Search (2 results, page 1 of 1)

0.0062684882 = product of:
  0.03761093 = sum of:
    0.03761093 = weight(_text_:und in 4930) [ClassicSimilarity], result of:
      0.03761093 = score(doc=4930,freq=14.0), product of:
        0.09675359 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.043654136 = queryNorm
        0.38872904 = fieldWeight in 4930, product of:
          3.7416575 = tf(freq=14.0), with freq of:
            14.0 = termFreq=14.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.046875 = fieldNorm(doc=4930)
  0.16666667 = coord(1/6)

Abstract

Benutzerfreundlichkeit (bzw. Gebrauchstauglichkeit) ist für den Erfolg von Web-Portalen, aber auch von Hard- und Software entscheidend. Einrichtung und Pflege von Web-Portalen sind aufwändig und damit teuer. Werden sie von vielen Besuchern wiederverlassen, ohne dass diese Kunde geworden sind oder wenigstens wiederkommen, so ist dies unwirtschaftlich und wird jedem Controller ein Dorn im Auge sein. Auch Software, die Anwendern unnötig lange Einarbeitungszeiten zumutet, wird sich am Markt nicht durchsetzen können. Doch obgleich das fast jeder weiß, passiert es immer wieder, dass die Berücksichtigung der Bedürfnisse der künftigen Nutzer oder Kunden bei der Entwicklung unzureichend gelingt. Hier bieten Usability-Labore ihre Unterstützung an. Ihr Angebot ist unterschiedlich, im besten Fall reicht es von Experten-Reviews über Graphical User Interface Design und Styleguides bis hin zu Benchmarking und Usability-Tests mit Benutzern. Was verbirgt sich dahinter?

Source

Information - Wissenschaft und Praxis. 57(2006) H.1, S.59-60

7.4368593E-4 = product of:
  0.0044621155 = sum of:
    0.0044621155 = weight(_text_:in in 2685) [ClassicSimilarity], result of:
      0.0044621155 = score(doc=2685,freq=2.0), product of:
        0.059380736 = queryWeight, product of:
          1.3602545 = idf(docFreq=30841, maxDocs=44218)
          0.043654136 = queryNorm
        0.07514416 = fieldWeight in 2685, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          1.3602545 = idf(docFreq=30841, maxDocs=44218)
          0.0390625 = fieldNorm(doc=2685)
  0.16666667 = coord(1/6)

Abstract

Automatic document summarization using citations is based on summarizing what others explicitly say about the document, by extracting a summary from text around the citations (citances). While this technique works quite well for summarizing the impact of scientific articles, other genres of documents as well as other types of summaries require different approaches. In this paper, we introduce a new family of methods that we developed for legal documents summarization to generate catchphrases for legal cases (where catchphrases are a form of legal summary). Our methods use both incoming and outgoing citations, and we show how citances can be combined with other elements of cited and citing documents, including the full text of the target document, and catchphrases of cited and citing cases. On a legal summarization corpus, our methods outperform competitive baselines. The combination of full text sentences and catchphrases from cited and citing cases is particularly successful. We also apply and evaluate the methods on scientific paper summarization, where they perform at the level of state-of-the-art techniques. Our family of citation-based summarization methods is powerful and flexible enough to target successfully a range of different domains and summarization tasks.