Universität Duisburg-Essen, Standort Duisburg Institut für Informatik und interaktive Systeme Fachgebiet Informationssysteme
|
|
- Christa Kramer
- vor 8 Jahren
- Abrufe
Transkript
1 Universität Duisburg-Essen, Standort Duisburg Institut für Informatik und interaktive Systeme Fachgebiet Informationssysteme Studienprojekt Invisible Web (Dipl.-Inform. Gudrun Fischer - WS 2003/04) Blockseminar ( ) Thema 3: Text-Clustering Foliensatz
2 Text-Clustering 1 Was ist Clustering? 2 Arten von Clustering 3 Clustern von Textdokumenten 4 Literatur 2
3 1 Was ist Clustering? Clustering ist ein Retrievalmodell Mengen von ähnlichen Dokumenten (Cluster) werden gebildet Retrieval ohne explizite Fragestellung ein Ähnlichkeitsmaß wird genutzt, um die Cluster zu berechnen Ausgangspunkt ist die sogenannte Cluster-Hypothese : Man kann nämlich zeigen, dass die Ähnlichkeit der relevanten Dokumente untereinander und der irrelevanten Dokumente untereinander größer ist als die zwischen anderen (zufälligen) Teilmengen der Dokumentenkollektion. [2] 3
4 1 Was ist Clustering? Ziel des Clustering: Identifikation einer endlichen Menge von Clustern Dokumente im gleichen Cluster sollen möglichst ähnlich sein Dokumente aus verschiedenen Clustern sollen möglichst unähnlich zueinander sein Die berechneten Cluster können auf drei Arten genutzt werden: Zur Suche (potentiell) relevanter Dokumente zu einem schon bekannten relevanten Dokument. Cluster Retrieval: Wenn kein relevantes Dokument bekannt ist, kann dieses Verfahren benutzt werden, um ein potentielles Cluster zu lokalisieren. Cluster-Browsing 4
5 1 Was ist Clustering? Vorteile von Clustering: Überblick über den Inhalt einer sehr großen Datenmenge Identifikation der verborgenen Ähnlichkeit Erleichterung der Suche nach ähnlichen Dokumenten Beispiel 1 : 1 aus [5] übernommen 5
6 2 Arten von Clustering 2.1 agglomeratives Clustering 2.2 partitionierendes Clustering 2.3 hierarchisches Clustering 6
7 2.1 agglomeratives Clustering Ablauf von agglomerativem Clustering: vorgegebener Schwellenwert für die Ähnlichkeit einmaliger Durchlauf der Dokumente mit dem Ziel, Dokumente zu (schon vorhandenen) Clustern hinzuzufügen existiert noch kein Cluster wird ein neues Cluster gebildet 7
8 2.2 partitionierendes Clustering Ablauf von partitionierendem Clustering: vorzugebene Anzahl k zu bildender Cluster bestimmt werden k seed -Dokumente, die hinreichend unterschiedlich sind jedes dieser Dokumente bildet den Kern eines der k Cluster die übrigen Dokumente werden dann jeweils dem ähnlichsten Cluster hinzugefügt Dadurch werden die Dokumente in disjunkte Cluster eingeteilt, so dass gilt: jedes Cluster besteht aus mindestens einem Dokument jedes Dokument ist höchstens in einem Cluster enthalten 8
9 2.3 hierarchisches Clustering es wird eine Hierarchie von Clustern gebildet Clustertypen: disjunkte Cluster Cluster, die in einem größeren Cluster enthalten sind Cluster, die aus der Vereinigung von bereits bestehenden Clustern gebildet werden Mit beiden Arten von Clustering (agglomeratives und partitionierendes) kann durch iteratives Anwenden ein hierarchisches Clustering realisiert werden und damit ein interaktives Browsen des Nutzers durch die einzelnen Cluster. 9
10 2.3 hierarchisches Clustering flaches Clustering: hiearchisches Clustering: 10
11 3 Clustern von Textdokumenten 3.1 Probleme beim Clustern von Textdokumenten 3.2 prinzipielle Vorgehensweise beim Text Clustering 3.3 bisherige Algorithmen 3.4 Algorithmen zur Lösung der genannten Probleme 11
12 3.1 Probleme beim Clustern von Textdokumenten hohe Dimensionalität der Daten ( Terme / Dimensionen) Verwendung von schwachbesetzten Datenstrukturen oder Methoden zur Verringerung der Dimensionalität sehr große Datenbank (z.b. world wide web) sehr effiziente Algorithmen und skalierbare Datenbanken werden benötigt Finden von verständlichen Beschreibungen der Cluster, da diese den Nutzer durch den Prozess des Browsen leiten 12
13 3.2 prinzipielle Vorgehensweise beim Text Clustering 1. Preprocessing Entfernen von inhaltlich irrelevanten Informationen Elimination von Stoppworten (stopwords) Einteilung der Dokumente in Terme Umwandlung der Terme in Stammform (stemming) 2. Festlegung eines Ähnlichkeitsmaßes z.b. für das VRM (Vektor-Raum-Modell): Ein Dokument wird durch den Vektor d = (tf 1,..., tf m ) repräsentiert (tf i : Häufigkeit des Terms i in diesem Dokument). Ein typisches Ähnlichkeitsmaß für das VRM ist das Kosinusmaß: sim(d 1, d 2 ) = d 1 d 2 d 1 2 d 2 2 Dabei ist d i 2 die euklidische Norm des Vektors d i und repräsentiert das Skalarprodukt. 3. Berechnung der Ähnlichkeitsmatrix für alle möglichen Dokumentenpaare 4. Berechnung der Cluster 13
14 3.3 bisherige Algorithmen Verfahren für agglomeratives Clustering Algorithmen für partitionierendes Clustern Nachteile der Algorithmen 14
15 3.3.1 Verfahren für agglomeratives Clustering Bedingungen für die Aufnahme eines Dokuments d k in ein Cluster C l. Single-Link: Complete-Link: Average-Link: α max d i C l sim(d k, d i ) α min d i C l sim(d k, d i ) α 1 C l d i C l sim(d k, d i ) α entspricht dem vogegebenen Schwellenwert für die Ähnlichkeit. 15
16 3.3.2 Algorithmen für partitionierendes Clustern Die Anzahl k der Cluster ist vorgegeben. k-means In mehreren Schritten werden die Dokumente jeweils dem ähnlichsten Cluster zugeordnet, das durch seinen Mittelwert (Zentroid) repräsentiert ist. bisecting k-means Ausgehend von 2 durch k-means gebildeten Clustern wird k-means iterativ auf den jeweils bisher größten Cluster angewandt, solange bis k Cluster entstanden sind. k-medoid Wie k-means, nur daß die Dokumente dem ähnlichsten Cluster zugeordnet werden, das durch ein mittleres Dokument repräsentiert ist. 16
17 3.3.3 Nachteile der Algorithmen Nachteile der bisherigen Algorithmen: Grundlage ist das VRM die Algorithmen clustern den vollständigen Vektorraum die berechneten (virtuellen) Zentroiden sind nicht dazu geeignet als verständliche Beschreibung der Cluster zu dienen Daraus resultiert die Motivation einen neuen Ansatz für das Text-Clustering zu suchen, der nicht auf dem VRM basiert. 17
18 3.4. Algorithmen zur Lösung der genannten Probleme Idee der Algorithmen Definitionen FTC (Frequent Term-based Clustering) HFTC (Hierarchical Frequent Term-based Clustering) Evaluierung von FTC und HFTC 18
19 3.4.1 Idee der Algorithmen Idee: Es werden Mengen von Termen betrachtet, die in einem festgelegten Anteil aller Dokumente vorkommen (Frequent Term Set [FTS]); dadurch wird die Dimensionalität verringert. Ein Cluster(-Kanididat) besteht aus allen Dokumenten, die alle Terme von einem FTS beinhalten. Die FTS können als Beschreibungen der Cluster genutzt werden. Ablauf der Algorithmen: 1. bilden der FTS 2. solange bis ein Clustering entstanden ist: (a) bilden von Cluster-Kandidaten (b) auswählen der tatsächlichen Cluster durch ein Auswahlkriterium 19
20 3.4.2 Definitionen Datenbank mit Textdokumenten D i Menge aller Terme t j, D i T 0 minsup 1 prozentuale Abdeckung der Dokumente, die ein FTS haben muss cov(s), S T Abdeckung von S, d.h. D = {D 1,..., D m } T = {t 1,..., t n } cov(s) = {D i D S D i } F = {F 1,..., F p } Menge aller FTS bzgl. minsup, d.h. F = {F i T cov(f i ) minsup D } C = {F i F cov(f i ) = D} i I f j = {F i R F i D j } Clustering Anzahl der FTS, die D j abdecken R ist die Menge der noch abzuarbeitenden F i s 20
21 3.4.2 Definitionen Wie wird der beste Cluster-Kandidat ausgewählt? Ziel ist es, ein Clustering mit minimaler Überschneidung der einzelnen Cluster zu finden. 1. Standard-Überschneidung SO(C i ) = D j C i (f j 1) C i einfach zu berechnen Cluster-Kandidaten (FTS) mit wenigen Termen werden bevorzugt, da jede Teilmenge eines FTS wieder ein FTS ist 2. Entropie-Überschneidung EO(C i ) = D j C i 1 f j ln( 1 f j ) steigt mit wachsendem f j monoton an Cluster-Kandidaten (FTS) mit mehr Termen als bei der SO werden bevorzugt, wodurch die Clustering-Qualität steigt 21
22 3.4.3 FTC (Frequent Term-based Clustering) FTC (database D, float minsup) { } //entspricht den Cluster-Beschreibungen SelectedTermSets := {}; n := D ; //effizienter Algorithmus zum Bestimmen der FTS ( apriori ) //jede Teilmenge aus einem FTS ist wieder ein FTS RemainingTermSets := DetermineFrequentTermsets(D, minsup); while ( cov(selectedtermsets n) { for each (set in RemainingTermSets) { calculate overlap for set; } BestCandidate := element of RemainingTermSets with minimum overlap; SelectedTermSets := SelectedTermSets BestCandidate; RemainingTermSets := RemainingTermSets \ BestCandidate; Remove all documents in cov(bestcandiate) from D and from the coverage of all of the RemainingTermSets; } return SelectedTermSets and the cover of the elements of SelectedTermSets; 22
23 3.4.3 FTC (Frequent Term-based Clustering ) - Beispiel Datenbank: [1] [Sonntag, Freizeit, Kino] [4] [Fernseher, Lautsprecher, Freizeit, Kino] [2] [schwimmen, Freizeit, Schwimmbad] [5] [Bademeister, schwimmen, Whirlpool] [3] [Monitor, Computer, Lautsprecher] ########################## Schritt 0 ########################## Frequent term set und Ueberschneidung [schwimmen] [Lautsprecher] [Freizeit] [Freizeit, Kino] [Kino] BestCandidate: [schwimmen] selectedtermsets: [[schwimmen]] remainingtermsets: [[Lautsprecher], [Freizeit], [Freizeit, Kino], [Kino]] Datenbank: [1] [Sonntag, Freizeit, Kino] [4] [Fernseher, Lautsprecher, Freizeit, Kino] [3] [Monitor, Computer, Lautsprecher] 23
24 3.4.3 FTC (Frequent Term-based Clustering ) - Beispiel ########################## Schritt 1 ########################## Frequent term set und Ueberschneidung [Lautsprecher] [Freizeit] [Freizeit, Kino] [Kino] BestCandidate: [Lautsprecher] selectedtermsets: [[schwimmen], [Lautsprecher]] remainingtermsets: [[Freizeit], [Freizeit, Kino], [Kino]] Datenbank: [1] [Sonntag, Freizeit, Kino] ########################## Schritt 2 ########################## Frequent term set und Ueberschneidung [Freizeit] [Freizeit, Kino] [Kino] BestCandidate: [Freizeit] selectedtermsets: [[schwimmen], [Lautsprecher], [Freizeit]] remainingtermsets: [[Freizeit, Kino], [Kino]] Datenbank: Cluster-Beschreibungen: [[schwimmen], [Lautsprecher], [Freizeit]] 24
25 3.4.4 HFTC (Hierarchical Frequent Term-based Clustering) Durch mehrfache Ausführung von FTC kann ein hierarchisches Clustering realisiert werden: 1. Anwenden von FTC auf alle FTS mit Kardinalität k=1 (1-FTS) 2. solange noch neue Cluster gebildet werden können: (a) Die neuen Cluster ebenfalls mit FTC clustern, allerdings nun mit den k+1-fts. Dabei werden nur die k+1-fts genommen, von denen die k-fts Teilmengen sind, d.h. k-fts k+1-fts. Als Ergebnis erhält man einen Baum von Cluster-Beschreibungen, der in der Wurzel mit einer leeren Beschreibung (alle Dokumente) beginnt. 25
26 3.4.4 HFTC (Hierarchical Frequent Term-based Clustering) - Beispiel HFTC Ergebnis: 26
27 3.4.5 Evaluierung von FTC und HFTC FTC (Frequent Term-based Clustering): effizienter als andere Algorithmen automatische Generierung der Cluster-Beschreibungen Vergleichbare Cluster-Qualität HFTC (Hierarchical Frequent Term-based Clustering): kann im Gegensatz zu anderen Algorithmen ein überlappendes hierarchisches Clustering erzeugen die Cluster-Qualität ist etwas schlechter als bei anderen Algorithmen das Clustering ist verständlicher und einfacher zu durchbrowsen 27
28 4 Literatur [1] Florian Beil, Martin Ester, Xiaowei Xu: Frequent Term-Based Text Clustering, [2] Prof. N. Fuhr: Information Retrieval, Skriptum zur Vorlesung im SS 02, index.html [3] Fonny Cendekia Vera: Text Mining : Grundlagen, Verfahren, und Anwendungen, Beitraege/Text%20Mining%20Vortrag.pdf [4] Matthias Pretzer: Clustering und Klassifikation, [5] Prof. Dr.-Ing. Wolfgang Lehner: Grundlagen des Clustering, Clustering-WebVersion.pdf 28
Dokumenten-Clustering. Norbert Fuhr
Dokumenten-Clustering Norbert Fuhr Dokumenten-Clustering (Dokumenten-)Cluster: Menge von ähnlichen Dokumenten Ausgangspunkt Cluster-Hypothese : die Ähnlichkeit der relevanten Dokumente untereinander und
MehrVorlesung Text und Data Mining S9 Text Clustering. Hans Hermann Weber Univ. Erlangen, Informatik
Vorlesung Text und Data Mining S9 Text Clustering Hans Hermann Weber Univ. Erlangen, Informatik Document Clustering Überblick 1 Es gibt (sehr viele) verschiedene Verfahren für das Bilden von Gruppen Bei
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrClustering Seminar für Statistik
Clustering Markus Kalisch 03.12.2014 1 Ziel von Clustering Finde Gruppen, sodas Elemente innerhalb der gleichen Gruppe möglichst ähnlich sind und Elemente von verschiedenen Gruppen möglichst verschieden
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrAnleitung zur Erstellung von Serienbriefen (Word 2003) unter Berücksichtigung von Titeln (wie Dr., Dr. med. usw.)
Seite 1/7 Anleitung zur Erstellung von Serienbriefen (Word 2003) unter Berücksichtigung von Titeln (wie Dr., Dr. med. usw.) Hier sehen Sie eine Anleitung wie man einen Serienbrief erstellt. Die Anleitung
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrErstellen einer Collage. Zuerst ein leeres Dokument erzeugen, auf dem alle anderen Bilder zusammengefügt werden sollen (über [Datei] > [Neu])
3.7 Erstellen einer Collage Zuerst ein leeres Dokument erzeugen, auf dem alle anderen Bilder zusammengefügt werden sollen (über [Datei] > [Neu]) Dann Größe des Dokuments festlegen beispielsweise A4 (weitere
MehrHäufige Item-Mengen: die Schlüssel-Idee. Vorlesungsplan. Apriori Algorithmus. Methoden zur Verbessung der Effizienz von Apriori
Vorlesungsplan 17.10. Einleitung 24.10. Ein- und Ausgabe 31.10. Reformationstag, Einfache Regeln 7.11. Naïve Bayes, Entscheidungsbäume 14.11. Entscheidungsregeln, Assoziationsregeln 21.11. Lineare Modelle,
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrErfahrungen mit Hartz IV- Empfängern
Erfahrungen mit Hartz IV- Empfängern Ausgewählte Ergebnisse einer Befragung von Unternehmen aus den Branchen Gastronomie, Pflege und Handwerk Pressegespräch der Bundesagentur für Arbeit am 12. November
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.
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
MehrAnleitung über den Umgang mit Schildern
Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder
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,...
MehrGesucht und Gefunden: Die Funktionsweise einer Suchmaschine
Gesucht und Gefunden: Die Funktionsweise einer Suchmaschine Prof. Dr. Peter Becker FH Bonn-Rhein-Sieg Fachbereich Informatik peter.becker@fh-bonn-rhein-sieg.de Vortrag im Rahmen des Studieninformationstags
MehrSimulation LIF5000. Abbildung 1
Simulation LIF5000 Abbildung 1 Zur Simulation von analogen Schaltungen verwende ich Ltspice/SwitcherCAD III. Dieses Programm ist sehr leistungsfähig und wenn man weis wie, dann kann man damit fast alles
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrErweiterung der Aufgabe. Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen:
VBA Programmierung mit Excel Schleifen 1/6 Erweiterung der Aufgabe Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen: Es müssen also 11 (B L) x 35 = 385 Zellen berücksichtigt
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrZwischenablage (Bilder, Texte,...)
Zwischenablage was ist das? Informationen über. die Bedeutung der Windows-Zwischenablage Kopieren und Einfügen mit der Zwischenablage Vermeiden von Fehlern beim Arbeiten mit der Zwischenablage Bei diesen
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
MehrSerienbrieferstellung in Word mit Kunden-Datenimport aus Excel
Sehr vielen Mitarbeitern fällt es schwer, Serienbriefe an Kunden zu verschicken, wenn sie die Serienbrieffunktion von Word nicht beherrschen. Wenn die Kunden mit Excel verwaltet werden, genügen nur ein
MehrEinführung in. Logische Schaltungen
Einführung in Logische Schaltungen 1/7 Inhaltsverzeichnis 1. Einführung 1. Was sind logische Schaltungen 2. Grundlegende Elemente 3. Weitere Elemente 4. Beispiel einer logischen Schaltung 2. Notation von
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.
MehrInformatik I WS 07/08 Tutorium 24
Info I Tutorium 24 Informatik I WS 07/08 Tutorium 24 3.2.07 astian Molkenthin E-Mail: infotut@sunshine2k.de Web: http://infotut.sunshine2k.de Organisatorisches / Review is zum 2.2 müssen alle Praxisaufgaben
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
MehrSichere E-Mail Anleitung Zertifikate / Schlüssel für Kunden der Sparkasse Germersheim-Kandel. Sichere E-Mail. der
Sichere E-Mail der Nutzung von Zertifikaten / Schlüsseln zur sicheren Kommunikation per E-Mail mit der Sparkasse Germersheim-Kandel Inhalt: 1. Voraussetzungen... 2 2. Registrierungsprozess... 2 3. Empfang
MehrHandbuch. NAFI Online-Spezial. Kunden- / Datenverwaltung. 1. Auflage. (Stand: 24.09.2014)
Handbuch NAFI Online-Spezial 1. Auflage (Stand: 24.09.2014) Copyright 2016 by NAFI GmbH Unerlaubte Vervielfältigungen sind untersagt! Inhaltsangabe Einleitung... 3 Kundenauswahl... 3 Kunde hinzufügen...
MehrBerechnung der Erhöhung der Durchschnittsprämien
Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die
MehrDownloadfehler in DEHSt-VPSMail. Workaround zum Umgang mit einem Downloadfehler
Downloadfehler in DEHSt-VPSMail Workaround zum Umgang mit einem Downloadfehler Downloadfehler bremen online services GmbH & Co. KG Seite 2 Inhaltsverzeichnis Vorwort...3 1 Fehlermeldung...4 2 Fehlerbeseitigung...5
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
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)....
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen
MehrBeweisbar sichere Verschlüsselung
Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6
MehrVoraussetzung wieder: Datenraum mit Instanzen, mehrere Attribute - kein ausgezeichnetes Zielattribut, keine vorgegebenen Klassen
7. Clusteranalyse (= Häufungsanalyse; Clustering-Verfahren) wird der multivariaten Statistik zugeordnet Voraussetzung wieder: Datenraum mit Instanzen, mehrere Attribute - kein ausgezeichnetes Zielattribut,
MehrZahlenwinkel: Forscherkarte 1. alleine. Zahlenwinkel: Forschertipp 1
Zahlenwinkel: Forscherkarte 1 alleine Tipp 1 Lege die Ziffern von 1 bis 9 so in den Zahlenwinkel, dass jeder Arm des Zahlenwinkels zusammengezählt das gleiche Ergebnis ergibt! Finde möglichst viele verschiedene
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrWir arbeiten mit Zufallszahlen
Abb. 1: Bei Kartenspielen müssen zu Beginn die Karten zufällig ausgeteilt werden. Wir arbeiten mit Zufallszahlen Jedesmal wenn ein neues Patience-Spiel gestartet wird, muss das Computerprogramm die Karten
MehrDaten sammeln, darstellen, auswerten
Vertiefen 1 Daten sammeln, darstellen, auswerten zu Aufgabe 1 Schulbuch, Seite 22 1 Haustiere zählen In der Tabelle rechts stehen die Haustiere der Kinder aus der Klasse 5b. a) Wie oft wurden die Haustiere
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrAnzeige von eingescannten Rechnungen
Anzeige von eingescannten Rechnungen Wenn Sie sich zu einer Eingangsrechnung die eingescannte Originalrechnung ansehen möchten, wählen Sie als ersten Schritt aus Ihrem Benutzermenü unter dem Kapitel Eingangsrechnung
MehrLichtbrechung an Linsen
Sammellinsen Lichtbrechung an Linsen Fällt ein paralleles Lichtbündel auf eine Sammellinse, so werden die Lichtstrahlen so gebrochen, dass sie durch einen Brennpunkt der Linse verlaufen. Der Abstand zwischen
Mehr1. EINLEITUNG 2. GLOBALE GRUPPEN. 2.1. Globale Gruppen anlegen
GLOBALE GRUPPEN 1. EINLEITUNG Globale Gruppen sind system- oder kategorieweite Gruppen von Nutzern in einem Moodlesystem. Wenn jede Klasse einer Schule in eine globale Gruppe aufgenommen wird, dann kann
MehrClustering (hierarchische Algorithmen)
Clustering (hierarchische Algorithmen) Hauptseminar Kommunikation in drahtlosen Sensornetzen WS 2006/07 Benjamin Mies 1 Übersicht Clustering Allgemein Clustering in Sensornetzen Clusterheads Cluster basiertes
MehrAutoCAD 2007 - Dienstprogramm zur Lizenzübertragung
AutoCAD 2007 - Dienstprogramm zur Lizenzübertragung Problem: Um AutoCAD abwechselnd auf mehreren Rechnern einsetzen zu können konnte man bis AutoCAD 2000 einfach den Dongle umstecken. Seit AutoCAD 2000i
MehrAufgaben zur Flächenberechnung mit der Integralrechung
ufgaben zur Flächenberechnung mit der Integralrechung ) Geben ist die Funktion f(x) = -x + x. a) Wie groß ist die Fläche, die die Kurve von f mit der x-chse einschließt? b) Welche Fläche schließt der Graph
MehrÜbungsaufgaben Tilgungsrechnung
1 Zusatzmaterialien zu Finanz- und Wirtschaftsmathematik im Unterricht, Band 1 Übungsaufgaben Tilgungsrechnung Überarbeitungsstand: 1.März 2016 Die grundlegenden Ideen der folgenden Aufgaben beruhen auf
MehrRente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen
5.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind zwei
MehrBedingungen. Bedingungen. Bedingungen
Oftmals ist das Arbeiten mit notwendig. Dabei können sich die auf Formatierungen beziehen, aber auch auf Transformationen. Bedingte Formatierung Datentransformation 24.04.2006 Einführung in Excel 91 24.04.2006
MehrKill Keyword Density. Weshalb die Keyword Density blanker Unsinn ist.
Kill Keyword Density Weshalb die Keyword Density blanker Unsinn ist. Kill Keyword Density» & Karl Kratz Das ist. Jana ist Diplom- Mathematikerin und Controlling-Leiterin bei der Innovation Group AG. Ihr
Mehrvon: Oktay Arslan Kathrin Steiner Tamara Hänggi Marco Schweizer GIB-Liestal Mühlemattstrasse 34 4410 Liestal ATG
von: Oktay Arslan Kathrin Steiner Tamara Hänggi Marco Schweizer GIB-Liestal Mühlemattstrasse 34 4410 Liestal ATG 20.03.2009 1 Inhaltsverzeichnis 1. Zusammenfassung S. 3 2. Aufgabestellung S. 3 3. Lösungsansätze
Mehr15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit
5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord
MehrSCHRITT 1: Öffnen des Bildes und Auswahl der Option»Drucken«im Menü»Datei«...2. SCHRITT 2: Angeben des Papierformat im Dialog»Drucklayout«...
Drucken - Druckformat Frage Wie passt man Bilder beim Drucken an bestimmte Papierformate an? Antwort Das Drucken von Bildern ist mit der Druckfunktion von Capture NX sehr einfach. Hier erklären wir, wie
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
MehrClusteranalyse. Multivariate Datenanalyse. Prof. Dr. Dietmar Maringer. Abteilung für Quantitative Methoden, WWZ der Universität Basel
Clusteranalyse Multivariate Datenanalyse Prof. Dr. Dietmar Maringer Abteilung für Quantitative Methoden, WWZ der Universität Basel Herbstsemester 2013 D Maringer: Datenanalyse Clusteranalyse (1) Ausgangssituation
MehrKompetitive Analysen von Online-Algorithmen
Kompetitive Analysen von Online-Algorithmen jonas echterhoff 16. Juli 004 1 Einführung 1.1 Terminologie Online-Algorithmen sind Algorithmen, die Probleme lösen sollen, bei denen Entscheidungen getroffen
Mehr3D-Konstruktion Brückenpfeiler für WinTrack (H0)
3D-Konstruktion Brückenpfeiler für WinTrack (H0) Zusammenstellung: Hans-Joachim Becker http://www.hjb-electronics.de 2007 Altomünster, den 25. März 2007 Hans-Joachim Becker - 1 - Vorbemerkung Das Programm
MehrEinstellungen der Deutschen gegenüber dem Beruf der Putzfrau
Auftraggeber: Helpling GmbH Frankfurt a.m.: 5. November 05 3367/n5447 Go/Bü Untersuchungsdesign Zielgruppe: Stichprobengröße: Die in Privathaushalten in Deutschland lebenden deutschsprachigen Personen
MehrDiana Lange. GENERATIVE GESTALTUNG Arten des Zufalls
Diana Lange GENERATIVE GESTALTUNG Arten des Zufalls RANDOM int index = 0; while (index < 200) { float x = random(0, width); float y = random(0, height); float d = random(40, 100); ellipse(x, y, d, d);
MehrZahlen auf einen Blick
Zahlen auf einen Blick Nicht ohne Grund heißt es: Ein Bild sagt mehr als 1000 Worte. Die meisten Menschen nehmen Informationen schneller auf und behalten diese eher, wenn sie als Schaubild dargeboten werden.
MehrKapiteltests zum Leitprogramm Binäre Suchbäume
Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm
MehrProduktionsplanung und steuerung (SS 2011)
Produktionsplanung und steuerung (SS 2011) Teil 1 Sie arbeiten seit 6 Monaten als Wirtschaftsingenieur in einem mittelständischen Unternehmen in Mittelhessen. Das Unternehmen Möbel-Meier liefert die Büroaustattung
MehrMit dem Tool Stundenverwaltung von Hanno Kniebel erhalten Sie die Möglichkeit zur effizienten Verwaltung von Montagezeiten Ihrer Mitarbeiter.
Stundenverwaltung Mit dem Tool Stundenverwaltung von Hanno Kniebel erhalten Sie die Möglichkeit zur effizienten Verwaltung von Montagezeiten Ihrer Mitarbeiter. Dieses Programm zeichnet sich aus durch einfachste
Mehr4 Aufzählungen und Listen erstellen
4 4 Aufzählungen und Listen erstellen Beim Strukturieren von Dokumenten und Inhalten stellen Listen und Aufzählungen wichtige Werkzeuge dar. Mit ihnen lässt sich so ziemlich alles sortieren, was auf einer
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Dipl. Inform. Andreas Wilkens 1 Organisatorisches Freitag, 05. Mai 2006: keine Vorlesung! aber Praktikum von 08.00 11.30 Uhr (Gruppen E, F, G, H; Vortestat für Prototyp)
MehrTechnical Note 0606 ewon
PCE Deutschland GmbH Im Langel 4 59872 Meschede Telefon: 02903 976 990 E-Mail: info@pce-instruments.com Web: www.pce-instruments.com/deutsch/ Technical Note 0606 ewon M2Web - 1 - Inhaltsverzeichnis 1 Allgemeines...
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
MehrSkript und Aufgabensammlung Terme und Gleichungen Mathefritz Verlag Jörg Christmann Nur zum Privaten Gebrauch! Alle Rechte vorbehalten!
Mathefritz 5 Terme und Gleichungen Meine Mathe-Seite im Internet kostenlose Matheaufgaben, Skripte, Mathebücher Lernspiele, Lerntipps, Quiz und noch viel mehr http:// www.mathefritz.de Seite 1 Copyright
MehrWas ist das Budget für Arbeit?
1 Was ist das Budget für Arbeit? Das Budget für Arbeit ist ein Persönliches Geld für Arbeit wenn Sie arbeiten möchten aber nicht mehr in einer Werkstatt. Das gibt es bisher nur in Nieder-Sachsen. Und in
MehrDeutsches Rotes Kreuz. Kopfschmerztagebuch von:
Deutsches Rotes Kreuz Kopfschmerztagebuch Kopfschmerztagebuch von: Hallo, heute hast Du von uns dieses Kopfschmerztagebuch bekommen. Mit dem Ausfüllen des Tagebuches kannst Du mehr über Deine Kopfschmerzen
MehrBericht zur Prüfung im Oktober 2003 über Mathematik der Lebensversicherung (Grundwissen)
Bericht zur Prüfung im Oktober 2003 über Mathematik der Lebensversicherung Grundwissen) Jürgen Strobel Köln) und Hans-Jochen Bartels Mannheim) Am 04.10.2003 wurde in Köln die zehnte Prüfung über Mathematik
MehrSüdbaden-Cup. Ausstieg Champions
Südbaden-Cup Ausstieg Champions Beschreibung Der Ausstieg aus dem Turnier dient Spielern die eine weite Anreise haben sich aus dem Turnier zu verabschieden um noch am gleichen Tag heimzureisen und einen
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
MehrHautkrebsscreening. 49 Prozent meinen, Hautkrebs sei kein Thema, das sie besorgt. Thema Hautkrebs. Ist Hautkrebs für Sie ein Thema, das Sie besorgt?
Hautkrebsscreening Datenbasis: 1.004 gesetzlich Krankenversicherte ab 1 Jahren Erhebungszeitraum:. bis 4. April 01 statistische Fehlertoleranz: +/- Prozentpunkte Auftraggeber: DDG Hautkrebs ist ein Thema,
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrDokumentenverwaltung im Internet
Dokumentenverwaltung im Internet WS 09/10 mit: Thema: Workflow und Rollenverteilung im Backend Gruppe: DVI 10 Patrick Plaum und Kay Hofmann Inhalt 1. Benutzer und Benutzergruppen erstellen...2 1.1. Benutzergruppen...2
Mehr4. BEZIEHUNGEN ZWISCHEN TABELLEN
4. BEZIEHUNGEN ZWISCHEN TABELLEN Zwischen Tabellen können in MS Access Beziehungen bestehen. Durch das Verwenden von Tabellen, die zueinander in Beziehung stehen, können Sie Folgendes erreichen: Die Größe
MehrTipp III: Leiten Sie eine immer direkt anwendbare Formel her zur Berechnung der sogenannten "bedingten Wahrscheinlichkeit".
Mathematik- Unterrichts- Einheiten- Datei e. V. Klasse 9 12 04/2015 Diabetes-Test Infos: www.mued.de Blutspenden werden auf Diabetes untersucht, das mit 8 % in der Bevölkerung verbreitet ist. Dabei werden
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrManager. von Peter Pfeifer, Waltraud Pfeifer, Burkhard Münchhagen. Spielanleitung
Manager von Peter Pfeifer, Waltraud Pfeifer, Burkhard Münchhagen Spielanleitung Manager Ein rasantes Wirtschaftsspiel für 3 bis 6 Spieler. Das Glück Ihrer Firma liegt in Ihren Händen! Bestehen Sie gegen
MehrWinWerk. Prozess 6a Rabatt gemäss Vorjahresverbrauch. KMU Ratgeber AG. Inhaltsverzeichnis. Im Ifang 16 8307 Effretikon
WinWerk Prozess 6a Rabatt gemäss Vorjahresverbrauch 8307 Effretikon Telefon: 052-740 11 11 Telefax: 052-740 11 71 E-Mail info@kmuratgeber.ch Internet: www.winwerk.ch Inhaltsverzeichnis 1 Ablauf der Rabattverarbeitung...
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 3. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Algorithmen für Graphen Fragestellungen: Suche
MehrGlaube an die Existenz von Regeln für Vergleiche und Kenntnis der Regeln
Glaube an die Existenz von Regeln für Vergleiche und Kenntnis der Regeln Regeln ja Regeln nein Kenntnis Regeln ja Kenntnis Regeln nein 0 % 10 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % Glauben Sie, dass
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
MehrKünstliche Intelligenz Maschinelles Lernen
Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen
MehrSoftware-Engineering SS03. Zustandsautomat
Zustandsautomat Definition: Ein endlicher Automat oder Zustandsautomat besteht aus einer endlichen Zahl von internen Konfigurationen - Zustände genannt. Der Zustand eines Systems beinhaltet implizit die
MehrWichtiges Thema: Ihre private Rente und der viel zu wenig beachtete - Rentenfaktor
Wichtiges Thema: Ihre private Rente und der viel zu wenig beachtete - Rentenfaktor Ihre private Gesamtrente setzt sich zusammen aus der garantierten Rente und der Rente, die sich aus den über die Garantieverzinsung
MehrDokumentation zum Projekt Multimediale Lehre Fluidmechanik an der Technischen Universität Graz
Dokumentation zum Projekt Multimediale Lehre Fluidmechanik an der Technischen Universität Graz Andreas Aigner email: andreasa@sbox.tu-graz.ac.at. Januar 00 Inhaltsverzeichnis Theorie. Stromfunktion...........................
Mehr1 Einleitung. Lernziele. automatische Antworten bei Abwesenheit senden. Einstellungen für automatische Antworten Lerndauer. 4 Minuten.
1 Einleitung Lernziele automatische Antworten bei Abwesenheit senden Einstellungen für automatische Antworten Lerndauer 4 Minuten Seite 1 von 18 2 Antworten bei Abwesenheit senden» Outlook kann während
MehrLehrer: Einschreibemethoden
Lehrer: Einschreibemethoden Einschreibemethoden Für die Einschreibung in Ihren Kurs gibt es unterschiedliche Methoden. Sie können die Schüler über die Liste eingeschriebene Nutzer Ihrem Kurs zuweisen oder
MehrAufklappelemente anlegen
Aufklappelemente anlegen Dieses Dokument beschreibt die grundsätzliche Erstellung der Aufklappelemente in der mittleren und rechten Spalte. Login Melden Sie sich an der jeweiligen Website an, in dem Sie
MehrAngaben zu einem Kontakt...1 So können Sie einen Kontakt erfassen...4 Was Sie mit einem Kontakt tun können...7
Tutorial: Wie kann ich Kontakte erfassen In myfactory können Sie Kontakte erfassen. Unter einem Kontakt versteht man einen Datensatz, der sich auf eine Tätigkeit im Zusammenhang mit einer Adresse bezieht.
Mehr