Dashboards und Dashboard-Vorlagen für bestehende Software-Projekte
Fakultät für Mathematik, Informatik und Naturwissenschaften Forschungsgruppe Softwarekonstruktion Diplomarbeit Fachliche Integration von Metrik-Dashboards und Dashboard-Vorlagen für bestehende Software-Projekte
MehrDatenbanken und Informationssysteme
Datenbanken und Informationssysteme Information Retrieval: Konzepte und Beispiele Burkhardt Renz Fachbereich MNI TH Mittelhessen Wintersemester 2015/16 Übersicht Konzepte des Information Retrieval Architektur
Mehrneofonie DER SPEZIALIST FÜR IHRE INFORMATIONSARCHITEKTUR
neofonie DER SPEZIALIST FÜR IHRE INFORMATIONSARCHITEKTUR Suchportale der nächsten Generation Dr. Thomas Schwotzer Leiter Forschung, neofonie Suche eine Folien Geschichte 1993: Beginn der HTML-Ära 1993
MehrMit Legacy-Systemen in die Zukunft. adviion. in die Zukunft. Dr. Roland Schätzle
Mit Legacy-Systemen in die Zukunft Dr. Roland Schätzle Der Weg zur Entscheidung 2 Situation Geschäftliche und softwaretechnische Qualität der aktuellen Lösung? Lohnen sich weitere Investitionen? Migration??
MehrSicherheit / Sicherung - unterschiedliche Begriffsbestimmung, gemeinsame Fachaspekte
Sicherheit / Sicherung - unterschiedliche Begriffsbestimmung, gemeinsame Fachaspekte F. Seidel, BfS Salzgitter (Juli 2002) 1) Begriffsbestimmung (Vergleich unter Nutzung nationaler und internationaler
MehrModul Strategic Management (PGM-07)
Modul Strategic Management (PGM-07) Beschreibung u. Ziele des Moduls Dieses Modul stellt als eine der wesentlichen Formen wirtschaftlichen Denkens und Handelns den strategischen Ansatz vor. Es gibt einen
MehrFraud in Organics: Risk analysis
Jochen Neuendorff: Fraud in Organics: Risk analysis. Presentation at the European workshop for prevention of fraud Dealing with Frauds in Organic Production, held October 2-3, 2007 at the Research Institute
MehrDokumentation (ISO 26514) Prof. Sissi Closs Donnerstag,, 5. November 2009
Der neue ISO-Standard Standard für f r Software- Dokumentation (ISO 26514) Prof. Sissi Closs Donnerstag,, 5. November 2009 ISO/IEC 26514 Software and systems engineering User documentation requirements
MehrManagement Information System SuperX status quo and perspectives
Management Information System SuperX status quo and perspectives 1 Agenda 1. Business Intelligence: Basics 2. SuperX: Data Warehouse for Universities 3. Joolap: OLAP for Universities 4. Cooperative reporting
MehrApprox. 2,000 frontlist books and 18,000 backlist books; list will be updated periodically
This checklist provides an overview of the fees and features of the e-books and some additional details. This will simplify the evaluation of the product for the consortia partners. Checklist for e-books
MehrWissenschaftssuchmaschinen
Wissenschaftssuchmaschinen Prof. Dr. Dirk Lewandowski dirk.lewandowski@haw-hamburg.de Vision Eine Datenbank die alle Themenbereiche abdeckt, eine optimale Recherche erlaubt, leicht zu bedienen ist, die
MehrNEUE SUCHE BEI SWISSLEX. Jörn Erbguth 1
NEUE SUCHE BEI SWISSLEX Jörn Erbguth 1 1 CTO, Swisslex Schweizerische Juristische Datenbank AG Rue du Mont Blanc 21, 1201 Genf jerbguth@swisslex.ch; www.swisslex.ch Schlagworte: Juristische Informationssysteme,
MehrVPN Tracker für Mac OS X
VPN Tracker für Mac OS X How-to: Kompatibilität mit DrayTek Vigor VPN Routern Rev. 3.0 Copyright 2003-2005 equinux USA Inc. Alle Rechte vorbehalten. 1. Einführung 1. Einführung Diese Anleitung beschreibt,
MehrErfolgsmessungen im Personalmarketing & Recruiting
Erfolgsmessungen im Personalmarketing & Recruiting GOODGAME STUDIOS Inhabergeführte GmbH Gründung im Jahr 2009, Hauptsitz in Hamburg Zweigstellen in Japan und Korea Ein führendes Unternehmen für Free-to-play-Spiele
MehrKurzanleitung ZEN 2. Bilder importieren und exportieren
Kurzanleitung ZEN 2 Bilder importieren und exportieren Carl Zeiss Microscopy GmbH Carl-Zeiss-Promenade 10 07745 Jena, Germany microscopy@zeiss.com www.zeiss.com/microscopy Carl Zeiss Microscopy GmbH Königsallee
MehrThere are 10 weeks this summer vacation the weeks beginning: June 23, June 30, July 7, July 14, July 21, Jul 28, Aug 4, Aug 11, Aug 18, Aug 25
Name: AP Deutsch Sommerpaket 2014 The AP German exam is designed to test your language proficiency your ability to use the German language to speak, listen, read and write. All the grammar concepts and
MehrMLA International Bibliography
Württembergische Landesbibliothek MLA International Bibliography 09/12 Inhaltsverzeichnis 1. Über MLA...2 2. Startbildschirm (Advanced Search)...3 2.1 Eingabefelder in der Advanced Search...3 2.2 Sucheinschränkungen...3
MehrAnalogtechnik 2, Semestertest Technique analogique 2, Test de semestre
Analogtechnik 2, Semestertest Technique analogique 2, Dr. Theo Kluter 05. 06. 2011 Name/Nom : Vorname/Prénom : Klasse/Classe : Aufgabe/ Punkte maximal/ Punkte erreicht/ Problème : Points maximaux : Points
MehrMaking quality visible. National Quality Certificate for Old Age and Nursing Homes in Austria (NQC)
Making quality visible. National Quality Certificate for Old Age and Nursing Homes in Austria (NQC) Human Rights Council Genf, 15 September 2015 The Austrian System of Long Term Care System: 2 main components:
MehrTitelbild1 ANSYS. Customer Portal LogIn
Titelbild1 ANSYS Customer Portal LogIn 1 Neuanmeldung Neuanmeldung: Bitte Not yet a member anklicken Adressen-Check Adressdaten eintragen Customer No. ist hier bereits erforderlich HERE - Button Hier nochmal
MehrDas Conrmation/Disconrmation-Paradigma der Kundenzufriedenheit im Kontext des Information Retrieval
Fachbereich III - Informations- und Kommunikationswissenschaften Institut für Angewandte Sprachwissenschaft Magisterarbeit Internationales Informationsmanagement Das Conrmation/Disconrmation-Paradigma
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
MehrAlles nur Google? Das Innenleben der Suchmaschinen
Alles nur Google? Das Innenleben der Suchmaschinen Prof. Dr. Klaus Meyer-Wegener Friedrich-Alexander-Universität Technische Fakultät Institut für Informatik 1. Das World-wide Web (WWW) oft auch "Internet"
MehrWP2. Communication and Dissemination. Wirtschafts- und Wissenschaftsförderung im Freistaat Thüringen
WP2 Communication and Dissemination Europa Programm Center Im Freistaat Thüringen In Trägerschaft des TIAW e. V. 1 GOALS for WP2: Knowledge information about CHAMPIONS and its content Direct communication
MehrBloomberg-University Schulungen in München
Bloomberg-University Schulungen in München -Stand: 03.11.2014- Alle Schulungen finden in der Maximilianstraße 2a in 80539 München statt. (Angaben bitte selbstständig am Bloomberg-Terminal auf Richtigkeit
MehrHIR Method & Tools for Fit Gap analysis
HIR Method & Tools for Fit Gap analysis Based on a Powermax APML example 1 Base for all: The Processes HIR-Method for Template Checks, Fit Gap-Analysis, Change-, Quality- & Risk- Management etc. Main processes
Mehr2 Volltext-Suchmaschinen
2 Volltext-Suchmaschinen Volltext-Suchmaschinen werden vor allem für die Suche im Internet benutzt, jedoch gibt es auch Erweiterungen (Data Cartridge, Oracle) um Volltextsuche bei SQL-Suchmaschinen wie
MehrDIE FILES DÜRFEN NUR FÜR DEN EIGENEN GEBRAUCH BENUTZT WERDEN. DAS COPYRIGHT LIEGT BEIM JEWEILIGEN AUTOR.
Weitere Files findest du auf www.semestra.ch/files DIE FILES DÜRFEN NUR FÜR DEN EIGENEN GEBRAUCH BENUTZT WERDEN. DAS COPYRIGHT LIEGT BEIM JEWEILIGEN AUTOR. Lektion 1: Methodik der Informationssuche Typisches
MehrEigenmode Calculation for the BC0 Vacuum Chamber
Eigenmode Calculation for the BC0 Vacuum Chamber W. Ackermann, W.F.O. Müller, T. Weiland Institut für Theorie Elektromagnetischer Felder, Technische Universität Darmstadt Status Meeting December 19, 2013
MehrDie ERP Lösung Microsoft Dynamics NAV in der Cloud
Die ERP Lösung Microsoft Dynamics NAV in der Cloud Schimon Mosessohn Technologie und Strategieberater Microsoft Dynamics ERP Microsoft Deutschland GmbH Die ERP Cloudplattform für Dynamics NAV Das technische
MehrAlgorithms for graph visualization
Algorithms for graph visualization Project - Orthogonal Grid Layout with Small Area W INTER SEMESTER 2013/2014 Martin No llenburg KIT Universita t des Landes Baden-Wu rttemberg und nationales Forschungszentrum
MehrWas bringt Tagging? Eine methodologische Herangehensweise an die Evaluation von Social-Tagging-Systemen
Was bringt Tagging? Eine methodologische Herangehensweise an die Evaluation von Social-Tagging-Systemen Diana Jurjević Zentrum für Bildungsinformatik Pädagogische Hochschule Bern Muesmattstraße 29 CH-3012
MehrSingle Sourcing mit Flare und Word Workshop
Single Sourcing mit Flare und Word Workshop, Susanne Murawski Tekom Herbsttagung 2006 Inhalt Madcap Flare installieren Kurzer Rundgang durch Flare Word-Datei vorbereiten Word-Datei importieren Layout für
MehrChemical heat storage using Na-leach
Hilfe2 Materials Science & Technology Chemical heat storage using Na-leach Robert Weber Empa, Material Science and Technology Building Technologies Laboratory CH 8600 Dübendorf Folie 1 Hilfe2 Diese Folie
MehrSupplier Status Report (SSR)
Supplier Status Report (SSR) Introduction for BOS suppliers BOS GmbH & Co. KG International Headquarters Stuttgart Ernst-Heinkel-Str. 2 D-73760 Ostfildern Management Letter 2 Supplier Status Report sheet
MehrAccounting course program for master students. Institute of Accounting and Auditing http://www.wiwi.hu-berlin.de/rewe
Accounting course program for master students Institute of Accounting and Auditing http://www.wiwi.hu-berlin.de/rewe 2 Accounting requires institutional knowledge... 3...but it pays: Lehman Bros. Inc.,
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
MehrPräsentation vor dem Kolloquium Korpuslinguistik. Information Finding in Blogosphere: Domain Recognition and Genre Analysis
Präsentation vor dem Kolloquium Korpuslinguistik Information Finding in Blogosphere: Domain Recognition and Genre Analysis 1.Einleitung Agenda 2.Theorie zu Blogs, Data Mining, Information Retrieval und
MehrSemi-Supervised Online Learning for Acoustic Data Mining
DISS. ETH NO. 19395 Semi-Supervised Online Learning for Acoustic Data Mining A dissertation submitted to ETH ZURICH for the degree of Doctor of Sciences presented by TSER LING YVONNE MOH Dipl.-Inf., RWTH-Aachen
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
MehrTEXTKLASSIFIKATION. WS 2011/12 Computerlinguistik I Deasy Sukarya & Tania Bellini
TEXTKLASSIFIKATION WS 2011/12 Computerlinguistik I Deasy Sukarya & Tania Bellini GLIEDERUNG 1. Allgemeines Was ist Textklassifikation? 2. Aufbau eines Textklassifikationssystems 3. Arten von Textklassifikationssystemen
MehrVertriebssteuerung & Kundenmanagement bei Finanzinstituten. 1. Dezember 2010, Frankfurt am Main
Vertriebssteuerung & Kundenmanagement bei Finanzinstituten 1. Dezember 2010, Frankfurt am Main Erweitern Sie Ihre Analyse auch um unstrukturierte Daten: mehr Einblicke, bessere Entscheidungen! Unsere Agenda
MehrEEX Kundeninformation 2007-09-05
EEX Eurex Release 10.0: Dokumentation Windows Server 2003 auf Workstations; Windows Server 2003 Service Pack 2: Information bezüglich Support Sehr geehrte Handelsteilnehmer, Im Rahmen von Eurex Release
MehrPraktikum Entwicklung von Mediensystemen mit ios
Praktikum Entwicklung von Mediensystemen mit ios WS 2011 Prof. Dr. Michael Rohs michael.rohs@ifi.lmu.de MHCI Lab, LMU München Today Heuristische Evaluation vorstellen Aktuellen Stand Software Prototyp
MehrVorlesung Winter 2014/15 Prof. A. Müller
Vorlesung Winter 2014/15 Prof. A. Müller Kommunikation in der Wissenschaft Studienarbeit Prof. A. Müller, PMP 2 Auswertung wissenschaftlicher Veröffentlichungen in Fachzeitschriften, Büchern, Forschungsberichten
Mehr