Search (94 results, page 1 of 5)

  • × theme_ss:"Retrievalalgorithmen"
  1. Kanaeva, Z.: Ranking: Google und CiteSeer (2005) 0.08 
    0.08055824 = product of:
  0.12083735 = sum of:
    0.021712782 = weight(_text_:h in 3276) [ClassicSimilarity], result of:
      0.021712782 = score(doc=3276,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.19214681 = fieldWeight in 3276, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.0546875 = fieldNorm(doc=3276)
    0.09912457 = sum of:
      0.055988036 = weight(_text_:von in 3276) [ClassicSimilarity], result of:
        0.055988036 = score(doc=3276,freq=10.0), product of:
          0.12134718 = queryWeight, product of:
            2.6679487 = idf(docFreq=8340, maxDocs=44218)
            0.045483325 = queryNorm
          0.4613872 = fieldWeight in 3276, product of:
            3.1622777 = tf(freq=10.0), with freq of:
              10.0 = termFreq=10.0
            2.6679487 = idf(docFreq=8340, maxDocs=44218)
            0.0546875 = fieldNorm(doc=3276)
      0.043136537 = weight(_text_:22 in 3276) [ClassicSimilarity], result of:
        0.043136537 = score(doc=3276,freq=2.0), product of:
          0.15927485 = queryWeight, product of:
            3.5018296 = idf(docFreq=3622, maxDocs=44218)
            0.045483325 = queryNorm
          0.2708308 = fieldWeight in 3276, 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=3276)
  0.6666667 = coord(2/3)
    Abstract
    Im Rahmen des klassischen Information Retrieval wurden verschiedene Verfahren für das Ranking sowie die Suche in einer homogenen strukturlosen Dokumentenmenge entwickelt. Die Erfolge der Suchmaschine Google haben gezeigt dass die Suche in einer zwar inhomogenen aber zusammenhängenden Dokumentenmenge wie dem Internet unter Berücksichtigung der Dokumentenverbindungen (Links) sehr effektiv sein kann. Unter den von der Suchmaschine Google realisierten Konzepten ist ein Verfahren zum Ranking von Suchergebnissen (PageRank), das in diesem Artikel kurz erklärt wird. Darüber hinaus wird auf die Konzepte eines Systems namens CiteSeer eingegangen, welches automatisch bibliographische Angaben indexiert (engl. Autonomous Citation Indexing, ACI). Letzteres erzeugt aus einer Menge von nicht vernetzten wissenschaftlichen Dokumenten eine zusammenhängende Dokumentenmenge und ermöglicht den Einsatz von Banking-Verfahren, die auf den von Google genutzten Verfahren basieren.
    Date
    20. 3.2005 16:23:22
    Source
    Information - Wissenschaft und Praxis. 56(2005) H.2, S.87-92
  2. Fuhr, N.: Ranking-Experimente mit gewichteter Indexierung (1986) 0.05 
    0.049464058 = product of:
  0.074196085 = sum of:
    0.037221912 = weight(_text_:h in 58) [ClassicSimilarity], result of:
      0.037221912 = score(doc=58,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.32939452 = fieldWeight in 58, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.09375 = fieldNorm(doc=58)
    0.036974173 = product of:
      0.073948346 = sum of:
        0.073948346 = weight(_text_:22 in 58) [ClassicSimilarity], result of:
          0.073948346 = score(doc=58,freq=2.0), product of:
            0.15927485 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.045483325 = queryNorm
            0.46428138 = fieldWeight in 58, 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=58)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Date
    14. 6.2015 22:12:44
    Source
    Deutscher Dokumentartag 1985, Nürnberg, 1.-4.10.1985: Fachinformation: Methodik - Management - Markt; neue Entwicklungen, Berufe, Produkte. Bearb.: H. Strohl-Goebel
  3. Fuhr, N.: Rankingexperimente mit gewichteter Indexierung (1986) 0.04 
    0.038957227 = product of:
  0.11687168 = sum of:
    0.11687168 = sum of:
      0.04292333 = weight(_text_:von in 2051) [ClassicSimilarity], result of:
        0.04292333 = score(doc=2051,freq=2.0), product of:
          0.12134718 = queryWeight, product of:
            2.6679487 = idf(docFreq=8340, maxDocs=44218)
            0.045483325 = queryNorm
          0.35372335 = fieldWeight in 2051, product of:
            1.4142135 = tf(freq=2.0), with freq of:
              2.0 = termFreq=2.0
            2.6679487 = idf(docFreq=8340, maxDocs=44218)
            0.09375 = fieldNorm(doc=2051)
      0.073948346 = weight(_text_:22 in 2051) [ClassicSimilarity], result of:
        0.073948346 = score(doc=2051,freq=2.0), product of:
          0.15927485 = queryWeight, product of:
            3.5018296 = idf(docFreq=3622, maxDocs=44218)
            0.045483325 = queryNorm
          0.46428138 = fieldWeight in 2051, 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=2051)
  0.33333334 = coord(1/3)
    Abstract
    Der Beitrag enthält eine Darstellung zur Frage der Konzeption von Rankingalgorithmen auf Grundlage gewichteter Indexierung mittels statistischer Verfahren.
    Date
    14. 6.2015 22:12:56
  4. Mandl, T.: Web- und Multimedia-Dokumente : Neuere Entwicklungen bei der Evaluierung von Information Retrieval Systemen (2003) 0.04 
    0.03787185 = product of:
  0.05680777 = sum of:
    0.02481461 = weight(_text_:h in 1734) [ClassicSimilarity], result of:
      0.02481461 = score(doc=1734,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.21959636 = fieldWeight in 1734, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.0625 = fieldNorm(doc=1734)
    0.031993162 = product of:
      0.063986324 = sum of:
        0.063986324 = weight(_text_:von in 1734) [ClassicSimilarity], result of:
          0.063986324 = score(doc=1734,freq=10.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.52729964 = fieldWeight in 1734, product of:
              3.1622777 = tf(freq=10.0), with freq of:
                10.0 = termFreq=10.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.0625 = fieldNorm(doc=1734)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Abstract
    Die Menge an Daten im Internet steigt weiter rapide an. Damit wächst auch der Bedarf an qualitativ hochwertigen Information Retrieval Diensten zur Orientierung und problemorientierten Suche. Die Entscheidung für die Benutzung oder Beschaffung von Information Retrieval Software erfordert aussagekräftige Evaluierungsergebnisse. Dieser Beitrag stellt neuere Entwicklungen bei der Evaluierung von Information Retrieval Systemen vor und zeigt den Trend zu Spezialisierung und Diversifizierung von Evaluierungsstudien, die den Realitätsgrad derErgebnisse erhöhen. DerSchwerpunkt liegt auf dem Retrieval von Fachtexten, Internet-Seiten und Multimedia-Objekten.
    Source
    Information - Wissenschaft und Praxis. 54(2003) H.4, S.203-210
  5. Behnert, C.; Borst, T.: Neue Formen der Relevanz-Sortierung in bibliothekarischen Informationssystemen : das DFG-Projekt LibRank (2015) 0.03 
    0.033064272 = product of:
  0.049596407 = sum of:
    0.02481461 = weight(_text_:h in 5392) [ClassicSimilarity], result of:
      0.02481461 = score(doc=5392,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.21959636 = fieldWeight in 5392, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.0625 = fieldNorm(doc=5392)
    0.024781799 = product of:
      0.049563598 = sum of:
        0.049563598 = weight(_text_:von in 5392) [ClassicSimilarity], result of:
          0.049563598 = score(doc=5392,freq=6.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.40844458 = fieldWeight in 5392, product of:
              2.4494898 = tf(freq=6.0), with freq of:
                6.0 = termFreq=6.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.0625 = fieldNorm(doc=5392)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Abstract
    Das von der DFG geförderte Projekt LibRank erforscht neue Rankingverfahren für bibliothekarische Informationssysteme, die aufbauend auf Erkenntnissen aus dem Bereich Websuche qualitätsinduzierende Faktoren wie z. B. Aktualität, Popularität und Verfügbarkeit von einzelnen Medien berücksichtigen. Die konzipierten Verfahren werden im Kontext eines in den Wirtschaftswissenschaften häufig genutzten Rechercheportals (EconBiz) entwickelt und in einem Testsystem systematisch evaluiert. Es werden Rankingfaktoren, die für den Bibliotheksbereich von besonderem Interesse sind, vorgestellt und exemplarisch Probleme und Herausforderungen aufgezeigt.
    Source
    Bibliothek: Forschung und Praxis. 39(2015) H.3, S.384-393
  6. Tober, M.; Hennig, L.; Furch, D.: SEO Ranking-Faktoren und Rang-Korrelationen 2014 : Google Deutschland (2014) 0.03 
    0.032954168 = product of:
  0.0988625 = sum of:
    0.0988625 = sum of:
      0.049563598 = weight(_text_:von in 1484) [ClassicSimilarity], result of:
        0.049563598 = score(doc=1484,freq=6.0), product of:
          0.12134718 = queryWeight, product of:
            2.6679487 = idf(docFreq=8340, maxDocs=44218)
            0.045483325 = queryNorm
          0.40844458 = fieldWeight in 1484, product of:
            2.4494898 = tf(freq=6.0), with freq of:
              6.0 = termFreq=6.0
            2.6679487 = idf(docFreq=8340, maxDocs=44218)
            0.0625 = fieldNorm(doc=1484)
      0.049298897 = weight(_text_:22 in 1484) [ClassicSimilarity], result of:
        0.049298897 = score(doc=1484,freq=2.0), product of:
          0.15927485 = queryWeight, product of:
            3.5018296 = idf(docFreq=3622, maxDocs=44218)
            0.045483325 = queryNorm
          0.30952093 = fieldWeight in 1484, 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=1484)
  0.33333334 = coord(1/3)
    Abstract
    Dieses Whitepaper beschäftigt sich mit der Definition und Bewertung von Faktoren, die eine hohe Rangkorrelation-Koeffizienz mit organischen Suchergebnissen aufweisen und dient dem Zweck der tieferen Analyse von Suchmaschinen-Algorithmen. Die Datenerhebung samt Auswertung bezieht sich auf Ranking-Faktoren für Google-Deutschland im Jahr 2014. Zusätzlich wurden die Korrelationen und Faktoren unter anderem anhand von Durchschnitts- und Medianwerten sowie Entwicklungstendenzen zu den Vorjahren hinsichtlich ihrer Relevanz für vordere Suchergebnis-Positionen interpretiert.
    Date
    13. 9.2014 14:45:22
  7. Behnert, C.; Plassmeier, K.; Borst, T.; Lewandowski, D.: Evaluierung von Rankingverfahren für bibliothekarische Informationssysteme (2019) 0.03 
    0.031167597 = product of:
  0.046751395 = sum of:
    0.021712782 = weight(_text_:h in 5023) [ClassicSimilarity], result of:
      0.021712782 = score(doc=5023,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.19214681 = fieldWeight in 5023, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.0546875 = fieldNorm(doc=5023)
    0.025038611 = product of:
      0.050077222 = sum of:
        0.050077222 = weight(_text_:von in 5023) [ClassicSimilarity], result of:
          0.050077222 = score(doc=5023,freq=8.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.41267726 = fieldWeight in 5023, product of:
              2.828427 = tf(freq=8.0), with freq of:
                8.0 = termFreq=8.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.0546875 = fieldNorm(doc=5023)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Abstract
    Dieser Beitrag beschreibt eine Studie zur Entwicklung und Evaluierung von Rankingverfahren für bibliothekarische Informationssysteme. Dazu wurden mögliche Faktoren für das Relevanzranking ausgehend von den Verfahren in Websuchmaschinen identifiziert, auf den Bibliothekskontext übertragen und systematisch evaluiert. Mithilfe eines Testsystems, das auf dem ZBW-Informationsportal EconBiz und einer web-basierten Software zur Evaluierung von Suchsystemen aufsetzt, wurden verschiedene Relevanzfaktoren (z. B. Popularität in Verbindung mit Aktualität) getestet. Obwohl die getesteten Rankingverfahren auf einer theoretischen Ebene divers sind, konnten keine einheitlichen Verbesserungen gegenüber den Baseline-Rankings gemessen werden. Die Ergebnisse deuten darauf hin, dass eine Adaptierung des Rankings auf individuelle Nutzer bzw. Nutzungskontexte notwendig sein könnte, um eine höhere Performance zu erzielen.
    Source
    Information - Wissenschaft und Praxis. 70(2019) H.1, S.14-23
  8. Stock, M.; Stock, W.G.: Internet-Suchwerkzeuge im Vergleich (IV) : Relevance Ranking nach "Popularität" von Webseiten: Google (2001) 0.03 
    0.029930681 = product of:
  0.04489602 = sum of:
    0.018610956 = weight(_text_:h in 5771) [ClassicSimilarity], result of:
      0.018610956 = score(doc=5771,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.16469726 = fieldWeight in 5771, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.046875 = fieldNorm(doc=5771)
    0.026285065 = product of:
      0.05257013 = sum of:
        0.05257013 = weight(_text_:von in 5771) [ClassicSimilarity], result of:
          0.05257013 = score(doc=5771,freq=12.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.43322086 = fieldWeight in 5771, product of:
              3.4641016 = tf(freq=12.0), with freq of:
                12.0 = termFreq=12.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.046875 = fieldNorm(doc=5771)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Abstract
    In unserem Retrievaltest von Suchwerkzeugen im World Wide Web (Password 11/2000) schnitt die Suchmaschine Google am besten ab. Im Vergleich zu anderen Search Engines setzt Google kaum auf Informationslinguistik, sondern auf Algorithmen, die sich aus den Besonderheiten der Web-Dokumente ableiten lassen. Kernstück der informationsstatistischen Technik ist das "PageRank"- Verfahren (benannt nach dem Entwickler Larry Page), das aus der Hypertextstruktur des Web die "Popularität" von Seiten anhand ihrer ein- und ausgehenden Links berechnet. Google besticht durch das Angebot intuitiv verstehbarer Suchbildschirme sowie durch einige sehr nützliche "Kleinigkeiten" wie die Angabe des Rangs einer Seite, Highlighting, Suchen in der Seite, Suchen innerhalb eines Suchergebnisses usw., alles verstaut in einer eigenen Befehlsleiste innerhalb des Browsers. Ähnlich wie RealNames bietet Google mit dem Produkt "AdWords" den Aufkauf von Suchtermen an. Nach einer Reihe von nunmehr vier Password-Artikeln über InternetSuchwerkzeugen im Vergleich wollen wir abschließend zu einer Bewertung kommen. Wie ist der Stand der Technik bei Directories und Search Engines aus informationswissenschaftlicher Sicht einzuschätzen? Werden die "typischen" Internetnutzer, die ja in der Regel keine Information Professionals sind, adäquat bedient? Und können auch Informationsfachleute von den Suchwerkzeugen profitieren?
    Source
    Password. 2001, H.2, S.20-27
  9. Chang, C.-H.; Hsu, C.-C.: Integrating query expansion and conceptual relevance feedback for personalized Web information retrieval (1998) 0.03 
    0.028854033 = product of:
  0.04328105 = sum of:
    0.021712782 = weight(_text_:h in 1319) [ClassicSimilarity], result of:
      0.021712782 = score(doc=1319,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.19214681 = fieldWeight in 1319, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.0546875 = fieldNorm(doc=1319)
    0.021568269 = product of:
      0.043136537 = sum of:
        0.043136537 = weight(_text_:22 in 1319) [ClassicSimilarity], result of:
          0.043136537 = score(doc=1319,freq=2.0), product of:
            0.15927485 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.045483325 = queryNorm
            0.2708308 = fieldWeight in 1319, 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=1319)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Date
    1. 8.1996 22:08:06
  10. Chakrabarti, S.; Dom, B.; Kumar, S.R.; Raghavan, P.; Rajagopalan, S.; Tomkins, A.; Kleinberg, J.M.; Gibson, D.: Neue Pfade durch den Internet-Dschungel : Die zweite Generation von Web-Suchmaschinen (1999) 0.03 
    0.026081592 = product of:
  0.039122388 = sum of:
    0.02481461 = weight(_text_:h in 3) [ClassicSimilarity], result of:
      0.02481461 = score(doc=3,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.21959636 = fieldWeight in 3, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.0625 = fieldNorm(doc=3)
    0.014307777 = product of:
      0.028615555 = sum of:
        0.028615555 = weight(_text_:von in 3) [ClassicSimilarity], result of:
          0.028615555 = score(doc=3,freq=2.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.23581557 = fieldWeight in 3, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.0625 = fieldNorm(doc=3)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Source
    Spektrum der Wissenschaft. 1999, H.8, S.44-49
  11. Mayr, P.: Bradfordizing mit Katalogdaten : Alternative Sicht auf Suchergebnisse und Publikationsquellen durch Re-Ranking (2010) 0.02 
    0.024798205 = product of:
  0.037197307 = sum of:
    0.018610956 = weight(_text_:h in 4301) [ClassicSimilarity], result of:
      0.018610956 = score(doc=4301,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.16469726 = fieldWeight in 4301, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.046875 = fieldNorm(doc=4301)
    0.018586349 = product of:
      0.037172697 = sum of:
        0.037172697 = weight(_text_:von in 4301) [ClassicSimilarity], result of:
          0.037172697 = score(doc=4301,freq=6.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.30633342 = fieldWeight in 4301, product of:
              2.4494898 = tf(freq=6.0), with freq of:
                6.0 = termFreq=6.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.046875 = fieldNorm(doc=4301)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Abstract
    Nutzer erwarten für Literaturrecherchen in wissenschaftlichen Suchsystemen einen möglichst hohen Anteil an relevanten und qualitativen Dokumenten in den Trefferergebnissen. Insbesondere die Reihenfolge und Struktur der gelisteten Ergebnisse (Ranking) spielt, neben dem direkten Volltextzugriff auf die Dokumente, für viele Nutzer inzwischen eine entscheidende Rolle. Abgegrenzt wird Ranking oder Relevance Ranking von sogenannten Sortierungen zum Beispiel nach dem Erscheinungsjahr der Publikation, obwohl hier die Grenze zu »nach inhaltlicher Relevanz« gerankten Listen konzeptuell nicht sauber zu ziehen ist. Das Ranking von Dokumenten führt letztlich dazu, dass sich die Benutzer fokussiert mit den oberen Treffermengen eines Suchergebnisses beschäftigen. Der mittlere und untere Bereich eines Suchergebnisses wird häufig nicht mehr in Betracht gezogen. Aufgrund der Vielzahl an relevanten und verfügbaren Informationsquellen ist es daher notwendig, Kernbereiche in den Suchräumen zu identifizieren und diese anschließend dem Nutzer hervorgehoben zu präsentieren. Phillipp Mayr fasst hier die Ergebnisse seiner Dissertation zum Thema »Re-Ranking auf Basis von Bradfordizing für die verteilte Suche in Digitalen Bibliotheken« zusammen.
    Source
    BuB. 62(2010) H.1, S.61-63
  12. Fan, W.; Fox, E.A.; Pathak, P.; Wu, H.: ¬The effects of fitness functions an genetic programming-based ranking discovery for Web search (2004) 0.02 
    0.024732029 = product of:
  0.037098043 = sum of:
    0.018610956 = weight(_text_:h in 2239) [ClassicSimilarity], result of:
      0.018610956 = score(doc=2239,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.16469726 = fieldWeight in 2239, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.046875 = fieldNorm(doc=2239)
    0.018487087 = product of:
      0.036974173 = sum of:
        0.036974173 = weight(_text_:22 in 2239) [ClassicSimilarity], result of:
          0.036974173 = score(doc=2239,freq=2.0), product of:
            0.15927485 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.045483325 = queryNorm
            0.23214069 = fieldWeight in 2239, 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=2239)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Date
    31. 5.2004 19:22:06
  13. Oberhauser, O.; Labner, J.: Relevance Ranking in Online-Katalogen : Informationsstand und Perspektiven (2003) 0.02 
    0.022821393 = product of:
  0.034232087 = sum of:
    0.021712782 = weight(_text_:h in 2188) [ClassicSimilarity], result of:
      0.021712782 = score(doc=2188,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.19214681 = fieldWeight in 2188, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.0546875 = fieldNorm(doc=2188)
    0.012519306 = product of:
      0.025038611 = sum of:
        0.025038611 = weight(_text_:von in 2188) [ClassicSimilarity], result of:
          0.025038611 = score(doc=2188,freq=2.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.20633863 = fieldWeight in 2188, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.0546875 = fieldNorm(doc=2188)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Abstract
    Bekanntlich führen Suchmaschinen wie Google &Co. beider Auflistung der Suchergebnisse ein "Ranking" nach "Relevanz" durch, d.h. die Dokumente werden in absteigender Reihenfolge entsprechend ihrer Erfüllung von Relevanzkriterien ausgeben. In Online-Katalogen (OPACs) ist derlei noch nicht allgemein übliche Praxis, doch bietet etwa das im Österreichischen Bibliothekenverbund eingesetzte System Aleph 500 tatsächlich eine solche Ranking-Option an (die im Verbundkatalog auch implementiert ist). Bislang liegen allerdings kaum Informationen zur Funktionsweise dieses Features, insbesondere auch im Hinblick auf eine Hilfestellung für Benutzer, vor. Daher möchten wir mit diesem Beitrag versuchen, den in unserem Verbund bestehenden Informationsstand zum Thema "Relevance Ranking" zu erweitern. Sowohl die Verwendung einer Ranking-Option in OPACs generell als auch die sich unter Aleph 500 konkret bietenden Möglichkeiten sollen im folgenden näher betrachtet werden.
    Source
    Mitteilungen der Vereinigung Österreichischer Bibliothekarinnen und Bibliothekare. 56(2003) H.3/4, S.49-63
  14. Weller, K.; Stock, W.G.: Transitive meronymy : automatic concept-based query expansion using weighted transitive part-whole relations (2008) 0.02 
    0.022821393 = product of:
  0.034232087 = sum of:
    0.021712782 = weight(_text_:h in 1835) [ClassicSimilarity], result of:
      0.021712782 = score(doc=1835,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.19214681 = fieldWeight in 1835, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.0546875 = fieldNorm(doc=1835)
    0.012519306 = product of:
      0.025038611 = sum of:
        0.025038611 = weight(_text_:von in 1835) [ClassicSimilarity], result of:
          0.025038611 = score(doc=1835,freq=2.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.20633863 = fieldWeight in 1835, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.0546875 = fieldNorm(doc=1835)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Abstract
    Transitive Meronymie. Automatische begriffsbasierte Suchanfrageerweiterung unter Nutzung gewichteter transitiver Teil-Ganzes-Relationen. Unsere theoretisch orientierte Arbeit isoliert transitive Teil-Ganzes-Beziehungen. Wir diskutieren den Einsatz der Meronymie bei der automatischen begriffsbasierten Suchanfrageerweiterung im Information Retrieval. Aus praktischen Gründen schlagen wir vor, die Bestandsrelationen zu spezifizieren und die einzelnen Arten mit unterschiedlichen Gewichtungswerten zu versehen, die im Retrieval genutzt werden. Für das Design von Wissensordnungen ist bedeutsam, dass innerhalb der Begriffsleiter einer Abstraktionsrelation ein Begriff alle seine Teile (sowie alle transitiven Teile der Teile) an seine Unterbegriffe vererbt.
    Source
    Information - Wissenschaft und Praxis. 59(2008) H.3, S.165-170
  15. Hora, M.: Methoden für das Ranking in Discovery-Systemen (2018) 0.02 
    0.022821393 = product of:
  0.034232087 = sum of:
    0.021712782 = weight(_text_:h in 4968) [ClassicSimilarity], result of:
      0.021712782 = score(doc=4968,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.19214681 = fieldWeight in 4968, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.0546875 = fieldNorm(doc=4968)
    0.012519306 = product of:
      0.025038611 = sum of:
        0.025038611 = weight(_text_:von in 4968) [ClassicSimilarity], result of:
          0.025038611 = score(doc=4968,freq=2.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.20633863 = fieldWeight in 4968, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.0546875 = fieldNorm(doc=4968)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Abstract
    Discovery-Systeme bieten meist als Standardeinstellung eine Sortierung nach Relevanz an. Wie die Relevanz ermittelt wird, ist häufig intransparent. Dabei wären Kenntnisse darüber aus Nutzersicht ein wichtiger Faktor in der Informationskompetenz, während Bibliotheken sicherstellen sollten, dass das Ranking zum eigenen Bestand und Publikum passt. In diesem Aufsatz wird dargestellt, wie Discovery-Systeme Treffer auswählen und bewerten. Dazu gehören Indexierung, Prozessierung, Text-Matching und weitere Relevanzkriterien, z. B. Popularität oder Verfügbarkeit. Schließlich müssen alle betrachteten Kriterien zu einem zentralen Score zusammengefasst werden. Ein besonderer Fokus wird auf das Ranking von EBSCO Discovery Service, Primo und Summon gelegt.
    Source
    Perspektive Bibliothek. 7(2018) H.2, S.2-23
  16. Reimer, U.: Empfehlungssysteme (2023) 0.02 
    0.022821393 = product of:
  0.034232087 = sum of:
    0.021712782 = weight(_text_:h in 519) [ClassicSimilarity], result of:
      0.021712782 = score(doc=519,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.19214681 = fieldWeight in 519, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.0546875 = fieldNorm(doc=519)
    0.012519306 = product of:
      0.025038611 = sum of:
        0.025038611 = weight(_text_:von in 519) [ClassicSimilarity], result of:
          0.025038611 = score(doc=519,freq=2.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.20633863 = fieldWeight in 519, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.0546875 = fieldNorm(doc=519)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Abstract
    Mit der wachsenden Informationsflut steigen die Anforderungen an Informationssysteme, aus der Menge potenziell relevanter Information die in einem bestimmten Kontext relevanteste zu selektieren. Empfehlungssysteme spielen hier eine besondere Rolle, da sie personalisiert - d. h. kontextspezifisch und benutzerindividuell - relevante Information herausfiltern können. Definition: Ein Empfehlungssystem empfiehlt einem Benutzer bzw. einer Benutzerin in einem definierten Kontext aus einer gegebenen Menge von Empfehlungsobjekten eine Teilmenge als relevant. Empfehlungssysteme machen Benutzer auf Objekte aufmerksam, die sie möglicherweise nie gefunden hätten, weil sie nicht danach gesucht hätten oder sie in der schieren Menge an insgesamt relevanter Information untergegangen wären.
  17. Oberhauser, O.: Relevance Ranking in den Online-Katalogen der "nächsten Generation" (2010) 0.02 
    0.022524431 = product of:
  0.033786647 = sum of:
    0.018610956 = weight(_text_:h in 4308) [ClassicSimilarity], result of:
      0.018610956 = score(doc=4308,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.16469726 = fieldWeight in 4308, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.046875 = fieldNorm(doc=4308)
    0.01517569 = product of:
      0.03035138 = sum of:
        0.03035138 = weight(_text_:von in 4308) [ClassicSimilarity], result of:
          0.03035138 = score(doc=4308,freq=4.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.2501202 = fieldWeight in 4308, product of:
              2.0 = tf(freq=4.0), with freq of:
                4.0 = termFreq=4.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.046875 = fieldNorm(doc=4308)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Abstract
    Relevance Ranking in Online-Katalogen ist zwar kein neues Thema, doch liegt dazu nicht allzu viel Literatur vor, die das Prädikat "ernstzunehmen" verdient. Dies ist zum einen darin begründet, dass das Interesse an der Ausgabe ranggereihter Ergebnislisten auf Seiten aller Beteiligter (Bibliothekare, Softwarehersteller, Benutzer) traditionell gering war. Zum anderen ging die seit einigen Jahren populär gewordene Kritik an den bestehenden OPACs vielfach von einer unzureichenden Wissensbasis aus und produzierte oft nur polemische oder emotional gefärbte Beiträge, die zum Thema Ranking wenig beitrugen. ... Der hier beschriebene Test ist natürlich in keiner Weise erschöpfend oder repräsentativ. Dennoch gibt er, wie ich glaube, Anlass zu einiger Hoffnung. Er lässt vermuten, dass die "neuen" OPACs - zumindest was das Relevance Ranking betrifft - auf dem Weg in die richtige Richtung sind. Wie gut es wirklich gelingen wird, die Rankingleistung von Suchmaschinen wie Google, die unter völlig anderen Voraussetzungen arbeiten, einzuholen, wird aber erst die Zukunft zeigen.
    Source
    Mitteilungen der Vereinigung Österreichischer Bibliothekarinnen und Bibliothekare. 63(2010) H.1/2, S.25-37
  18. Ackermann, J.: Knuth-Morris-Pratt (2005) 0.02 
    0.020889811 = product of:
  0.031334717 = sum of:
    0.012407305 = weight(_text_:h in 865) [ClassicSimilarity], result of:
      0.012407305 = score(doc=865,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.10979818 = fieldWeight in 865, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.03125 = fieldNorm(doc=865)
    0.018927412 = product of:
      0.037854824 = sum of:
        0.037854824 = weight(_text_:von in 865) [ClassicSimilarity], result of:
          0.037854824 = score(doc=865,freq=14.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.3119547 = fieldWeight in 865, product of:
              3.7416575 = tf(freq=14.0), with freq of:
                14.0 = termFreq=14.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.03125 = fieldNorm(doc=865)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Abstract
    Im Rahmen des Seminars Suchmaschinen und Suchalgorithmen beschäftigt sich diese Arbeit mit dem Auffinden bestimmter Wörter oder Muster in Texten. Der Begriff "Text" wird hier in einem sehr allgemeinen Sinne als strukturierte Folge beliebiger Länge von Zeichen aus einem endlichen Alphabet verstanden. Somit fällt unter diesen Bereich ganz allgemein die Suche nach einem Muster in einer Sequenz von Zeichen. Beispiele hierfür sind neben der Suche von Wörtern in "literarischen" Texten, z.B. das Finden von Pixelfolgen in Bildern oder gar das Finden von Mustern in DNS-Strängen. Das Anwendungsgebiet für eine solche Suche ist weit gefächert. Man denke hier allein an Texteditoren, Literaturdatenbanken, digitale Lexika oder die besagte DNADatenbank. Betrachtet man allein das 1989 publizierte Oxford English Dictionary mit seinen etwa 616500 definierten Stichworten auf gedruckten 21728 Seiten, so gilt es, einen möglichst effizienten Algorithmus für die Suche in Texten zu nutzen. Der in der Arbeit zugrunde liegende Datentyp ist vom Typ String (Zeichenkette), wobei hier offen gelassen wird, wie der Datentyp programmtechnisch realisiert wird. Algorithmen zur Verarbeitung von Zeichenketten (string processing) umfassen ein bestimmtes Spektrum an Anwendungsgebieten [Ot96, S.617 f.], wie z.B. das Komprimieren, das Verschlüssen, das Analysieren (parsen), das Übersetzen von Texten sowie das Suchen in Texten, welches Thema dieses Seminars ist. Im Rahmen dieser Arbeit wird der Knuth-Morris-Pratt Algorithmus vorgestellt, der wie der ebenfalls in diesem Seminar vorgestellte Boyer-Moore Algorithmus einen effizienten Suchalgorithmus darstellt. Dabei soll ein gegebenes Suchwort oder Muster (pattern) in einer gegeben Zeichenkette erkannt werden (pattern matching). Gesucht werden dabei ein oder mehrere Vorkommen eines bestimmten Suchwortes (exact pattern matching). Der Knuth-Morris-Pratt Algorithmus wurde erstmals 1974 als Institutbericht der Stanford University beschrieben und erschien 1977 in der Fachzeitschrift Journal of Computing unter dem Titel "Fast Pattern Matching in Strings" [Kn77]. Der Algorithmus beschreibt eine Suche in Zeichenketten mit linearer Laufzeit. Der Name des Algorithmus setzt sich aus den Entwicklern des Algorithmus Donald E. Knuth, James H. Morris und Vaughan R. Pratt zusammen.
  19. Lanvent, A.: Know-how - Suchverfahren : Intelligente Suchmaschinen erzielen mit assoziativen und linguistischen Verfahren beste Ergebnisse. (2004) 0.02 
    0.020665172 = product of:
  0.030997757 = sum of:
    0.01550913 = weight(_text_:h in 2988) [ClassicSimilarity], result of:
      0.01550913 = score(doc=2988,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.13724773 = fieldWeight in 2988, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.0390625 = fieldNorm(doc=2988)
    0.0154886255 = product of:
      0.030977251 = sum of:
        0.030977251 = weight(_text_:von in 2988) [ClassicSimilarity], result of:
          0.030977251 = score(doc=2988,freq=6.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.25527787 = fieldWeight in 2988, product of:
              2.4494898 = tf(freq=6.0), with freq of:
                6.0 = termFreq=6.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.0390625 = fieldNorm(doc=2988)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Content
    "Die einfachste Form der Volltextsuche ist die Phrasensuche. Hierbei gilt es, den eingegebenen Text in der exakten Schreibweise in sämtlichen relevanten Dokumenten zu finden. Anhand von Joker-Zeichen wie Stern und Fragezeichen kann der Anwender diese Art der Suche erweitern. Boole'sche Parameter verknüpfen einen, zwei oder mehrere Begriffe zu einem Suchstring. Die häufigsten Parameter lauten UND, ODER und NICHT. So lassen sich auch komplexe Anfragen starten, etwa sollen alle Dokumente gefunden werden, die die Begriffe »Schröder« oder »Schroeder«, aber nicht »Bundeskanzler« enthalten. Kennt der Anwender nicht die exakte Schreibweise oder kommen unterschiedliche Ausprägungen eines Wortes in den gesuchten Dokumenten vor, wie Deklinationen, muss er auf fehlertolerante oder linguistische Verfahren zurückgreifen. Einige Tools wie etwa Dt Search und Findword arbeiten mit Wörterbüchern, die auch Flexionen enthalten. Sucht der Nutzer etwa nach »Baum«, findet das Tool auch »Bäume« oder etwa »Baumstamm«. Bei der phonetischen Suche setzen Programme wie Documind Pro und Findword auf einen Algorithmus, der nach dem ähnlichen Klang der Wörter recherchiert. Solche Verfahren sind demnach sprachenabhängig. Sie nehmen den Suchstring »Meier« zum Anlass, auch »Mayer« oder »Meier« nachzuschlagen. Fuzzy Logic ist ein verwandtes Verfahren, das alternative Schreibweisen oder Tippfehler verzeiht. Dieses Verfahren berücksichtigt auch Abweichungen und stellt dabei fest, dass ein bestimmter Begriff zu einem Wortstamm gehört. Eine solche Methode liefert eine größere Trefferliste und findet bei Eingabe von »Microsoft« auch Dokumente mit »Mircosoft« und »Microaoft«. Die Königsdisziplin ist die Assoziative Suche, die die Recherche nach Eingabe eines beliebigen Satzes in der natürlichen Sprache startet. Das Suchkommando »Die Meistertitel von Borussia Mönchengladbach« findet im Idealfall Texte zu den Themen Fußball, Bundesliga und Netzer."
    Source
    PC professionell. 2004, H.10, S.134
  20. Mayr, P.: Bradfordizing als Re-Ranking-Ansatz in Literaturinformationssystemen (2011) 0.02 
    0.019561194 = product of:
  0.029341789 = sum of:
    0.018610956 = weight(_text_:h in 4292) [ClassicSimilarity], result of:
      0.018610956 = score(doc=4292,freq=2.0), product of:
        0.113001004 = queryWeight, product of:
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.045483325 = queryNorm
        0.16469726 = fieldWeight in 4292, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.4844491 = idf(docFreq=10020, maxDocs=44218)
          0.046875 = fieldNorm(doc=4292)
    0.010730833 = product of:
      0.021461666 = sum of:
        0.021461666 = weight(_text_:von in 4292) [ClassicSimilarity], result of:
          0.021461666 = score(doc=4292,freq=2.0), product of:
            0.12134718 = queryWeight, product of:
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.045483325 = queryNorm
            0.17686167 = fieldWeight in 4292, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              2.6679487 = idf(docFreq=8340, maxDocs=44218)
              0.046875 = fieldNorm(doc=4292)
      0.5 = coord(1/2)
  0.6666667 = coord(2/3)
    Abstract
    In diesem Artikel wird ein Re-Ranking-Ansatz für Suchsysteme vorgestellt, der die Recherche nach wissenschaftlicher Literatur messbar verbessern kann. Das nichttextorientierte Rankingverfahren Bradfordizing wird eingeführt und anschließend im empirischen Teil des Artikels bzgl. der Effektivität für typische fachbezogene Recherche-Topics evaluiert. Dem Bradford Law of Scattering (BLS), auf dem Bradfordizing basiert, liegt zugrunde, dass sich die Literatur zu einem beliebigen Fachgebiet bzw. -thema in Zonen unterschiedlicher Dokumentenkonzentration verteilt. Dem Kernbereich mit hoher Konzentration der Literatur folgen Bereiche mit mittlerer und geringer Konzentration. Bradfordizing sortiert bzw. rankt eine Dokumentmenge damit nach den sogenannten Kernzeitschriften. Der Retrievaltest mit 164 intellektuell bewerteten Fragestellungen in Fachdatenbanken aus den Bereichen Sozial- und Politikwissenschaften, Wirtschaftswissenschaften, Psychologie und Medizin zeigt, dass die Dokumente der Kernzeitschriften signifikant häufiger relevant bewertet werden als Dokumente der zweiten Dokumentzone bzw. den Peripherie-Zeitschriften. Die Implementierung von Bradfordizing und weiteren Re-Rankingverfahren liefert unmittelbare Mehrwerte für den Nutzer.
    Source
    Information - Wissenschaft und Praxis. 62(2011) H.1, S.3-10

Authors

Years

Languages

  • e 57
  • d 36
  • m 1
  • More… Less…

Types

  • a 80
  • x 7
  • m 5
  • r 2
  • s 2
  • More… Less…

Themes

Subjects

Classifications