Search (70 results, page 1 of 4)

  • × language_ss:"d"
  • × type_ss:"a"
  • × year_i:[2020 TO 2030}
  1. Fuhr, N.: Modelle im Information Retrieval (2023) 0.01 
    0.011385587 = product of:
  0.039849553 = sum of:
    0.031620122 = weight(_text_:retrieval in 800) [ClassicSimilarity], result of:
      0.031620122 = score(doc=800,freq=6.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.28943354 = fieldWeight in 800, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.0390625 = fieldNorm(doc=800)
    0.00822943 = product of:
      0.024688289 = sum of:
        0.024688289 = weight(_text_:29 in 800) [ClassicSimilarity], result of:
          0.024688289 = score(doc=800,freq=2.0), product of:
            0.12704533 = queryWeight, product of:
              3.5176873 = idf(docFreq=3565, maxDocs=44218)
              0.036116153 = queryNorm
            0.19432661 = fieldWeight in 800, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5176873 = idf(docFreq=3565, maxDocs=44218)
              0.0390625 = fieldNorm(doc=800)
      0.33333334 = coord(1/3)
  0.2857143 = coord(2/7)
    Abstract
    Information-Retrieval-Modelle -(IR-Modelle) spezifizieren, wie zu einer gegebenen Anfrage die Antwortdokumente aus einer Dokumentenkollektion bestimmt werden. Ausgangsbasis jedes Modells sind dabei zunächst bestimmte Annahmen über die Wissensrepräsentation (s. Teil B Methoden und Systeme der Inhaltserschließung) von Fragen und Dokumenten. Hier bezeichnen wir die Elemente dieser Repräsentationen als Terme, wobei es aus der Sicht des Modells egal ist, wie diese Terme aus dem Dokument (und analog aus der von Benutzenden eingegebenen Anfrage) abgeleitet werden: Bei Texten werden hierzu häufig computerlinguistische Methoden eingesetzt, aber auch komplexere automatische oder manuelle Erschließungsverfahren können zur Anwendung kommen. Repräsentationen besitzen ferner eine bestimmte Struktur. Ein Dokument wird meist als Menge oder Multimenge von Termen aufgefasst, wobei im zweiten Fall das Mehrfachvorkommen berücksichtigt wird. Diese Dokumentrepräsentation wird wiederum auf eine sogenannte Dokumentbeschreibung abgebildet, in der die einzelnen Terme gewichtet sein können. Im Folgenden unterscheiden wir nur zwischen ungewichteter (Gewicht eines Terms ist entweder 0 oder 1) und gewichteter Indexierung (das Gewicht ist eine nichtnegative reelle Zahl). Analog dazu gibt es eine Fragerepräsentation; legt man eine natürlichsprachige Anfrage zugrunde, so kann man die o. g. Verfahren für Dokumenttexte anwenden. Alternativ werden auch grafische oder formale Anfragesprachen verwendet, wobei aus Sicht der Modelle insbesondere deren logische Struktur (etwa beim Booleschen Retrieval) relevant ist. Die Fragerepräsentation wird dann in eine Fragebeschreibung überführt.
    Date
    24.11.2022 17:20:29
  2. Eibl, M.; Haupt, J.; Kahl, S.; Taubert, S.; Wilhelm-Stein, T.: Audio- und Musik-Retrieval (2023) 0.01 
    0.010327088 = product of:
  0.07228961 = sum of:
    0.07228961 = weight(_text_:retrieval in 802) [ClassicSimilarity], result of:
      0.07228961 = score(doc=802,freq=16.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.6617001 = fieldWeight in 802, product of:
          4.0 = tf(freq=16.0), with freq of:
            16.0 = termFreq=16.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.0546875 = fieldNorm(doc=802)
  0.14285715 = coord(1/7)
    Abstract
    Das Gebiet Audio-Retrieval kann grob in drei Bereiche unterteilt werden: Musik-Retrieval, Retrieval gesprochener Sprache und Retrieval akustischer Ereignisse. Alle drei Bereiche gehen i. d. R. vom Audiosignal als Quelle aus, welches über eine Signalanalyse, meist eine Spektralanalyse über eine Fouriertransformation, weiterverarbeitet und in eine für das Retrieval geeignete Beschreibung gebracht wird. Dabei gibt es auch alternative Ansätze, wie z. B. die Nutzung der hier nicht diskutierten MIDI-Codierung im Musik-Retrieval, die ohne ein akustisches Signal auskommt und bereits eine für das Retrieval geeignete Form der Kodierung als Grundlage hat.
  3. Strecker, D.: Dataset Retrieval : Informationsverhalten von Datensuchenden und das Ökosystem von Data-Retrieval-Systemen (2022) 0.01 
    0.009330606 = product of:
  0.06531424 = sum of:
    0.06531424 = weight(_text_:retrieval in 4021) [ClassicSimilarity], result of:
      0.06531424 = score(doc=4021,freq=10.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.59785134 = fieldWeight in 4021, product of:
          3.1622777 = tf(freq=10.0), with freq of:
            10.0 = termFreq=10.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.0625 = fieldNorm(doc=4021)
  0.14285715 = coord(1/7)
    Abstract
    Verschiedene Stakeholder fordern eine bessere Verfügbarkeit von Forschungsdaten. Der Erfolg dieser Initiativen hängt wesentlich von einer guten Auffindbarkeit der publizierten Datensätze ab, weshalb Dataset Retrieval an Bedeutung gewinnt. Dataset Retrieval ist eine Sonderform von Information Retrieval, die sich mit dem Auffinden von Datensätzen befasst. Dieser Beitrag fasst aktuelle Forschungsergebnisse über das Informationsverhalten von Datensuchenden zusammen. Anschließend werden beispielhaft zwei Suchdienste verschiedener Ausrichtung vorgestellt und verglichen. Um darzulegen, wie diese Dienste ineinandergreifen, werden inhaltliche Überschneidungen von Datenbeständen genutzt, um den Metadatenaustausch zu analysieren.
  4. Wiesenmüller, H.: Verbale Erschließung in Katalogen und Discovery-Systemen : Überlegungen zur Qualität (2021) 0.01 
    0.007546082 = product of:
  0.026411286 = sum of:
    0.018255886 = weight(_text_:retrieval in 374) [ClassicSimilarity], result of:
      0.018255886 = score(doc=374,freq=2.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.16710453 = fieldWeight in 374, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.0390625 = fieldNorm(doc=374)
    0.0081554 = product of:
      0.0244662 = sum of:
        0.0244662 = weight(_text_:22 in 374) [ClassicSimilarity], result of:
          0.0244662 = score(doc=374,freq=2.0), product of:
            0.1264726 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.036116153 = queryNorm
            0.19345059 = fieldWeight in 374, 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=374)
      0.33333334 = coord(1/3)
  0.2857143 = coord(2/7)
    Date
    24. 9.2021 12:22:02
    Theme
    Verbale Doksprachen im Online-Retrieval
  5. Mandl, T.; Diem, S.: Bild- und Video-Retrieval (2023) 0.01 
    0.006997955 = product of:
  0.048985682 = sum of:
    0.048985682 = weight(_text_:retrieval in 801) [ClassicSimilarity], result of:
      0.048985682 = score(doc=801,freq=10.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.44838852 = fieldWeight in 801, product of:
          3.1622777 = tf(freq=10.0), with freq of:
            10.0 = termFreq=10.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.046875 = fieldNorm(doc=801)
  0.14285715 = coord(1/7)
    Abstract
    Digitale Bildverarbeitung hat längst den Alltag erreicht: Automatisierte Passkontrollen, Gesichtserkennung auf dem Mobiltelefon und Apps zum Bestimmen von Pflanzen anhand von Fotos sind nur einige Beispiele für den Einsatz dieser Technologie. Digitale Bildverarbeitung zur Analyse der Inhalte von Bildern kann den Zugang zu Wissen verbessern und ist somit relevant für die Informationswissenschaft. Häufig greifen Systeme bei der Suche nach visueller Information nach wie vor auf beschreibende Metadaten zu, weil diese sprachbasierten Methoden für Massendaten meist robust funktionieren. Der Fokus liegt in diesem Beitrag auf automatischer Inhaltsanalyse von Bildern (content based image retrieval) und nicht auf reinen Metadaten-Systemen, welche Wörter für die Beschreibung von Bildern nutzen (s. Kapitel B 9 Metadaten) und somit letztlich Text-Retrieval ausführen (concept based image retrieval) (s. Kapitel C 1 Informationswissenschaftliche Perspektiven des Information Retrieval).
  6. Petras, V.; Womser-Hacker, C.: Evaluation im Information Retrieval (2023) 0.01 
    0.006997955 = product of:
  0.048985682 = sum of:
    0.048985682 = weight(_text_:retrieval in 808) [ClassicSimilarity], result of:
      0.048985682 = score(doc=808,freq=10.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.44838852 = fieldWeight in 808, product of:
          3.1622777 = tf(freq=10.0), with freq of:
            10.0 = termFreq=10.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.046875 = fieldNorm(doc=808)
  0.14285715 = coord(1/7)
    Abstract
    Das Ziel einer Evaluation ist die Überprüfung, ob bzw. in welchem Ausmaß ein Informationssystem die an das System gestellten Anforderungen erfüllt. Informationssysteme können aus verschiedenen Perspektiven evaluiert werden. Für eine ganzheitliche Evaluation (als Synonym wird auch Evaluierung benutzt), die unterschiedliche Qualitätsaspekte betrachtet (z. B. wie gut ein System relevante Dokumente rankt, wie schnell ein System die Suche durchführt, wie die Ergebnispräsentation gestaltet ist oder wie Suchende durch das System geführt werden) und die Erfüllung mehrerer Anforderungen überprüft, empfiehlt es sich, sowohl eine perspektivische als auch methodische Triangulation (d. h. der Einsatz von mehreren Ansätzen zur Qualitätsüberprüfung) vorzunehmen. Im Information Retrieval (IR) konzentriert sich die Evaluation auf die Qualitätseinschätzung der Suchfunktion eines Information-Retrieval-Systems (IRS), wobei oft zwischen systemzentrierter und nutzerzentrierter Evaluation unterschieden wird. Dieses Kapitel setzt den Fokus auf die systemzentrierte Evaluation, während andere Kapitel dieses Handbuchs andere Evaluationsansätze diskutieren (s. Kapitel C 4 Interaktives Information Retrieval, C 7 Cross-Language Information Retrieval und D 1 Information Behavior).
  7. Elsweiler, D.; Kruschwitz, U.: Interaktives Information Retrieval (2023) 0.01 
    0.0059011932 = product of:
  0.04130835 = sum of:
    0.04130835 = weight(_text_:retrieval in 797) [ClassicSimilarity], result of:
      0.04130835 = score(doc=797,freq=4.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.37811437 = fieldWeight in 797, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.0625 = fieldNorm(doc=797)
  0.14285715 = coord(1/7)
    Abstract
    Interaktives Information Retrieval (IIR) zielt darauf ab, die komplexen Interaktionen zwischen Nutzer*innen und Systemen im IR zu verstehen. Es gibt umfangreiche Literatur zu Themen wie der formalen Modellierung des Suchverhaltens, der Simulation der Interaktion, den interaktiven Funktionen zur Unterstützung des Suchprozesses und der Evaluierung interaktiver Suchsysteme. Dabei ist die interaktive Unterstützung nicht allein auf die Suche beschränkt, sondern hat ebenso die Hilfe bei Navigation und Exploration zum Ziel.
  8. Bärnreuther, K.: Informationskompetenz-Vermittlung für Schulklassen mit Wikipedia und dem Framework Informationskompetenz in der Hochschulbildung (2021) 0.01 
    0.0056176563 = product of:
  0.03932359 = sum of:
    0.03932359 = product of:
      0.058985382 = sum of:
        0.029625945 = weight(_text_:29 in 299) [ClassicSimilarity], result of:
          0.029625945 = score(doc=299,freq=2.0), product of:
            0.12704533 = queryWeight, product of:
              3.5176873 = idf(docFreq=3565, maxDocs=44218)
              0.036116153 = queryNorm
            0.23319192 = fieldWeight in 299, 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=299)
        0.029359438 = weight(_text_:22 in 299) [ClassicSimilarity], result of:
          0.029359438 = score(doc=299,freq=2.0), product of:
            0.1264726 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.036116153 = queryNorm
            0.23214069 = fieldWeight in 299, 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=299)
      0.6666667 = coord(2/3)
  0.14285715 = coord(1/7)
    Date
    30. 6.2021 16:29:52
    Source
    o-bib: Das offene Bibliotheksjournal. 8(2021) Nr.2, S.1-22
  9. Schaer, P.: Sprachmodelle und neuronale Netze im Information Retrieval (2023) 0.00 
    0.0045171604 = product of:
  0.031620122 = sum of:
    0.031620122 = weight(_text_:retrieval in 799) [ClassicSimilarity], result of:
      0.031620122 = score(doc=799,freq=6.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.28943354 = fieldWeight in 799, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.0390625 = fieldNorm(doc=799)
  0.14285715 = coord(1/7)
    Abstract
    In den letzten Jahren haben Sprachmodelltechnologien unterschiedlichster Ausprägungen in der Informationswissenschaft Einzug gehalten. Diesen Sprachmodellen, die unter den Bezeichnungen GPT, ELMo oder BERT bekannt sind, ist gemein, dass sie dank sehr großer Webkorpora auf eine Datenbasis zurückgreifen, die bei vorherigen Sprachmodellansätzen undenkbar war. Gleichzeitig setzen diese Modelle auf neuere Entwicklungen des maschinellen Lernens, insbesondere auf künstliche neuronale Netze. Diese Technologien haben auch im Information Retrieval (IR) Fuß gefasst und bereits kurz nach ihrer Einführung sprunghafte, substantielle Leistungssteigerungen erzielt. Neuronale Netze haben in Kombination mit großen vortrainierten Sprachmodellen und kontextualisierten Worteinbettungen geführt. Wurde in vergangenen Jahren immer wieder eine stagnierende Retrievalleistung beklagt, die Leistungssteigerungen nur gegenüber "schwachen Baselines" aufwies, so konnten mit diesen technischen und methodischen Innovationen beeindruckende Leistungssteigerungen in Aufgaben wie dem klassischen Ad-hoc-Retrieval, der maschinellen Übersetzung oder auch dem Question Answering erzielt werden. In diesem Kapitel soll ein kurzer Überblick über die Grundlagen der Sprachmodelle und der NN gegeben werden, um die prinzipiellen Bausteine zu verstehen, die hinter aktuellen Technologien wie ELMo oder BERT stecken, die die Welt des NLP und IR im Moment beherrschen.
  10. Expertenteams RDA-Anwendungsprofil für die verbale Inhaltserschließung (ET RAVI): Qualitätskriterien und Qualitätssicherung in der inhaltlichen Erschließung : Thesenpapier (2021) 0.00 
    0.004172774 = product of:
  0.029209416 = sum of:
    0.029209416 = weight(_text_:retrieval in 364) [ClassicSimilarity], result of:
      0.029209416 = score(doc=364,freq=2.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.26736724 = fieldWeight in 364, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.0625 = fieldNorm(doc=364)
  0.14285715 = coord(1/7)
    Theme
    Verbale Doksprachen im Online-Retrieval
  11. Barthel, J.; Ciesielski, R.: Regeln zu ChatGPT an Unis oft unklar : KI in der Bildung (2023) 0.00 
    0.0040725116 = product of:
  0.028507581 = sum of:
    0.028507581 = product of:
      0.08552274 = sum of:
        0.08552274 = weight(_text_:29 in 925) [ClassicSimilarity], result of:
          0.08552274 = score(doc=925,freq=6.0), product of:
            0.12704533 = queryWeight, product of:
              3.5176873 = idf(docFreq=3565, maxDocs=44218)
              0.036116153 = queryNorm
            0.6731671 = fieldWeight in 925, product of:
              2.4494898 = tf(freq=6.0), with freq of:
                6.0 = termFreq=6.0
              3.5176873 = idf(docFreq=3565, maxDocs=44218)
              0.078125 = fieldNorm(doc=925)
      0.33333334 = coord(1/3)
  0.14285715 = coord(1/7)
    Date
    29. 3.2023 13:23:26
    29. 3.2023 13:29:19
  12. Wartena, C.; Golub, K.: Evaluierung von Verschlagwortung im Kontext des Information Retrievals (2021) 0.00 
    0.0036882455 = product of:
  0.025817718 = sum of:
    0.025817718 = weight(_text_:retrieval in 376) [ClassicSimilarity], result of:
      0.025817718 = score(doc=376,freq=4.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.23632148 = fieldWeight in 376, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.0390625 = fieldNorm(doc=376)
  0.14285715 = coord(1/7)
    Abstract
    Dieser Beitrag möchte einen Überblick über die in der Literatur diskutierten Möglichkeiten, Herausforderungen und Grenzen geben, Retrieval als eine extrinsische Evaluierungsmethode für die Ergebnisse verbaler Sacherschließung zu nutzen. Die inhaltliche Erschließung im Allgemeinen und die Verschlagwortung im Besonderen können intrinsisch oder extrinsisch evaluiert werden. Die intrinsische Evaluierung bezieht sich auf Eigenschaften der Erschließung, von denen vermutet wird, dass sie geeignete Indikatoren für die Qualität der Erschließung sind, wie formale Einheitlichkeit (im Hinblick auf die Anzahl zugewiesener Deskriptoren pro Dokument, auf die Granularität usw.), Konsistenz oder Übereinstimmung der Ergebnisse verschiedener Erschließer:innen. Bei einer extrinsischen Evaluierung geht es darum, die Qualität der gewählten Deskriptoren daran zu messen, wie gut sie sich tatsächlich bei der Suche bewähren. Obwohl die extrinsische Evaluierung direktere Auskunft darüber gibt, ob die Erschließung ihren Zweck erfüllt, und daher den Vorzug verdienen sollte, ist sie kompliziert und oft problematisch. In einem Retrievalsystem greifen verschiedene Algorithmen und Datenquellen in vielschichtiger Weise ineinander und interagieren bei der Evaluierung darüber hinaus noch mit Nutzer:innen und Rechercheaufgaben. Die Evaluierung einer Komponente im System kann nicht einfach dadurch vorgenommen werden, dass man sie austauscht und mit einer anderen Komponente vergleicht, da die gleiche Ressource oder der gleiche Algorithmus sich in unterschiedlichen Umgebungen unterschiedlich verhalten kann. Wir werden relevante Evaluierungsansätze vorstellen und diskutieren, und zum Abschluss einige Empfehlungen für die Evaluierung von Verschlagwortung im Kontext von Retrieval geben.
  13. Womser-Hacker, C.: Informationswissenschaftliche Perspektiven des Information Retrieval (2023) 0.00 
    0.0036882455 = product of:
  0.025817718 = sum of:
    0.025817718 = weight(_text_:retrieval in 798) [ClassicSimilarity], result of:
      0.025817718 = score(doc=798,freq=4.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.23632148 = fieldWeight in 798, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.0390625 = fieldNorm(doc=798)
  0.14285715 = coord(1/7)
    Abstract
    Mit Information Retrieval (IR) sind in Forschung und Entwicklung in unterschiedlicher Breite und aus verschiedenen Perspektiven mehrere Disziplinen befasst. Die verschiedenen Ausrichtungen sind wichtig, da nur in ihrer Verknüpfung eine Gesamtschau des IR vermittelt werden kann. Die Informatik verfolgt einen stärker systemgetriebenen, technologischen Ansatz des IR und stellt Algorithmen und Implementationen in den Vordergrund, während für die Informationswissenschaft die Benutzer*innen in ihren vielschichtigen Kontexten den Schwerpunkt bilden. Deren Eigenschaften (fachlicher Hintergrund, Domänenzugehörigkeit, Expertise etc.) und Zielsetzungen, die durch das IR verfolgt werden, spielen im Interaktionsprozess zwischen Mensch und System eine zentrale Rolle. Auch wird intensiv der Frage nachgegangen, wie sich Benutzer*innen in diesen Prozessen verhalten und aus welchen Gründen sie verschiedene Systeme in Anspruch nehmen. Da ein Großteil des heutigen Wissens nach wie vor in Texten repräsentiert ist, ist eine weitere Disziplin - nämlich die Computerlinguistik/Sprachtechnologie für das IR von Bedeutung. Zusätzlich kommen aber auch visuelle und auditive Wissensobjekte immer stärker zum Tragen und werden aufgrund ihrer anwachsenden Menge immer wichtiger für das IR. Ein neues Fachgebiet ist die Data Science, die auf altbekannten Konzepten aus Statistik und Wahrscheinlichkeitsrechnung aufsetzt, auf den Daten operiert und auch traditionelles IR-Wissen für die Zusammenführung von strukturierten Fakten und unstrukturierten Texten nutzt. Hier soll die informationswissenschaftliche Perspektive im Vordergrund stehen.
  14. Kleineberg, M.: Klassifikation (2023) 0.00 
    0.003651177 = product of:
  0.025558239 = sum of:
    0.025558239 = weight(_text_:retrieval in 783) [ClassicSimilarity], result of:
      0.025558239 = score(doc=783,freq=2.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.23394634 = fieldWeight in 783, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.0546875 = fieldNorm(doc=783)
  0.14285715 = coord(1/7)
    Abstract
    Dieser Beitrag nimmt eine informationswissenschaftliche Perspektive ein und betrachtet das Phänomen der Klassifikation als Methode und System der Wissensorganisation. Ein Klassifikationssystem wird dabei als Wissensorganisationssystem (engl. knowledge organization system) verstanden, das vor allem im Bereich der Information und Dokumentation zum Einsatz kommt, um dokumentarische Bezugseinheiten (DBE) mit einem kontrollierten Vokabular zu beschreiben (s. Kapitel B 1 Einführung Wissensorganisation). Als eine solche Dokumentationssprache zeichnet sich ein Klassifikationssystem typischerweise durch seine systematische Ordnung aus und dient der inhaltlichen Groberschließung, eignet sich aber auch als Aufstellungssystematik und Hilfsmittel bei der Recherche wie etwa als systematischer Sucheinstieg oder thematischer Filter für Treffermengen. Beim Information Retrieval liegt die Stärke der klassifikatorischen Erschließung durch das hohe Abstraktionsniveau in Überblicks- und Vollständigkeitsrecherchen.
  15. ¬Der Student aus dem Computer (2023) 0.00 
    0.0032621599 = product of:
  0.022835119 = sum of:
    0.022835119 = product of:
      0.068505354 = sum of:
        0.068505354 = weight(_text_:22 in 1079) [ClassicSimilarity], result of:
          0.068505354 = score(doc=1079,freq=2.0), product of:
            0.1264726 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.036116153 = queryNorm
            0.5416616 = fieldWeight in 1079, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.109375 = fieldNorm(doc=1079)
      0.33333334 = coord(1/3)
  0.14285715 = coord(1/7)
    Date
    27. 1.2023 16:22:55
  16. Lackner, K.; Schilhan, L.: ¬Der Einzug der EDV im österreichischen Bibliothekswesen am Beispiel der Universitätsbibliothek Graz (2022) 0.00 
    0.0031295803 = product of:
  0.021907061 = sum of:
    0.021907061 = weight(_text_:retrieval in 476) [ClassicSimilarity], result of:
      0.021907061 = score(doc=476,freq=2.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.20052543 = fieldWeight in 476, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.046875 = fieldNorm(doc=476)
  0.14285715 = coord(1/7)
    Abstract
    Durch den Einsatz von EDV-Systemen kam es ab den 1970er Jahren zu einem radikalen Wandel in der Benutzung und Verwaltung von Universitätsbibliotheken. Die Universitätsbibliothek Graz war die erste Bibliothek in Österreich, die ein elektronisches Bibliothekssystem entwickelte und einsetzte, womit sie zu den Vorreitern in Europa zählte. Dieser Artikel liefert einen historischen Überblick über die Anfänge, die Entwicklung und Verbreitung der elektronischen Bibliothekssysteme im Allgemeinen sowie an der Universitätsbibliothek Graz im Speziellen. Vorgestellt werden die im Lauf der Jahrzehnte an der UB Graz eingesetzten Bibliothekssysteme GRIBS, EMILE, FBInfo, BIBOS, ALEPH und ALMA sowie die Entwicklung von den ersten Online- über die CD-ROM-Datenbanken bis hin zum modernen Datenbank-Retrieval.
  17. Hasubick, J.; Wiesenmüller, H.: RVK-Registerbegriffe in der Katalogrecherche : Chancen und Grenzen (2022) 0.00 
    0.0031295803 = product of:
  0.021907061 = sum of:
    0.021907061 = weight(_text_:retrieval in 538) [ClassicSimilarity], result of:
      0.021907061 = score(doc=538,freq=2.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.20052543 = fieldWeight in 538, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.046875 = fieldNorm(doc=538)
  0.14285715 = coord(1/7)
    Theme
    Klassifikationssysteme im Online-Retrieval
  18. Kempf, A.O.: Thesauri (2023) 0.00 
    0.0031295803 = product of:
  0.021907061 = sum of:
    0.021907061 = weight(_text_:retrieval in 782) [ClassicSimilarity], result of:
      0.021907061 = score(doc=782,freq=2.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.20052543 = fieldWeight in 782, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.046875 = fieldNorm(doc=782)
  0.14285715 = coord(1/7)
    Abstract
    In der Informationswissenschaft stehen Thesauri für kontrollierte und strukturierte Vokabulare, in denen Begriffe, verstanden als geistige Einheiten, durch Bezeichnungen der natürlichen Sprache repräsentiert werden. Jedem Begriff werden eine Vorzugsbenennung, ein sog. Deskriptor, der bei der Inhaltserschließung als Schlagwort vergeben wird, und weitere bedeutungsgleiche oder -ähnliche Bezeichnungen, sog. Nicht-Deskriptoren, als Zugangsvokabular bzw. alternative Sucheinstiege zugewiesen. Dieser Art werden der Variabilität und der Mehrdeutigkeit natürlicher Sprache Rechnung getragen. Darüber hinaus werden zwischen Begriffen bzw. ihren Bezeichnungen spezifische, reziproke Relationen kenntlich gemacht (s. Abschnitt 1), die die Bedeutungsbeziehungen bzw. das "semantische Gefüge" zwischen den Begriffen aufzeigen. Diese Kernprinzipien dieser Wissensorganisationsmethode dienen sowohl auf Seiten der Inhaltserschließenden als auch auf Seiten der in einem Informationssystem Recherchierenden in unterschiedlicher Weise der Benutzerführung und Suchunterstützung. Als Grundlage für semantisches Retrieval etwa sorgen sie bei automatischer Erweiterung der Suchanfrage um die hinterlegten Nicht-Deskriptoren für eine erfolgreiche Suche weitgehend unabhängig vom konkreten Suchterm.
  19. Womser-Hacker, C.: Cross-Language Information Retrieval (CLIR) (2023) 0.00 
    0.0031295803 = product of:
  0.021907061 = sum of:
    0.021907061 = weight(_text_:retrieval in 806) [ClassicSimilarity], result of:
      0.021907061 = score(doc=806,freq=2.0), product of:
        0.109248295 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.036116153 = queryNorm
        0.20052543 = fieldWeight in 806, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.046875 = fieldNorm(doc=806)
  0.14285715 = coord(1/7)
  20. Springer, M.: Ewiges Wachstum (2020) 0.00 
    0.0028215188 = product of:
  0.01975063 = sum of:
    0.01975063 = product of:
      0.05925189 = sum of:
        0.05925189 = weight(_text_:29 in 5742) [ClassicSimilarity], result of:
          0.05925189 = score(doc=5742,freq=2.0), product of:
            0.12704533 = queryWeight, product of:
              3.5176873 = idf(docFreq=3565, maxDocs=44218)
              0.036116153 = queryNorm
            0.46638384 = fieldWeight in 5742, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5176873 = idf(docFreq=3565, maxDocs=44218)
              0.09375 = fieldNorm(doc=5742)
      0.33333334 = coord(1/3)
  0.14285715 = coord(1/7)
    Source
    Spektrum der Wissenschaft. 2020, H.3, S.29

Authors

Themes