Search (4 results, page 1 of 1)

0.0010278366 = product of:
  0.019528896 = sum of:
    0.019528896 = weight(_text_:und in 372) [ClassicSimilarity], result of:
      0.019528896 = score(doc=372,freq=12.0), product of:
        0.05426304 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.024482876 = queryNorm
        0.35989314 = fieldWeight in 372, product of:
          3.4641016 = tf(freq=12.0), with freq of:
            12.0 = termFreq=12.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.046875 = fieldNorm(doc=372)
  0.05263158 = coord(1/19)

Abstract

Effizienter (Online-)Zugang zu Bibliotheks- und Archivmaterialien erfordert eine qualitativ hinreichende inhaltliche Erschließung dieser Dokumente. Die passgenaue Verschlagwortung und Kategorisierung dieser unstrukturierten Dokumente ermöglichen einen strukturell gegliederten Zugang sowohl in der analogen als auch in der digitalen Welt. Darüber hinaus erweitert eine vollständige Transkription der Dokumente den Zugang über die Möglichkeiten der Volltextsuche. Angesichts der in jüngster Zeit erzielten spektakulären Erfolge der Künstlichen Intelligenz liegt die Schlussfolgerung nahe, dass auch das Problem der automatisierten Inhaltserschließung für Bibliotheken und Archive als mehr oder weniger gelöst anzusehen wäre. Allerdings lassen sich die oftmals nur in thematisch engen Teilbereichen erzielten Erfolge nicht immer problemlos verallgemeinern oder in einen neuen Kontext übertragen. Das Ziel der vorliegenden Darstellung liegt in der Diskussion des aktuellen Stands der Technik der automatisierten inhaltlichen Erschließung anhand ausgewählter Beispiele sowie möglicher Fortschritte und Prognosen basierend auf aktuellen Entwicklungen des maschinellen Lernens und der Künstlichen Intelligenz einschließlich deren Kritik.

Series

Bibliotheks- und Informationspraxis; 70

8.565306E-4 = product of:
  0.016274082 = sum of:
    0.016274082 = weight(_text_:und in 2899) [ClassicSimilarity], result of:
      0.016274082 = score(doc=2899,freq=12.0), product of:
        0.05426304 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.024482876 = queryNorm
        0.29991096 = fieldWeight in 2899, product of:
          3.4641016 = tf(freq=12.0), with freq of:
            12.0 = termFreq=12.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0390625 = fieldNorm(doc=2899)
  0.05263158 = coord(1/19)

Abstract

Die unter dem Schlagwort "Web 2.0" zusammengefassten Technologien des Social Web beweisen eindrucksvoll, wie erfolgreich kollaboratives Arbeiten in intuitiv zu bedienenden Systemen sein kann. Das Social Web ist von keiner zentralen Autorität gesteuert; Nutzer können sich in vielen Social Web Sites in jeweils neuen Gruppen zusammenfinden und gemeinsam Inhalte erstellen und austauschen. Solche kollaborativen Prozesse haben längst Einzug gehalten in Unternehmen, um Projekte zu koordinieren, zu dokumentieren und umzusetzen. Dort existieren jedoch strenge Vorgaben, wer welche Informationen sehen und verändern darf. Das behindert den spontanen Umgang mit der neuen Technik und verlangt den Einsatz der aus anderen Informationssystemen bekannten Methoden, Informationen vor unberechtigtem Zugriff zu schützen. In diesem Artikel wird der Einsatz der durch Social Tagging gewonnenen Informationen zum Festlegen von Richtlinien zur Zugriffskontrolle beleuchtet. Viele funktionale und deskriptive Tags geben Aufschluss auf den gewünschten Personenkreis, der auf die zugrunde liegende Ressource zugreifen können soll. Die vorgeschlagene Architektur basiert auf Semantic Web Regeln, mit deren Hilfe Tags in Sicherheitsrichtlinien übersetzt werden.

5.934218E-4 = product of:
  0.011275014 = sum of:
    0.011275014 = weight(_text_:und in 346) [ClassicSimilarity], result of:
      0.011275014 = score(doc=346,freq=4.0), product of:
        0.05426304 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.024482876 = queryNorm
        0.20778441 = fieldWeight in 346, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.046875 = fieldNorm(doc=346)
  0.05263158 = coord(1/19)

Abstract

In diesem Kapitel werden Vorschläge für neue Suchparadigmen nach multimedialen Inhalten in Archiven von Kultureinrichtungen vorgestellt. Um die Notwendigkeit für eine Integration dieser neuen Technologien zu zeigen, werden zunächst Einschränkungen der klassischen katalogbasierten Bibliothekssuche im Zeitalter von immer weiter wachsenden Multimediasammlungen beschrieben. Im Anschluss werden die Vor- und Nachteile zweier Suchparadigmen dargestellt, mit deren Hilfe in Zukunft für Wissenschaftler und Kulturschaffende die Suche nach multimedialen Inhalten erleichtert werden könnte. Zunächst werden die Perspektiven einer semantischen Suche auf Basis von Semantic-Web-Technologien in Bibliotheken beschrieben. Im Anschluss werden Suchmöglichkeiten für Multimediainhalte auf Basis von automatischer inhaltsbasierter Medienanalyse gezeigt. Das Kapitel endet mit einem Ausblick auf eine mögliche Vereinigung der beiden neuen Ansätze mit katalogbasierter Bibliothekssuche.

4.89548E-4 = product of:
  0.009301412 = sum of:
    0.009301412 = weight(_text_:und in 2890) [ClassicSimilarity], result of:
      0.009301412 = score(doc=2890,freq=2.0), product of:
        0.05426304 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.024482876 = queryNorm
        0.17141339 = fieldWeight in 2890, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0546875 = fieldNorm(doc=2890)
  0.05263158 = coord(1/19)

Abstract

Social-Tagging-Systeme ermöglichen die Annotation beliebiger Ressourcen mit nutzerbasierten Metadaten. Ressourcen wurden in diesem Zusammenhang stets als Ganzes betrachtet, ohne dass eine differenzierte Annotation einzelner Ressourcen-Fragmente möglich war. Dies fällt insbesondere bei zeitabhängigen Multimediadaten, wie z. B. Videodaten ins Gewicht, da der Nutzer oft nur an einzelnen Szenen einer umfangreichen Videodatei interessiert ist. Dieser Beitrag stellt eine einfache Möglichkeit der zeitbezogenen, kollaborativen Annotation von Multimediadaten vor und veranschaulicht deren Umsetzung am Beispiel der Videosuchmaschine yovisto.