Search (2 results, page 1 of 1)

  • × author_ss:"Terliesner, J."
  • × language_ss:"d"
  • × year_i:[2010 TO 2020}
  1. Peters, I.; Schumann, L.; Terliesner, J.: Folksonomy-basiertes Information Retrieval unter der Lupe (2012) 0.01 
    0.011321047 = product of:
  0.13585256 = sum of:
    0.13585256 = weight(_text_:tagging in 406) [ClassicSimilarity], result of:
      0.13585256 = score(doc=406,freq=4.0), product of:
        0.21038401 = queryWeight, product of:
          5.9038734 = idf(docFreq=327, maxDocs=44218)
          0.035634913 = queryNorm
        0.64573616 = fieldWeight in 406, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          5.9038734 = idf(docFreq=327, maxDocs=44218)
          0.0546875 = fieldNorm(doc=406)
  0.083333336 = coord(1/12)
    Abstract
    Social Tagging ist eine weitverbreitete Methode, um nutzergenerierte Inhalte in Webdiensten zu indexieren. Dieser Artikel fasst die aktuelle Forschung zu Folksonomies und Effektivität von Tags in Retrievalsystemen zusammen. Es wurde ein TREC-ähnlicher Retrievaltest mit Tags und Ressourcen aus dem Social Bookmarking-Dienst delicious durchgeführt, welcher in Recall- und Precisionwerten für ausschließlich Tag-basierte Suchen resultierte. Außerdem wurden Tags in verschiedenen Stufen bereinigt und auf ihre Retrieval-Effektivität getestet. Testergebnisse zeigen, dass Retrieval in Folksonomies am besten mit kurzen Anfragen funktioniert. Hierbei sind die Recallwerte hoch, die Precisionwerte jedoch eher niedrig. Die Suchfunktion "power tags only" liefert verbesserte Precisionwerte.
    Theme
    Social tagging
  2. Terliesner, J.: Information Retrieval in Wikis : wie können klassische Methoden des Information Retrievals die Suchfunktion eines Wikis bereichern? (2010) 0.01 
    0.0083865 = product of:
  0.050318997 = sum of:
    0.025159499 = weight(_text_:web in 3504) [ClassicSimilarity], result of:
      0.025159499 = score(doc=3504,freq=2.0), product of:
        0.11629491 = queryWeight, product of:
          3.2635105 = idf(docFreq=4597, maxDocs=44218)
          0.035634913 = queryNorm
        0.21634221 = fieldWeight in 3504, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.2635105 = idf(docFreq=4597, maxDocs=44218)
          0.046875 = fieldNorm(doc=3504)
    0.025159499 = weight(_text_:web in 3504) [ClassicSimilarity], result of:
      0.025159499 = score(doc=3504,freq=2.0), product of:
        0.11629491 = queryWeight, product of:
          3.2635105 = idf(docFreq=4597, maxDocs=44218)
          0.035634913 = queryNorm
        0.21634221 = fieldWeight in 3504, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.2635105 = idf(docFreq=4597, maxDocs=44218)
          0.046875 = fieldNorm(doc=3504)
  0.16666667 = coord(2/12)
    Abstract
    Wikis erfreuen sich als gemeinschaftliche Wissenssammlungen wachsender Beliebtheit. Wissenssammlungen können jedoch nur effektiv genutzt werden, wenn geeignete Suchwerkzeuge zur Verfügung stehen, die alle Besonderheiten der Suchumgebung berücksichtigen. Allerdings liefern Suchfunktionen in Wikis häufig nicht relevante Ergebnisse. Dieser Artikel beschreibt den Aufbau und die Funktionsweise einer optimierten Suchmaschine für Wikis, mit welcher dieser Missstand beseitigt werden soll. Um ein Suchergebnis als Ranking präsentieren zu können, muss dies nach bestimmten Kriterien erfolgen. Viele Kriterien aus dem Web können in Wikis nicht übernommen werden. Deshalb ist eine genaue Analyse der Struktur von Wikis erforderlich. Es wird beschrieben wie Suchergebnisse in Clustern dargestellt werden können, die auf der besonderen Struktur von Wikis beruhen. Dieser Artikel bildet die theoretische Grundlage für weitere Forschung, in der die vorgestellten Thesen analysiert werden und durch einen Retrievaltest bestätigt werden sollen.

Authors

Themes