-
Lusti, M.: Data Warehousing and Data Mining : Eine Einführung in entscheidungsunterstützende Systeme (1999)
0.01
0.013494008 = product of:
0.026988016 = sum of:
0.014123815 = product of:
0.042371444 = sum of:
0.042371444 = weight(_text_:eine in 4261) [ClassicSimilarity], result of:
0.042371444 = score(doc=4261,freq=4.0), product of:
0.1098604 = queryWeight, product of:
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.03560566 = queryNorm
0.38568443 = fieldWeight in 4261, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.0625 = fieldNorm(doc=4261)
0.33333334 = coord(1/3)
0.012864201 = product of:
0.038592603 = sum of:
0.038592603 = weight(_text_:22 in 4261) [ClassicSimilarity], result of:
0.038592603 = score(doc=4261,freq=2.0), product of:
0.12468496 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03560566 = queryNorm
0.30952093 = fieldWeight in 4261, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.0625 = fieldNorm(doc=4261)
0.33333334 = coord(1/3)
0.5 = coord(2/4)
- Abstract
- Im Mittelpunkt dieses anwendungsbezogenen Lehrbuchs stehen Architekturen, Methoden und Werkzeuge entscheidungsunterstützender Systeme. Beispiele und Aufgaben ermöglichen die Entwicklung von Anwendungen mit der Demonstrationssoftware der CD-ROM. Eine interaktive Foliensammlung veranschaulicht den Buchtext und verweist auf zusätzliches Lernmaterial
- Date
- 17. 7.2002 19:22:06
-
Amir, A.; Feldman, R.; Kashi, R.: ¬A new and versatile method for association generation (1997)
0.01
0.012922588 = product of:
0.05169035 = sum of:
0.05169035 = product of:
0.077535525 = sum of:
0.038942922 = weight(_text_:29 in 1270) [ClassicSimilarity], result of:
0.038942922 = score(doc=1270,freq=2.0), product of:
0.12524958 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.03560566 = queryNorm
0.31092256 = fieldWeight in 1270, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.0625 = fieldNorm(doc=1270)
0.038592603 = weight(_text_:22 in 1270) [ClassicSimilarity], result of:
0.038592603 = score(doc=1270,freq=2.0), product of:
0.12468496 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03560566 = queryNorm
0.30952093 = fieldWeight in 1270, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.0625 = fieldNorm(doc=1270)
0.6666667 = coord(2/3)
0.25 = coord(1/4)
- Date
- 5. 4.1996 15:29:15
- Source
- Information systems. 22(1997) nos.5/6, S.333-347
-
Wiegmann, S.: Hättest du die Titanic überlebt? : Eine kurze Einführung in das Data Mining mit freier Software (2023)
0.01
0.011858345 = product of:
0.02371669 = sum of:
0.012358338 = product of:
0.037075013 = sum of:
0.037075013 = weight(_text_:eine in 876) [ClassicSimilarity], result of:
0.037075013 = score(doc=876,freq=4.0), product of:
0.1098604 = queryWeight, product of:
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.03560566 = queryNorm
0.33747387 = fieldWeight in 876, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.0546875 = fieldNorm(doc=876)
0.33333334 = coord(1/3)
0.011358352 = product of:
0.034075055 = sum of:
0.034075055 = weight(_text_:29 in 876) [ClassicSimilarity], result of:
0.034075055 = score(doc=876,freq=2.0), product of:
0.12524958 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.03560566 = queryNorm
0.27205724 = fieldWeight in 876, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.0546875 = fieldNorm(doc=876)
0.33333334 = coord(1/3)
0.5 = coord(2/4)
- Abstract
- Am 10. April 1912 ging Elisabeth Walton Allen an Bord der "Titanic", um ihr Hab und Gut nach England zu holen. Eines Nachts wurde sie von ihrer aufgelösten Tante geweckt, deren Kajüte unter Wasser stand. Wie steht es um Elisabeths Chancen und hätte man selbst das Unglück damals überlebt? Das Titanic-Orakel ist eine algorithmusbasierte App, die entsprechende Prognosen aufstellt und im Rahmen des Kurses "Data Science" am Department Information der HAW Hamburg entstanden ist. Dieser Beitrag zeigt Schritt für Schritt, wie die App unter Verwendung freier Software entwickelt wurde. Code und Daten werden zur Nachnutzung bereitgestellt.
- Date
- 28. 1.2022 11:05:29
-
Hofstede, A.H.M. ter; Proper, H.A.; Van der Weide, T.P.: Exploiting fact verbalisation in conceptual information modelling (1997)
0.01
0.011307265 = product of:
0.04522906 = sum of:
0.04522906 = product of:
0.067843586 = sum of:
0.034075055 = weight(_text_:29 in 2908) [ClassicSimilarity], result of:
0.034075055 = score(doc=2908,freq=2.0), product of:
0.12524958 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.03560566 = queryNorm
0.27205724 = fieldWeight in 2908, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.0546875 = fieldNorm(doc=2908)
0.033768527 = weight(_text_:22 in 2908) [ClassicSimilarity], result of:
0.033768527 = score(doc=2908,freq=2.0), product of:
0.12468496 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03560566 = queryNorm
0.2708308 = fieldWeight in 2908, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.0546875 = fieldNorm(doc=2908)
0.6666667 = coord(2/3)
0.25 = coord(1/4)
- Date
- 5. 4.1996 15:29:15
- Source
- Information systems. 22(1997) nos.5/6, S.349-385
-
Peters, G.; Gaese, V.: ¬Das DocCat-System in der Textdokumentation von G+J (2003)
0.01
0.010277958 = product of:
0.020555915 = sum of:
0.014123815 = product of:
0.042371444 = sum of:
0.042371444 = weight(_text_:eine in 1507) [ClassicSimilarity], result of:
0.042371444 = score(doc=1507,freq=16.0), product of:
0.1098604 = queryWeight, product of:
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.03560566 = queryNorm
0.38568443 = fieldWeight in 1507, product of:
4.0 = tf(freq=16.0), with freq of:
16.0 = termFreq=16.0
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.03125 = fieldNorm(doc=1507)
0.33333334 = coord(1/3)
0.0064321007 = product of:
0.019296302 = sum of:
0.019296302 = weight(_text_:22 in 1507) [ClassicSimilarity], result of:
0.019296302 = score(doc=1507,freq=2.0), product of:
0.12468496 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03560566 = queryNorm
0.15476047 = fieldWeight in 1507, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03125 = fieldNorm(doc=1507)
0.33333334 = coord(1/3)
0.5 = coord(2/4)
- Abstract
- Wir werden einmal die Grundlagen des Text-Mining-Systems bei IBM darstellen, dann werden wir das Projekt etwas umfangreicher und deutlicher darstellen, da kennen wir uns aus. Von daher haben wir zwei Teile, einmal Heidelberg, einmal Hamburg. Noch einmal zur Technologie. Text-Mining ist eine von IBM entwickelte Technologie, die in einer besonderen Ausformung und Programmierung für uns zusammengestellt wurde. Das Projekt hieß bei uns lange Zeit DocText Miner und heißt seit einiger Zeit auf Vorschlag von IBM DocCat, das soll eine Abkürzung für Document-Categoriser sein, sie ist ja auch nett und anschaulich. Wir fangen an mit Text-Mining, das bei IBM in Heidelberg entwickelt wurde. Die verstehen darunter das automatische Indexieren als eine Instanz, also einen Teil von Text-Mining. Probleme werden dabei gezeigt, und das Text-Mining ist eben eine Methode zur Strukturierung von und der Suche in großen Dokumentenmengen, die Extraktion von Informationen und, das ist der hohe Anspruch, von impliziten Zusammenhängen. Das letztere sei dahingestellt. IBM macht das quantitativ, empirisch, approximativ und schnell. das muss man wirklich sagen. Das Ziel, und das ist ganz wichtig für unser Projekt gewesen, ist nicht, den Text zu verstehen, sondern das Ergebnis dieser Verfahren ist, was sie auf Neudeutsch a bundle of words, a bag of words nennen, also eine Menge von bedeutungstragenden Begriffen aus einem Text zu extrahieren, aufgrund von Algorithmen, also im Wesentlichen aufgrund von Rechenoperationen. Es gibt eine ganze Menge von linguistischen Vorstudien, ein wenig Linguistik ist auch dabei, aber nicht die Grundlage der ganzen Geschichte. Was sie für uns gemacht haben, ist also die Annotierung von Pressetexten für unsere Pressedatenbank. Für diejenigen, die es noch nicht kennen: Gruner + Jahr führt eine Textdokumentation, die eine Datenbank führt, seit Anfang der 70er Jahre, da sind z.Z. etwa 6,5 Millionen Dokumente darin, davon etwas über 1 Million Volltexte ab 1993. Das Prinzip war lange Zeit, dass wir die Dokumente, die in der Datenbank gespeichert waren und sind, verschlagworten und dieses Prinzip haben wir auch dann, als der Volltext eingeführt wurde, in abgespeckter Form weitergeführt. Zu diesen 6,5 Millionen Dokumenten gehören dann eben auch ungefähr 10 Millionen Faksimileseiten, weil wir die Faksimiles auch noch standardmäßig aufheben.
- Date
- 22. 4.2003 11:45:36
-
Lackes, R.; Tillmanns, C.: Data Mining für die Unternehmenspraxis : Entscheidungshilfen und Fallstudien mit führenden Softwarelösungen (2006)
0.01
0.008569218 = product of:
0.017138436 = sum of:
0.007490284 = product of:
0.02247085 = sum of:
0.02247085 = weight(_text_:eine in 1383) [ClassicSimilarity], result of:
0.02247085 = score(doc=1383,freq=2.0), product of:
0.1098604 = queryWeight, product of:
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.03560566 = queryNorm
0.20454004 = fieldWeight in 1383, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.046875 = fieldNorm(doc=1383)
0.33333334 = coord(1/3)
0.009648152 = product of:
0.028944453 = sum of:
0.028944453 = weight(_text_:22 in 1383) [ClassicSimilarity], result of:
0.028944453 = score(doc=1383,freq=2.0), product of:
0.12468496 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03560566 = queryNorm
0.23214069 = fieldWeight in 1383, 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=1383)
0.33333334 = coord(1/3)
0.5 = coord(2/4)
- Content
- Modelle, Methoden und Werkzeuge: Ziele und Aufbau der Untersuchung.- Grundlagen.- Planung und Entscheidung mit Data-Mining-Unterstützung.- Methoden.- Funktionalität und Handling der Softwarelösungen. Fallstudien: Ausgangssituation und Datenbestand im Versandhandel.- Kundensegmentierung.- Erklärung regionaler Marketingerfolge zur Neukundengewinnung.Prognose des Customer Lifetime Values.- Selektion von Kunden für eine Direktmarketingaktion.- Welche Softwarelösung für welche Entscheidung?- Fazit und Marktentwicklungen.
- Date
- 22. 3.2008 14:46:06
-
Lischka, K.: Spurensuche im Datenwust : Data-Mining-Software fahndet nach kriminellen Mitarbeitern, guten Kunden - und bald vielleicht auch nach Terroristen (2002)
0.01
0.0065992344 = product of:
0.013198469 = sum of:
0.008374393 = product of:
0.025123179 = sum of:
0.025123179 = weight(_text_:eine in 1178) [ClassicSimilarity], result of:
0.025123179 = score(doc=1178,freq=10.0), product of:
0.1098604 = queryWeight, product of:
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.03560566 = queryNorm
0.22868276 = fieldWeight in 1178, product of:
3.1622777 = tf(freq=10.0), with freq of:
10.0 = termFreq=10.0
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.0234375 = fieldNorm(doc=1178)
0.33333334 = coord(1/3)
0.004824076 = product of:
0.014472227 = sum of:
0.014472227 = weight(_text_:22 in 1178) [ClassicSimilarity], result of:
0.014472227 = score(doc=1178,freq=2.0), product of:
0.12468496 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03560566 = queryNorm
0.116070345 = fieldWeight in 1178, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.0234375 = fieldNorm(doc=1178)
0.33333334 = coord(1/3)
0.5 = coord(2/4)
- Content
- "Ob man als Terrorist einen Anschlag gegen die Vereinigten Staaten plant, als Kassierer Scheine aus der Kasse unterschlägt oder für bestimmte Produkte besonders gerne Geld ausgibt - einen Unterschied macht Data-Mining-Software da nicht. Solche Programme analysieren riesige Daten- mengen und fällen statistische Urteile. Mit diesen Methoden wollen nun die For- scher des "Information Awaren in den Vereinigten Staaten Spuren von Terroristen in den Datenbanken von Behörden und privaten Unternehmen wie Kreditkartenfirmen finden. 200 Millionen Dollar umfasst der Jahresetat für die verschiedenen Forschungsprojekte. Dass solche Software in der Praxis funktioniert, zeigen die steigenden Umsätze der Anbieter so genannter Customer-Relationship-Management-Software. Im vergangenen Jahr ist das Potenzial für analytische CRM-Anwendungen laut dem Marktforschungsinstitut IDC weltweit um 22 Prozent gewachsen, bis zum Jahr 2006 soll es in Deutschland mit einem jährlichen Plus von 14,1 Prozent so weitergehen. Und das trotz schwacher Konjunktur - oder gerade deswegen. Denn ähnlich wie Data-Mining der USRegierung helfen soll, Terroristen zu finden, entscheiden CRM-Programme heute, welche Kunden für eine Firma profitabel sind. Und welche es künftig sein werden, wie Manuela Schnaubelt, Sprecherin des CRM-Anbieters SAP, beschreibt: "Die Kundenbewertung ist ein zentraler Bestandteil des analytischen CRM. Sie ermöglicht es Unternehmen, sich auf die für sie wichtigen und richtigen Kunden zu fokussieren. Darüber hinaus können Firmen mit speziellen Scoring- Verfahren ermitteln, welche Kunden langfristig in welchem Maße zum Unternehmenserfolg beitragen." Die Folgen der Bewertungen sind für die Betroffenen nicht immer positiv: Attraktive Kunden profitieren von individuellen Sonderangeboten und besonderer Zuwendung. Andere hängen vielleicht so lauge in der Warteschleife des Telefonservice, bis die profitableren Kunden abgearbeitet sind. So könnte eine praktische Umsetzung dessen aussehen, was SAP-Spreche-rin Schnaubelt abstrakt beschreibt: "In vielen Unternehmen wird Kundenbewertung mit der klassischen ABC-Analyse durchgeführt, bei der Kunden anhand von Daten wie dem Umsatz kategorisiert werden. A-Kunden als besonders wichtige Kunden werden anders betreut als C-Kunden." Noch näher am geplanten Einsatz von Data-Mining zur Terroristenjagd ist eine Anwendung, die heute viele Firmen erfolgreich nutzen: Sie spüren betrügende Mitarbeiter auf. Werner Sülzer vom großen CRM-Anbieter NCR Teradata beschreibt die Möglichkeiten so: "Heute hinterlässt praktisch jeder Täter - ob Mitarbeiter, Kunde oder Lieferant - Datenspuren bei seinen wirtschaftskriminellen Handlungen. Es muss vorrangig darum gehen, einzelne Spuren zu Handlungsmustern und Täterprofilen zu verdichten. Das gelingt mittels zentraler Datenlager und hoch entwickelter Such- und Analyseinstrumente." Von konkreten Erfolgen sprich: Entlas-sungen krimineller Mitarbeiter-nach Einsatz solcher Programme erzählen Unternehmen nicht gerne. Matthias Wilke von der "Beratungsstelle für Technologiefolgen und Qualifizierung" (BTQ) der Gewerkschaft Verdi weiß von einem Fall 'aus der Schweiz. Dort setzt die Handelskette "Pick Pay" das Programm "Lord Lose Prevention" ein. Zwei Monate nach Einfüh-rung seien Unterschlagungen im Wert von etwa 200 000 Franken ermittelt worden. Das kostete mehr als 50 verdächtige Kassiererinnen und Kassierer den Job.
Jede Kasse schickt die Daten zu Stornos, Rückgaben, Korrekturen und dergleichen an eine zentrale Datenbank. Aus den Informationen errechnet das Programm Kassiererprofile. Wessen Arbeit stark Durchschnitt abweicht, macht sich verdächtig. Die Kriterien" legen im Einzelnen die Revisionsabteilungen fest, doch generell gilt: "Bei Auffälligkeiten wie überdurchschnittlichvielenStornierungen, Off nen der Kassenschublade ohne Verkauf nach einem Storno oder Warenrücknahmen ohne Kassenbon, können die Vorgänge nachträglich einzelnen Personen zugeordnet werden", sagt Rene Schiller, Marketing-Chef des Lord-Herstellers Logware. Ein Kündigungsgrund ist eine solche Datensammlung vor Gericht nicht. Doch auf der Basis können Unternehmen gezielt Detektive einsetzen. Oder sie konfrontieren die Mitarbeiter mit dem Material; woraufhin Schuldige meist gestehen. Wilke sieht Programme wie Lord kritisch:"Jeder, der in dem Raster auffällt, kann ein potenzieller Betrüger oder Dieb sein und verdient besondere Beobachtung." Dabei könne man vom Standard abweichen, weil man unausgeschlafen und deshalb unkonzentriert sei. Hier tut sich für Wilke die Gefahr technisierter Leistungskontrolle auf. "Es ist ja nicht schwierig, mit den Programmen zu berechnen, wie lange beispielsweise das Kassieren eines Samstagseinkaufs durchschnittlich dauert." Die Betriebsräte - ihre Zustimmung ist beim Einsatz technischer Kon trolleinrichtungen nötig - verurteilen die wertende Software weniger eindeutig. Im Gegenteil: Bei Kaufhof und Edeka haben sie dem Einsatz zugestimmt. Denn: "Die wollen ja nicht, dass ganze Abteilungen wegen Inventurverlusten oder dergleichen unter Generalverdacht fallen", erklärt Gewerkschaftler Wilke: "Angesichts der Leistungen kommerzieller Data-Mining-Programme verblüfft es, dass in den Vereinigten Staaten das "Information Awareness Office" noch drei Jahre für Forschung und Erprobung der eigenen Programme veranschlagt. 2005 sollen frühe Prototypen zur Terroristensuche einesgetz werden. Doch schon jetzt regt sich Protest. Datenschützer wie Marc Botenberg vom Informationszentrum für Daten schutz sprechen vom "ehrgeizigsten öffentlichen Überwachungssystem, das je vorgeschlagen wurde". Sie warnen besonders davor, Daten aus der Internetnutzung und private Mails auszuwerten. Das Verteidigungsministerium rudert zurück. Man denke nicht daran, über die Software im Inland aktiv zu werden. "Das werden die Geheimdienste, die Spionageabwehr und die Strafverfolger tun", sagt Unterstaatssekretär Edward Aldridge. Man werde während der Entwicklung und der Tests mit konstruierten und einigen - aus Sicht der Datenschützer unbedenklichen - realen Informationen arbeiten. Zu denken gibt jedoch Aldriges Antwort auf die Frage, warum so viel Geld für die Entwicklung von Übersetzungssoftware eingeplant ist: Damit man Datenbanken in anderen Sprachen nutzen könne - sofern man auf sie rechtmäßigen Zugriff bekommt."
-
Jäger, L.: Von Big Data zu Big Brother (2018)
0.01
0.005712812 = product of:
0.011425624 = sum of:
0.0049935225 = product of:
0.014980568 = sum of:
0.014980568 = weight(_text_:eine in 5234) [ClassicSimilarity], result of:
0.014980568 = score(doc=5234,freq=2.0), product of:
0.1098604 = queryWeight, product of:
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.03560566 = queryNorm
0.13636003 = fieldWeight in 5234, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.03125 = fieldNorm(doc=5234)
0.33333334 = coord(1/3)
0.0064321007 = product of:
0.019296302 = sum of:
0.019296302 = weight(_text_:22 in 5234) [ClassicSimilarity], result of:
0.019296302 = score(doc=5234,freq=2.0), product of:
0.12468496 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03560566 = queryNorm
0.15476047 = fieldWeight in 5234, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03125 = fieldNorm(doc=5234)
0.33333334 = coord(1/3)
0.5 = coord(2/4)
- Abstract
- 1983 bewegte ein einziges Thema die gesamte Bundesrepublik: die geplante Volkszählung. Jeder Haushalt in Westdeutschland sollte Fragebögen mit 36 Fragen zur Wohnsituation, den im Haushalt lebenden Personen und über ihre Einkommensverhältnisse ausfüllen. Es regte sich massiver Widerstand, hunderte Bürgerinitiativen formierten sich im ganzen Land gegen die Befragung. Man wollte nicht "erfasst" werden, die Privatsphäre war heilig. Es bestand die (berechtigte) Sorge, dass die Antworten auf den eigentlich anonymisierten Fragebögen Rückschlüsse auf die Identität der Befragten zulassen. Das Bundesverfassungsgericht gab den Klägern gegen den Zensus Recht: Die geplante Volkszählung verstieß gegen den Datenschutz und damit auch gegen das Grundgesetz. Sie wurde gestoppt. Nur eine Generation später geben wir sorglos jedes Mal beim Einkaufen die Bonuskarte der Supermarktkette heraus, um ein paar Punkte für ein Geschenk oder Rabatte beim nächsten Einkauf zu sammeln. Und dabei wissen wir sehr wohl, dass der Supermarkt damit unser Konsumverhalten bis ins letzte Detail erfährt. Was wir nicht wissen, ist, wer noch Zugang zu diesen Daten erhält. Deren Käufer bekommen nicht nur Zugriff auf unsere Einkäufe, sondern können über sie auch unsere Gewohnheiten, persönlichen Vorlieben und Einkommen ermitteln. Genauso unbeschwert surfen wir im Internet, googeln und shoppen, mailen und chatten. Google, Facebook und Microsoft schauen bei all dem nicht nur zu, sondern speichern auf alle Zeiten alles, was wir von uns geben, was wir einkaufen, was wir suchen, und verwenden es für ihre eigenen Zwecke. Sie durchstöbern unsere E-Mails, kennen unser persönliches Zeitmanagement, verfolgen unseren momentanen Standort, wissen um unsere politischen, religiösen und sexuellen Präferenzen (wer kennt ihn nicht, den Button "an Männern interessiert" oder "an Frauen interessiert"?), unsere engsten Freunde, mit denen wir online verbunden sind, unseren Beziehungsstatus, welche Schule wir besuchen oder besucht haben und vieles mehr.
- Date
- 22. 1.2018 11:33:49
-
Budzik, J.; Hammond, K.J.; Birnbaum, L.: Information access in context (2001)
0.01
0.005679176 = product of:
0.022716705 = sum of:
0.022716705 = product of:
0.06815011 = sum of:
0.06815011 = weight(_text_:29 in 3835) [ClassicSimilarity], result of:
0.06815011 = score(doc=3835,freq=2.0), product of:
0.12524958 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.03560566 = queryNorm
0.5441145 = fieldWeight in 3835, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.109375 = fieldNorm(doc=3835)
0.33333334 = coord(1/3)
0.25 = coord(1/4)
- Date
- 29. 3.2002 17:31:17
-
Chowdhury, G.G.: Template mining for information extraction from digital documents (1999)
0.01
0.005628088 = product of:
0.022512352 = sum of:
0.022512352 = product of:
0.067537054 = sum of:
0.067537054 = weight(_text_:22 in 4577) [ClassicSimilarity], result of:
0.067537054 = score(doc=4577,freq=2.0), product of:
0.12468496 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03560566 = queryNorm
0.5416616 = fieldWeight in 4577, 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=4577)
0.33333334 = coord(1/3)
0.25 = coord(1/4)
- Date
- 2. 4.2000 18:01:22
-
Medien-Informationsmanagement : Archivarische, dokumentarische, betriebswirtschaftliche, rechtliche und Berufsbild-Aspekte ; [Frühjahrstagung der Fachgruppe 7 im Jahr 2000 in Weimar und Folgetagung 2001 in Köln] (2003)
0.01
0.005060253 = product of:
0.010120506 = sum of:
0.0052964306 = product of:
0.01588929 = sum of:
0.01588929 = weight(_text_:eine in 1833) [ClassicSimilarity], result of:
0.01588929 = score(doc=1833,freq=4.0), product of:
0.1098604 = queryWeight, product of:
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.03560566 = queryNorm
0.14463165 = fieldWeight in 1833, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
3.0854754 = idf(docFreq=5493, maxDocs=44218)
0.0234375 = fieldNorm(doc=1833)
0.33333334 = coord(1/3)
0.004824076 = product of:
0.014472227 = sum of:
0.014472227 = weight(_text_:22 in 1833) [ClassicSimilarity], result of:
0.014472227 = score(doc=1833,freq=2.0), product of:
0.12468496 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03560566 = queryNorm
0.116070345 = fieldWeight in 1833, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.0234375 = fieldNorm(doc=1833)
0.33333334 = coord(1/3)
0.5 = coord(2/4)
- Abstract
- Vorliegender Band umgreift den gegenwärtigen Stand der Diskussion um das Handling von Informationen in und mit Hilfe von neuen und alten Medien und liefert außerdem dem Verein Fortbildung für Medienarchivare/ Mediendokumentare (VFM), der seit dem 5. Band die Reihe herausgibt, eine weitere Handreichung für die zusammen mit dem Deutschen Institut, für publizistische Bildungsarbeit in Hagen veranstalteten Seminare. Im Anhang sind außer den vollständigen Programmen der beiden Frühjahrstagungen die Namen und institutionellen Anbindungen der Referenten nachzulesen. Allen Autoren des Bandes sei für ihre Bereitschaft, an dieser Publikation mitzuwirken, gedankt, insbesondere denen, die sich auch noch der Mühe unterziehen mußten, das Transkript ihres in freier Rede gehaltenen Vortrags in eine lesbare Fassung zu bringen. Manche Eigentümlichkeiten des Stils sind dieser freien Rede geschuldet - oder vielleicht auch gedankt, denn sie geben damit umso lebendiger die Atmosphäre jener Frühlingstage in Weimar und Köln wieder.
- Date
- 11. 5.2008 19:49:22
-
Witten, I.H.; Frank, E.: Data Mining : Praktische Werkzeuge und Techniken für das maschinelle Lernen (2000)
0.00
0.0048678652 = product of:
0.019471461 = sum of:
0.019471461 = product of:
0.05841438 = sum of:
0.05841438 = weight(_text_:29 in 6833) [ClassicSimilarity], result of:
0.05841438 = score(doc=6833,freq=2.0), product of:
0.12524958 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.03560566 = queryNorm
0.46638384 = fieldWeight in 6833, 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=6833)
0.33333334 = coord(1/3)
0.25 = coord(1/4)
- Date
- 27. 1.1996 10:29:55
-
Keim, D.A.: Data Mining mit bloßem Auge (2002)
0.00
0.0048678652 = product of:
0.019471461 = sum of:
0.019471461 = product of:
0.05841438 = sum of:
0.05841438 = weight(_text_:29 in 1086) [ClassicSimilarity], result of:
0.05841438 = score(doc=1086,freq=2.0), product of:
0.12524958 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.03560566 = queryNorm
0.46638384 = fieldWeight in 1086, 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=1086)
0.33333334 = coord(1/3)
0.25 = coord(1/4)
- Date
- 31.12.1996 19:29:41
-
Kruse, R.; Borgelt, C.: Suche im Datendschungel (2002)
0.00
0.0048678652 = product of:
0.019471461 = sum of:
0.019471461 = product of:
0.05841438 = sum of:
0.05841438 = weight(_text_:29 in 1087) [ClassicSimilarity], result of:
0.05841438 = score(doc=1087,freq=2.0), product of:
0.12524958 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.03560566 = queryNorm
0.46638384 = fieldWeight in 1087, 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=1087)
0.33333334 = coord(1/3)
0.25 = coord(1/4)
- Date
- 31.12.1996 19:29:41
-
Wrobel, S.: Lern- und Entdeckungsverfahren (2002)
0.00
0.0048678652 = product of:
0.019471461 = sum of:
0.019471461 = product of:
0.05841438 = sum of:
0.05841438 = weight(_text_:29 in 1105) [ClassicSimilarity], result of:
0.05841438 = score(doc=1105,freq=2.0), product of:
0.12524958 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.03560566 = queryNorm
0.46638384 = fieldWeight in 1105, 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=1105)
0.33333334 = coord(1/3)
0.25 = coord(1/4)
- Date
- 31.12.1996 19:29:41
-
KDD : techniques and applications (1998)
0.00
0.004824076 = product of:
0.019296303 = sum of:
0.019296303 = product of:
0.057888906 = sum of:
0.057888906 = weight(_text_:22 in 6783) [ClassicSimilarity], result of:
0.057888906 = score(doc=6783,freq=2.0), product of:
0.12468496 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03560566 = queryNorm
0.46428138 = fieldWeight in 6783, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.09375 = fieldNorm(doc=6783)
0.33333334 = coord(1/3)
0.25 = coord(1/4)
- Footnote
- A special issue of selected papers from the Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD'97), held Singapore, 22-23 Feb 1997
-
Borgelt, C.; Kruse, R.: Unsicheres Wissen nutzen (2002)
0.00
0.0040565543 = product of:
0.016226217 = sum of:
0.016226217 = product of:
0.04867865 = sum of:
0.04867865 = weight(_text_:29 in 1104) [ClassicSimilarity], result of:
0.04867865 = score(doc=1104,freq=2.0), product of:
0.12524958 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.03560566 = queryNorm
0.38865322 = fieldWeight in 1104, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.078125 = fieldNorm(doc=1104)
0.33333334 = coord(1/3)
0.25 = coord(1/4)
- Date
- 31.12.1996 19:29:41
-
Cardie, C.: Empirical methods in information extraction (1997)
0.00
0.0032452436 = product of:
0.012980974 = sum of:
0.012980974 = product of:
0.038942922 = sum of:
0.038942922 = weight(_text_:29 in 3246) [ClassicSimilarity], result of:
0.038942922 = score(doc=3246,freq=2.0), product of:
0.12524958 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.03560566 = queryNorm
0.31092256 = fieldWeight in 3246, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.0625 = fieldNorm(doc=3246)
0.33333334 = coord(1/3)
0.25 = coord(1/4)
- Date
- 6. 3.1999 13:50:29
-
Tiefschürfen in Datenbanken (2002)
0.00
0.0032452436 = product of:
0.012980974 = sum of:
0.012980974 = product of:
0.038942922 = sum of:
0.038942922 = weight(_text_:29 in 996) [ClassicSimilarity], result of:
0.038942922 = score(doc=996,freq=2.0), product of:
0.12524958 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.03560566 = queryNorm
0.31092256 = fieldWeight in 996, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.0625 = fieldNorm(doc=996)
0.33333334 = coord(1/3)
0.25 = coord(1/4)
- Date
- 31.12.1996 19:29:41
-
Bath, P.A.: Data mining in health and medical information (2003)
0.00
0.0032452436 = product of:
0.012980974 = sum of:
0.012980974 = product of:
0.038942922 = sum of:
0.038942922 = weight(_text_:29 in 4263) [ClassicSimilarity], result of:
0.038942922 = score(doc=4263,freq=2.0), product of:
0.12524958 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.03560566 = queryNorm
0.31092256 = fieldWeight in 4263, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.0625 = fieldNorm(doc=4263)
0.33333334 = coord(1/3)
0.25 = coord(1/4)
- Date
- 23.10.2005 18:29:03
