Qualitative Aspekte Enterprise Search Volltextsuche & Text Mining. Franz Kögl Vorstand IntraFind Software AG

Transkript

1

2 Qualitative Aspekte Enterprise Search Volltextsuche & Text Mining Franz Kögl Vorstand IntraFind Software AG

3 Vorstellung IntraFind AG Qualitative Sucherweiterung: Search+ Wildcardsuche Einbindung von Synonymen und Taxonomien Semantische Suche Named Entity Recognition Intelligente Navigatoren / Facettensuche Wissenslandkarte Themenbasierte Suche Textclustering Beispielszenarien

4 Kurzvorstellung IntraFind AG Mission: Enterprise Search und Information Access Wir sind Experten für Text Mining und Knowledge Retrieval. Unsere Verfahren für das Suchen, Finden und Aufbereiten: Linguistik, Thesauri und Taxonomien, Semantische Suche, Ähnlichkeitssuche, Textclustering, Textklassifikation, Named Entity Recognition Sinnvolle kundenspezifische Kombination für individuelle, spezialisierte Such-Lösungen

5 Kurzvorstellung IntraFind AG Kunden / Referenzen Automotive: Robert Bosch GmbH, Phoenix Contact Chemie und Pharma: Merck, Degussa, Boehringer-Ingelheim Industrie und Handel: Atlas Elektronik, Tech Data Verlage: Haufe, Gruner+Jahr, Tomorrow Focus, Langenscheidt Finance: BHF-Bank, Helvetia Patria, HVB, Ideal Versicherung Öffentliche Institutionen: Land Niedersachsen, Bundeswehr

6 Search+ Standardprodukt der IntraFind für qualitative Sucherweiterung von Sharepoint Funktionalität: Wildcardsuche Volle Boole sche Unterstützung Hit-Highlighting im Originaldokument Thesaurusbasierte Suche Assoziativ-semantische Suche Erweiterungen über Webparts realisiert Einfaches Deployment

7 Search+: Thesaurus / Synonymsuche Anreicherung der Suchfrage: manuell gepflegter Thesaurus derzeit ca Synonymgruppen Kann von Benutzer über Webinterface ausgebaut werden (z.b. zur Berücksichtigung firmenspezifischer Begrifflichkeiten) Anreicherung der Suchfrage mit Synonymgruppen Farbe -> Ton, Tönung, Beize, Färbemittel Schnittstelle für Taxonomien

8 Search+: Semantische Suche Automatische Generierung von korrelierenden Begriffen, die im Dokumentenbestand / Trefferliste zur Suchfrage in starker inhaltlicher Beziehung stehen Erstellung von Begriffsnetzen & Wortwolken mit statistischen und morphologischen Relationsmessungen damit erfolgt die Anreicherung der Suchfrage mit inhaltlich verwandten Begriffen Microsoft -> Bill Gates, X-Box, Windows ebenfalls Erkennung von Phrasen: Bayer AG liefert nicht Bayern München als inhaltlich verwandt

9 Search+: Semantische Suche Zwei Anwendungs-Szenarien Intuitive Eingrenzung der Suche Anhand der assoziativen Suchbegriffe bekommt der Benutzer eingrenzende Begriffe vorgeschlagen, die im Kontext zu seiner Suchfrage im Gesamtbestand vorhanden sind Der Benutzer gewinnt so sehr gut wieder an Such-Schärfe schneller Drill-Down in der Trefferliste Explorative Suche Aus den gewichteten, assoziativen Suchbegriffen wird eine neue Suchfrage erstellt man findet damit inhaltliche Treffer, die z.b. nicht mehr den Ausgangs-Suchbegriff enthalten, inhaltlich aber ebenso sehr gut passen

10 Search+: Semantische Suche Semantisch-assoziative Suche unterstützt den Benutzer durch intuitive Suchvorschläge Beispiel: Suchfrage: Microsoft Ergebnis: im Dokumentenbestand stark korrelierende Begriffe zu Microsoft werden dynamisch berechnet

11 Search+: Beispiel für eingrenzende Suche 1. Suche: 1972 Treffer zum Suchbegriff Suchtipps: Was hat hohe Signifikanz zu meiner Suchfrage -> Strube

12 Search+: Beispiel für eingrenzende Suche 2.Suche: 42 Treffer, Suchtipps neu berechnet

13 Search+: Beispiel für eingrenzende Suche 3. Suche: mit 2 Klicks von 1972 Treffern auf 4 Treffer!!

14 Named Entity Recognition: NER Extraktion von Kerninformationen aus unstrukturierten Daten Eigennamen von Personen Eigennamen von Firmen Straßen- Ortsbezeichnungen Währungs- und Buchhaltungswerte Datumsangaben Telefonnummern, -Daten Kundenspezifische Entitäten: z.b. Produkte, Chemische Strukturen Suchfrage: Welche Personen / welche Unternehmen korrelieren stark miteinander?

15 NER-Beispiel Gefilterte semantische Wortwolke Welche Personen sind mit meiner Suchfrage stark korreliert?

16 Nutzung als intelligente Navigation Komfortable Rechercheunterstützung durch: Kontextbezogene Inhaltsanalyse -> Vorschlag inhaltlich korrelierter Artikel Suche als Navigation Navigatoren: - Themen, - assoziierte Begriffe, - Entitäten (Personen, Firmen, Produkte), - Sprache, - Clusterbäume Wissenslandkarte z.b. Audi (56), BMW (44), Mercedes (38) oder beliebig andere Entitäten (aus Metadaten oder via Text-Mining)

17 Intelligente Navigatoren: Facettensuche dynamisch generierte Facetten mit Wort- und Phrasen-Assoziationen dynamisch generierte Facetten mit Wort- und Phrasen-Assoziationen aus einem manuell gepflegten Synonymthesaurus

18 Intelligente Navigatoren: Wissenslandkarte

19 Themenbasierte Suche Kategorisierung / Textklassifikation thematischen Suche Kategorien als zusätzliche Informationsfilter Beispiel: Volltextsuche kombiniert mit Themeneinschränkung

20 Textclustering Clustering geclusterte semantische Wortwolke Keine flache Trefferliste mehr Inhaltlich sortierte Trefferliste Intelligente Facette für schnelle Informationsfilterung

21 Beispielszenarien Unternehmensweite Suche Expertenidentifikation Filterung von Fachartikeln

22 Herzlichen Dank für Ihre Aufmerksamkeit! Fragen?