Search (627 results, page 32 of 32)

5.1987555E-4 = product of:
  0.008837884 = sum of:
    0.008837884 = product of:
      0.035351537 = sum of:
        0.035351537 = weight(_text_:22 in 4204) [ClassicSimilarity], result of:
          0.035351537 = score(doc=4204,freq=4.0), product of:
            0.0807613 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.023062602 = queryNorm
            0.4377287 = fieldWeight in 4204, product of:
              2.0 = tf(freq=4.0), with freq of:
                4.0 = termFreq=4.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.0625 = fieldNorm(doc=4204)
      0.25 = coord(1/4)
  0.05882353 = coord(1/17)

Date

22. 6.2018 13:24:08
22. 6.2018 13:54:52

5.1011535E-4 = product of:
  0.008671961 = sum of:
    0.008671961 = weight(_text_:und in 862) [ClassicSimilarity], result of:
      0.008671961 = score(doc=862,freq=6.0), product of:
        0.05111519 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.023062602 = queryNorm
        0.16965526 = fieldWeight in 862, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.03125 = fieldNorm(doc=862)
  0.05882353 = coord(1/17)

Abstract

Das Gebiet des Pattern-Matching besitzt in vielen wissenschaftlichen Bereichen eine hohe Relevanz. Aufgrund unterschiedlicher Einsatzgebiete sind auch Umsetzung und Anwendung des Pattern-Matching sehr verschieden. Die allen Anwendungen des Pattern-Matching inhärente Aufgabe besteht darin, in einer Vielzahl von Eingabedaten bestimmte Muster wieder zu erkennen. Dies ist auch der deutschen Bezeichnung Mustererkennung zu entnehmen. In der Medizin findet Pattern-Matching zum Beispiel bei der Untersuchung von Chromosomensträngen auf bestimmte Folgen von Chromosomen Verwendung. Auf dem Gebiet der Bildverarbeitung können mit Hilfe des Pattern-Matching ganze Bilder verglichen oder einzelne Bildpunkte betrachtet werden, die durch ein Muster identifizierbar sind. Ein weiteres Einsatzgebiet des Pattern-Matching ist das Information-Retrieval, bei dem in gespeicherten Daten nach relevanten Informationen gesucht wird. Die Relevanz der zu suchenden Daten wird auch hier anhand eines Musters, zum Beispiel einem bestimmten Schlagwort, beurteilt. Ein vergleichbares Verfahren findet auch im Internet Anwendung. Internet-Benutzer, die mittels einer Suchmaschine nach bedeutsamen Informationen suchen, erhalten diese durch den Einsatz eines Pattern-Matching-Automaten. Die in diesem Zusammenhang an den Pattern-Matching-Automaten gestellten Anforderungen variieren mit der Suchanfrage, die an eine Suchmaschine gestellt wird. Eine solche Suchanfrage kann im einfachsten Fall aus genau einem Schlüsselwort bestehen. Im komplexeren Fall enthält die Anfrage mehrere Schlüsselwörter. Dabei muss für eine erfolgreiche Suche eine Konkatenation der in der Anfrage enthaltenen Wörter erfolgen. Zu Beginn dieser Arbeit wird in Kapitel 2 eine umfassende Einführung in die Thematik des Textvergleichs gegeben, wobei die Definition einiger grundlegender Begriffe vorgenommen wird. Anschließend werden in Kapitel 3 Verfahren zum Textvergleich mit mehreren Mustern vorgestellt. Dabei wird zunächst ein einfaches Vorgehen erläutert, um einen Einsteig in das Thema des Textvergleichs mit mehreren Mustern zu erleichtern. Danach wird eine komplexe Methode des Textvergleichs vorgestellt und anhand von Beispielen verdeutlicht.

Content

Ausarbeitung im Rahmen des Seminars Suchmaschinen und Suchalgorithmen, Institut für Wirtschaftsinformatik Praktische Informatik in der Wirtschaft, Westfälische Wilhelms-Universität Münster. - Vgl.: http://www-wi.uni-muenster.de/pi/lehre/ss05/seminarSuchen/Ausarbeitungen/SandraMarcus.pdf

4.4177283E-4 = product of:
  0.007510138 = sum of:
    0.007510138 = weight(_text_:und in 4333) [ClassicSimilarity], result of:
      0.007510138 = score(doc=4333,freq=2.0), product of:
        0.05111519 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.023062602 = queryNorm
        0.14692576 = fieldWeight in 4333, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.046875 = fieldNorm(doc=4333)
  0.05882353 = coord(1/17)

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.

2.5770083E-4 = product of:
  0.004380914 = sum of:
    0.004380914 = weight(_text_:und in 2818) [ClassicSimilarity], result of:
      0.004380914 = score(doc=2818,freq=2.0), product of:
        0.05111519 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.023062602 = queryNorm
        0.085706696 = fieldWeight in 2818, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.02734375 = fieldNorm(doc=2818)
  0.05882353 = coord(1/17)

Content

Abschlussarbeit MAS Bibliotheks- und Informationswissenschaften 2007-2009

2.5770083E-4 = product of:
  0.004380914 = sum of:
    0.004380914 = weight(_text_:und in 127) [ClassicSimilarity], result of:
      0.004380914 = score(doc=127,freq=2.0), product of:
        0.05111519 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.023062602 = queryNorm
        0.085706696 = fieldWeight in 127, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.02734375 = fieldNorm(doc=127)
  0.05882353 = coord(1/17)

Imprint

Leipzig : Universität / Fakultät für Mathematik und Informatik Institut für Informatik

2.2975472E-4 = product of:
  0.0039058302 = sum of:
    0.0039058302 = product of:
      0.015623321 = sum of:
        0.015623321 = weight(_text_:22 in 642) [ClassicSimilarity], result of:
          0.015623321 = score(doc=642,freq=2.0), product of:
            0.0807613 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.023062602 = queryNorm
            0.19345059 = fieldWeight in 642, 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=642)
      0.25 = coord(1/4)
  0.05882353 = coord(1/17)

Date

22. 7.2022 12:16:58

1.8380377E-4 = product of:
  0.003124664 = sum of:
    0.003124664 = product of:
      0.012498656 = sum of:
        0.012498656 = weight(_text_:22 in 4399) [ClassicSimilarity], result of:
          0.012498656 = score(doc=4399,freq=2.0), product of:
            0.0807613 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.023062602 = queryNorm
            0.15476047 = fieldWeight in 4399, 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=4399)
      0.25 = coord(1/4)
  0.05882353 = coord(1/17)

Date

20. 1.2015 18:30:22