Search (3 results, page 1 of 1)

0.010043784 = product of:
  0.020087568 = sum of:
    0.01053448 = product of:
      0.03160344 = sum of:
        0.03160344 = weight(_text_:auch in 3051) [ClassicSimilarity], result of:
          0.03160344 = score(doc=3051,freq=4.0), product of:
            0.109016165 = queryWeight, product of:
              3.0922327 = idf(docFreq=5456, maxDocs=44218)
              0.03525484 = queryNorm
            0.28989682 = fieldWeight in 3051, product of:
              2.0 = tf(freq=4.0), with freq of:
                4.0 = termFreq=4.0
              3.0922327 = idf(docFreq=5456, maxDocs=44218)
              0.046875 = fieldNorm(doc=3051)
      0.33333334 = coord(1/3)
    0.009553088 = product of:
      0.028659264 = sum of:
        0.028659264 = weight(_text_:22 in 3051) [ClassicSimilarity], result of:
          0.028659264 = score(doc=3051,freq=2.0), product of:
            0.12345644 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.03525484 = queryNorm
            0.23214069 = fieldWeight in 3051, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.046875 = fieldNorm(doc=3051)
      0.33333334 = coord(1/3)
  0.5 = coord(2/4)

Abstract

Klassifikation von bibliografischen Einheiten ist für einen systematischen Zugang zu den Beständen einer Bibliothek und deren Aufstellung unumgänglich. Bislang wurde diese Aufgabe von Fachexperten manuell erledigt, sei es individuell nach einer selbst entwickelten Systematik oder kooperativ nach einer gemeinsamen Systematik. In dieser Arbeit wird ein Verfahren zur Automatisierung des Klassifikationsvorgangs vorgestellt. Dabei kommt das Verfahren des fallbasierten Schließens zum Einsatz, das im Kontext der Forschung zur künstlichen Intelligenz entwickelt wurde. Das Verfahren liefert für jedes Werk, für das bibliografische Daten vorliegen, eine oder mehrere mögliche Klassifikationen. In Experimenten werden die Ergebnisse der automatischen Klassifikation mit der durch Fachexperten verglichen. Diese Experimente belegen die hohe Qualität der automatischen Klassifikation und dass das Verfahren geeignet ist, Fachexperten bei der Klassifikationsarbeit signifikant zu entlasten. Auch die nahezu vollständige Resystematisierung eines Bibliothekskataloges ist - mit gewissen Abstrichen - möglich.

Date

22. 8.2009 19:51:28

Footnote

Vgl. auch die Präsentationen unter: http://www.bibliothek.uni-regensburg.de/Systematik/pdf/Anw2008_PPT1.pdf. http://blog.bib.uni-mannheim.de/Classification/wp-content/uploads/2007/10/hu-berlin-2007-2.pdf. Volltexte unter:

0.0024830007 = product of:
  0.009932003 = sum of:
    0.009932003 = product of:
      0.029796008 = sum of:
        0.029796008 = weight(_text_:auch in 186) [ClassicSimilarity], result of:
          0.029796008 = score(doc=186,freq=2.0), product of:
            0.109016165 = queryWeight, product of:
              3.0922327 = idf(docFreq=5456, maxDocs=44218)
              0.03525484 = queryNorm
            0.27331734 = fieldWeight in 186, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.0922327 = idf(docFreq=5456, maxDocs=44218)
              0.0625 = fieldNorm(doc=186)
      0.33333334 = coord(1/3)
  0.25 = coord(1/4)

Abstract

CBR ist eng gekoppelt mit Lernen, verstanden als Anreicherung von Wissen. Wissen wird unterteilt in Faktenwissen und Handhabungs-/Orientierungswissen. Letzteres verfügbar zu haben wird als primäres Ziel von Lernen und damit auch von CBR herausgearbeitet. Die Übertragbarkeitsproblematik, d.h. die Nutzung von gespeichertem Erfahrungswissen (alte Fälle und ihre Lösungen) zur Lösung neuer Problemstellungen wird an einem eingängigen Beispiel (Dunckers Bestrahlungsproblem illustriert). Abschließend wird der CBR-Zyklus kurz vorgestellt

0.0018622505 = product of:
  0.007449002 = sum of:
    0.007449002 = product of:
      0.022347005 = sum of:
        0.022347005 = weight(_text_:auch in 558) [ClassicSimilarity], result of:
          0.022347005 = score(doc=558,freq=2.0), product of:
            0.109016165 = queryWeight, product of:
              3.0922327 = idf(docFreq=5456, maxDocs=44218)
              0.03525484 = queryNorm
            0.204988 = fieldWeight in 558, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.0922327 = idf(docFreq=5456, maxDocs=44218)
              0.046875 = fieldNorm(doc=558)
      0.33333334 = coord(1/3)
  0.25 = coord(1/4)

Abstract

Klassifikation von bibliografischen Einheiten ist für einen systematischen Zugang zu den Beständen einer Bibliothek und deren Aufstellung unumgänglich. Bislang wurde diese Aufgabe von Fachexperten manuell erledigt, sei es individuell nach einer selbst entwickelten Systematik oder kooperativ nach einer gemeinsamen Systematik. In dieser Arbeit wird ein Verfahren zur Automatisierung des Klassifikationsvorgangs vorgestellt. Dabei kommt das Verfahren des fallbasierten Schließens zum Einsatz, das im Kontext der Forschung zur künstlichen Intelligenz entwickelt wurde. Das Verfahren liefert für jedes Werk, für das bibliografische Daten vorliegen, eine oder mehrere mögliche Klassifikationen. In Experimenten werden die Ergebnisse der automatischen Klassifikation mit der durch Fachexperten verglichen. Diese Experimente belegen die hohe Qualität der automatischen Klassifikation und dass das Verfahren geeignet ist, Fachexperten bei der Klassifikationsarbeit signifikant zu entlasten. Auch die nahezu vollständige Resystematisierung eines Bibliothekskataloges ist - mit gewissen Abstrichen - möglich.