Search (7 results, page 1 of 1)

  • × classification_ss:"ST 270"
  • × year_i:[2000 TO 2010}
  1. Hüsken, P.: Informationssuche im Semantic Web : Methoden des Information Retrieval für die Wissensrepräsentation (2006) 0.03 
    0.027635694 = product of:
  0.110542774 = sum of:
    0.10139876 = weight(_text_:semantic in 4332) [ClassicSimilarity], result of:
      0.10139876 = score(doc=4332,freq=14.0), product of:
        0.13904566 = queryWeight, product of:
          4.1578603 = idf(docFreq=1879, maxDocs=44218)
          0.033441637 = queryNorm
        0.7292479 = fieldWeight in 4332, product of:
          3.7416575 = tf(freq=14.0), with freq of:
            14.0 = termFreq=14.0
          4.1578603 = idf(docFreq=1879, maxDocs=44218)
          0.046875 = fieldNorm(doc=4332)
    0.0091440175 = product of:
      0.02743205 = sum of:
        0.02743205 = weight(_text_:29 in 4332) [ClassicSimilarity], result of:
          0.02743205 = score(doc=4332,freq=2.0), product of:
            0.117637224 = queryWeight, product of:
              3.5176873 = idf(docFreq=3565, maxDocs=44218)
              0.033441637 = queryNorm
            0.23319192 = fieldWeight in 4332, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5176873 = idf(docFreq=3565, maxDocs=44218)
              0.046875 = fieldNorm(doc=4332)
      0.33333334 = coord(1/3)
  0.25 = coord(2/8)
    Abstract
    Das Semantic Web bezeichnet ein erweitertes World Wide Web (WWW), das die Bedeutung von präsentierten Inhalten in neuen standardisierten Sprachen wie RDF Schema und OWL modelliert. Diese Arbeit befasst sich mit dem Aspekt des Information Retrieval, d.h. es wird untersucht, in wie weit Methoden der Informationssuche sich auf modelliertes Wissen übertragen lassen. Die kennzeichnenden Merkmale von IR-Systemen wie vage Anfragen sowie die Unterstützung unsicheren Wissens werden im Kontext des Semantic Web behandelt. Im Fokus steht die Suche nach Fakten innerhalb einer Wissensdomäne, die entweder explizit modelliert sind oder implizit durch die Anwendung von Inferenz abgeleitet werden können. Aufbauend auf der an der Universität Duisburg-Essen entwickelten Retrievalmaschine PIRE wird die Anwendung unsicherer Inferenz mit probabilistischer Prädikatenlogik (pDatalog) implementiert.
    Date
    12. 2.2011 17:29:27
    Footnote
    Zugl.: Dortmund, Univ., Dipl.-Arb., 2006 u.d.T.: Hüsken, Peter: Information-Retrieval im Semantic-Web.
    RSWK
    Information Retrieval / Semantic Web
    Subject
    Information Retrieval / Semantic Web
    Theme
    Semantic Web
  2. Kuropka, D.: Modelle zur Repräsentation natürlichsprachlicher Dokumente : Ontologie-basiertes Information-Filtering und -Retrieval mit relationalen Datenbanken (2004) 0.02 
    0.015985923 = product of:
  0.12788738 = sum of:
    0.12788738 = weight(_text_:ontologie in 4325) [ClassicSimilarity], result of:
      0.12788738 = score(doc=4325,freq=4.0), product of:
        0.2339713 = queryWeight, product of:
          6.996407 = idf(docFreq=109, maxDocs=44218)
          0.033441637 = queryNorm
        0.5465943 = fieldWeight in 4325, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          6.996407 = idf(docFreq=109, maxDocs=44218)
          0.0390625 = fieldNorm(doc=4325)
  0.125 = coord(1/8)
    Abstract
    Kostengünstige Massenspeicher und die zunehmende Vernetzung von Rechnern haben die Anzahl der Dokumente, auf die ein einzelnes Individuum zugreifen kann (bspw. Webseiten) oder die auf das Individuum einströmen (bspw. E-Mails), in den letzten Jahren rapide ansteigen lassen. In immer mehr Bereichen der Wirtschaft, Wissenschaft und Verwaltung nimmt der Bedarf an hochwertigen Information-Filtering und -Retrieval Werkzeugen zur Beherrschung der Informationsflut zu. Zur computergestützten Lösung dieser Problemstellung sind Modelle zur Repräsentation natürlichsprachlicher Dokumente erforderlich, um formale Kriterien für die automatisierte Auswahl relevanter Dokumente definieren zu können. Dominik Kuropka gibt in seiner Arbeit eine umfassende Übersicht über den Themenbereich der Suche und Filterung von natürlichsprachlichen Dokumenten. Es wird eine Vielzahl von Modellen aus Forschung und Praxis vorgestellt und evaluiert. Auf den Ergebnissen aufbauend wird das Potenzial von Ontologien in diesem Zusammenhang eruiert und es wird ein neues, ontologie-basiertes Modell für das Information-Filtering und -Retrieval erarbeitet, welches anhand von Text- und Code-Beispielen ausführlich erläutert wird. Das Buch richtet sich an Dozenten und Studenten der Informatik, Wirtschaftsinformatik und (Computer-)Linguistik sowie an Systemdesigner und Entwickler von dokumentenorientierten Anwendungssystemen und Werkzeugen.
  3. Kuropka, D.: Modelle zur Repräsentation natürlichsprachlicher Dokumente : Ontologie-basiertes Information-Filtering und -Retrieval mit relationalen Datenbanken (2004) 0.02 
    0.015985923 = product of:
  0.12788738 = sum of:
    0.12788738 = weight(_text_:ontologie in 4385) [ClassicSimilarity], result of:
      0.12788738 = score(doc=4385,freq=4.0), product of:
        0.2339713 = queryWeight, product of:
          6.996407 = idf(docFreq=109, maxDocs=44218)
          0.033441637 = queryNorm
        0.5465943 = fieldWeight in 4385, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          6.996407 = idf(docFreq=109, maxDocs=44218)
          0.0390625 = fieldNorm(doc=4385)
  0.125 = coord(1/8)
    Abstract
    Kostengünstige Massenspeicher und die zunehmende Vernetzung von Rechnern haben die Anzahl der Dokumente, auf die ein einzelnes Individuum zugreifen kann (bspw. Webseiten) oder die auf das Individuum einströmen (bspw. E-Mails), in den letzten Jahren rapide ansteigen lassen. In immer mehr Bereichen der Wirtschaft, Wissenschaft und Verwaltung nimmt der Bedarf an hochwertigen Information-Filtering und -Retrieval Werkzeugen zur Beherrschung der Informationsflut zu. Zur computergestützten Lösung dieser Problemstellung sind Modelle zur Repräsentation natürlichsprachlicher Dokumente erforderlich, um formale Kriterien für die automatisierte Auswahl relevanter Dokumente definieren zu können. Dominik Kuropka gibt in seiner Arbeit eine umfassende Übersicht über den Themenbereich der Suche und Filterung von natürlichsprachlichen Dokumenten. Es wird eine Vielzahl von Modellen aus Forschung und Praxis vorgestellt und evaluiert. Auf den Ergebnissen aufbauend wird das Potenzial von Ontologien in diesem Zusammenhang eruiert und es wird ein neues, ontologie-basiertes Modell für das Information-Filtering und -Retrieval erarbeitet, welches anhand von Text- und Code-Beispielen ausführlich erläutert wird. Das Buch richtet sich an Dozenten und Studenten der Informatik, Wirtschaftsinformatik und (Computer-)Linguistik sowie an Systemdesigner und Entwickler von dokumentenorientierten Anwendungssystemen und Werkzeugen.
  4. Manning, C.D.; Raghavan, P.; Schütze, H.: Introduction to information retrieval (2008) 0.01 
    0.007141466 = product of:
  0.057131726 = sum of:
    0.057131726 = weight(_text_:semantic in 4041) [ClassicSimilarity], result of:
      0.057131726 = score(doc=4041,freq=10.0), product of:
        0.13904566 = queryWeight, product of:
          4.1578603 = idf(docFreq=1879, maxDocs=44218)
          0.033441637 = queryNorm
        0.41088465 = fieldWeight in 4041, product of:
          3.1622777 = tf(freq=10.0), with freq of:
            10.0 = termFreq=10.0
          4.1578603 = idf(docFreq=1879, maxDocs=44218)
          0.03125 = fieldNorm(doc=4041)
  0.125 = coord(1/8)
    Content
    Inhalt: Boolean retrieval - The term vocabulary & postings lists - Dictionaries and tolerant retrieval - Index construction - Index compression - Scoring, term weighting & the vector space model - Computing scores in a complete search system - Evaluation in information retrieval - Relevance feedback & query expansion - XML retrieval - Probabilistic information retrieval - Language models for information retrieval - Text classification & Naive Bayes - Vector space classification - Support vector machines & machine learning on documents - Flat clustering - Hierarchical clustering - Matrix decompositions & latent semantic indexing - Web search basics - Web crawling and indexes - Link analysis Vgl. die digitale Fassung unter: http://nlp.stanford.edu/IR-book/pdf/irbookprint.pdf.
    LCSH
    Semantic Web
    RSWK
    Semantic Web (BVB)
    Subject
    Semantic Web (BVB)
    Semantic Web
  5. Social information retrieval systems : emerging technologies and applications for searching the Web effectively (2008) 0.00 
    0.0031937603 = product of:
  0.025550082 = sum of:
    0.025550082 = weight(_text_:semantic in 4127) [ClassicSimilarity], result of:
      0.025550082 = score(doc=4127,freq=2.0), product of:
        0.13904566 = queryWeight, product of:
          4.1578603 = idf(docFreq=1879, maxDocs=44218)
          0.033441637 = queryNorm
        0.18375319 = fieldWeight in 4127, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          4.1578603 = idf(docFreq=1879, maxDocs=44218)
          0.03125 = fieldNorm(doc=4127)
  0.125 = coord(1/8)
    Content
    Inhalt Collaborating to search effectively in different searcher modes through cues and specialty search / Naresh Kumar Agarwal and Danny C.C. Poo -- Collaborative querying using a hybrid content and results-based approach / Chandrani Sinha Ray ... [et al.] -- Collaborative classification for group-oriented organization of search results / Keiichi Nakata and Amrish Singh -- A case study of use-centered descriptions : archival descriptions of what can be done with a collection / Richard Butterworth -- Metadata for social recommendations : storing, sharing, and reusing evaluations of learning resources / Riina Vuorikari, Nikos Manouselis, and Erik Duval -- Social network models for enhancing reference-based search engine rankings / Nikolaos Korfiatis ... [et al.] -- From PageRank to social rank : authority-based retrieval in social information spaces / Sebastian Marius Kirsch ... [et al.] -- Adaptive peer-to-peer social networks for distributed content-based Web search / Le-Shin Wu ... [et al.] -- The ethics of social information retrieval / Brendan Luyt and Chu Keong Lee -- The social context of knowledge / Daniel Memmi -- Social information seeking in digital libraries / George Buchanan and Annika Hinze -- Relevant intra-actions in networked environments / Theresa Dirndorfer Anderson -- Publication and citation analysis as a tool for information retrieval / Ronald Rousseau -- Personalized information retrieval in a semantic-based learning environment / Antonella Carbonaro and Rodolfo Ferrini -- Multi-agent tourism system (MATS) / Soe Yu Maw and Myo-Myo Naing -- Hybrid recommendation systems : a case study on the movies domain / Konstantinos Markellos ... [et al.].
  6. Dominich, S.: Mathematical foundations of information retrieval (2001) 0.00 
    9.439334E-4 = product of:
  0.007551467 = sum of:
    0.007551467 = product of:
      0.022654401 = sum of:
        0.022654401 = weight(_text_:22 in 1753) [ClassicSimilarity], result of:
          0.022654401 = score(doc=1753,freq=2.0), product of:
            0.117106915 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.033441637 = queryNorm
            0.19345059 = fieldWeight in 1753, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.0390625 = fieldNorm(doc=1753)
      0.33333334 = coord(1/3)
  0.125 = coord(1/8)
    Date
    22. 3.2008 12:26:32
  7. TREC: experiment and evaluation in information retrieval (2005) 0.00 
    4.762509E-4 = product of:
  0.0038100071 = sum of:
    0.0038100071 = product of:
      0.011430021 = sum of:
        0.011430021 = weight(_text_:29 in 636) [ClassicSimilarity], result of:
          0.011430021 = score(doc=636,freq=2.0), product of:
            0.117637224 = queryWeight, product of:
              3.5176873 = idf(docFreq=3565, maxDocs=44218)
              0.033441637 = queryNorm
            0.097163305 = fieldWeight in 636, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5176873 = idf(docFreq=3565, maxDocs=44218)
              0.01953125 = fieldNorm(doc=636)
      0.33333334 = coord(1/3)
  0.125 = coord(1/8)
    Date
    29. 3.1996 18:16:49

Authors

Languages

Types

Themes

Subjects

Classifications