Search (4 results, page 1 of 1)

0.012719782 = product of:
  0.025439564 = sum of:
    0.025439564 = product of:
      0.10175826 = sum of:
        0.10175826 = weight(_text_:authors in 3731) [ClassicSimilarity], result of:
          0.10175826 = score(doc=3731,freq=4.0), product of:
            0.23809293 = queryWeight, product of:
              4.558814 = idf(docFreq=1258, maxDocs=44218)
              0.052226946 = queryNorm
            0.42738882 = fieldWeight in 3731, product of:
              2.0 = tf(freq=4.0), with freq of:
                4.0 = termFreq=4.0
              4.558814 = idf(docFreq=1258, maxDocs=44218)
              0.046875 = fieldNorm(doc=3731)
      0.25 = coord(1/4)
  0.5 = coord(1/2)

Abstract

Metadata applications have evolved in time into highly structured "islands of information" about digital resources, often bearing a strong semantic interpretation. Scarcely however are these semantics being communicated in machine readable and understandable ways. At the same time, the process for transforming the implied metadata knowledge into explicit Semantic Web descriptions can be problematic and is not always evident. In this article we take upon the well-established Dublin Core metadata standard as well as other metadata schemata, which often appear in digital repositories set-ups, and suggest a proper Semantic Web OWL ontology. In this process the authors cope with discrepancies and incompatibilities, indicative of such attempts, in novel ways. Moreover, we show the potential and necessity of this approach by demonstrating inferences on the resulting ontology, instantiated with actual metadata records. The authors conclude by presenting a working prototype that provides for inference-based querying on top of digital repositories.

0.010614045 = product of:
  0.02122809 = sum of:
    0.02122809 = product of:
      0.04245618 = sum of:
        0.04245618 = weight(_text_:22 in 4820) [ClassicSimilarity], result of:
          0.04245618 = score(doc=4820,freq=2.0), product of:
            0.18288986 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.052226946 = queryNorm
            0.23214069 = fieldWeight in 4820, 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=4820)
      0.5 = coord(1/2)
  0.5 = coord(1/2)

Date

3.12.2016 18:39:22

0.009054045 = product of:
  0.01810809 = sum of:
    0.01810809 = product of:
      0.03621618 = sum of:
        0.03621618 = weight(_text_:b in 5901) [ClassicSimilarity], result of:
          0.03621618 = score(doc=5901,freq=2.0), product of:
            0.18503809 = queryWeight, product of:
              3.542962 = idf(docFreq=3476, maxDocs=44218)
              0.052226946 = queryNorm
            0.19572285 = fieldWeight in 5901, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.542962 = idf(docFreq=3476, maxDocs=44218)
              0.0390625 = fieldNorm(doc=5901)
      0.5 = coord(1/2)
  0.5 = coord(1/2)

Abstract

In der Informatik sind Ontologien formale Modelle eines Anwendungsbereiches, die die Kommunikation zwischen menschlichen und/oder maschinellen Akteuren unterstützen und damit den Austausch und das Teilen von Wissen in Unternehmen erleichtern. Ontologien zur strukturierten Darstellung von Wissen zu nutzen hat deshalb in den letzten Jahren zunehmende Verbreitung gefunden. Schon heute existieren weltweit tausende Ontologien. Um Interoperabilität zwischen darauf aufbauenden Softwareagenten oder Webservices zu ermöglichen, ist die semantische Integration der Ontologien eine zwingendnotwendige Vorraussetzung. Wie man sieh leicht verdeutlichen kann, ist die rein manuelle Erstellung der Abbildungen ab einer bestimmten Größe. Komplexität und Veränderungsrate der Ontologien nicht mehr ohne weiteres möglich. Automatische oder semiautomatische Technologien müssen den Nutzer darin unterstützen. Das Integrationsproblem beschäftigt Forschung und Industrie schon seit vielen Jahren z. B. im Bereich der Datenbankintegration. Neu ist jedoch die Möglichkeit komplexe semantische Informationen. wie sie in Ontologien vorhanden sind, einzubeziehen. Zur Ontologieintegration wird in diesem Kapitel ein sechsstufiger genereller Prozess basierend auf den semantischen Strukturen eingeführt. Erweiterungen beschäftigen sich mit der Effizienz oder der optimalen Nutzereinbindung in diesen Prozess. Außerdem werden zwei Anwendungen vorgestellt, in denen dieser Prozess erfolgreich umgesetzt wurde. In einem abschließenden Fazit werden neue aktuelle Trends angesprochen. Da die Ansätze prinzipiell auf jedes Schema übertragbar sind, das eine semantische Basis enthält, geht der Einsatzbereich dieser Forschung weit über reine Ontologieanwendungen hinaus.

0.008845038 = product of:
  0.017690076 = sum of:
    0.017690076 = product of:
      0.03538015 = sum of:
        0.03538015 = weight(_text_:22 in 4607) [ClassicSimilarity], result of:
          0.03538015 = score(doc=4607,freq=2.0), product of:
            0.18288986 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.052226946 = queryNorm
            0.19345059 = fieldWeight in 4607, 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=4607)
      0.5 = coord(1/2)
  0.5 = coord(1/2)

Source

Conceptual structures: knowledge architectures for smart applications: 15th International Conference on Conceptual Structures, ICCS 2007, Sheffield, UK, July 22 - 27, 2007 ; proceedings. Eds.: U. Priss u.a