Search (4 results, page 1 of 1)

0.1656659 = product of:
  0.24849884 = sum of:
    0.06212471 = product of:
      0.18637413 = sum of:
        0.18637413 = weight(_text_:3a in 1000) [ClassicSimilarity], result of:
          0.18637413 = score(doc=1000,freq=2.0), product of:
            0.3979391 = queryWeight, product of:
              8.478011 = idf(docFreq=24, maxDocs=44218)
              0.046937786 = queryNorm
            0.46834838 = fieldWeight in 1000, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              8.478011 = idf(docFreq=24, maxDocs=44218)
              0.0390625 = fieldNorm(doc=1000)
      0.33333334 = coord(1/3)
    0.18637413 = weight(_text_:2f in 1000) [ClassicSimilarity], result of:
      0.18637413 = score(doc=1000,freq=2.0), product of:
        0.3979391 = queryWeight, product of:
          8.478011 = idf(docFreq=24, maxDocs=44218)
          0.046937786 = queryNorm
        0.46834838 = fieldWeight in 1000, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          8.478011 = idf(docFreq=24, maxDocs=44218)
          0.0390625 = fieldNorm(doc=1000)
  0.6666667 = coord(2/3)

Content

Master thesis Master of Science (Library and Information Studies) (MSc), Universität Wien. Advisor: Christoph Steiner. Vgl.: https://www.researchgate.net/publication/371680244_Vergabe_von_DDC-Sachgruppen_mittels_eines_Schlagwort-Thesaurus. DOI: 10.25365/thesis.70030. Vgl. dazu die Präsentation unter: https://www.google.com/url?sa=i&rct=j&q=&esrc=s&source=web&cd=&ved=0CAIQw7AJahcKEwjwoZzzytz_AhUAAAAAHQAAAAAQAg&url=https%3A%2F%2Fwiki.dnb.de%2Fdownload%2Fattachments%2F252121510%2FDA3%2520Workshop-Gabler.pdf%3Fversion%3D1%26modificationDate%3D1671093170000%26api%3Dv2&psig=AOvVaw0szwENK1or3HevgvIDOfjx&ust=1687719410889597&opi=89978449.

0.0104772765 = product of:
  0.031431828 = sum of:
    0.031431828 = product of:
      0.062863655 = sum of:
        0.062863655 = weight(_text_:datenbanken in 373) [ClassicSimilarity], result of:
          0.062863655 = score(doc=373,freq=2.0), product of:
            0.23111258 = queryWeight, product of:
              4.9238067 = idf(docFreq=873, maxDocs=44218)
              0.046937786 = queryNorm
            0.27200446 = fieldWeight in 373, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              4.9238067 = idf(docFreq=873, maxDocs=44218)
              0.0390625 = fieldNorm(doc=373)
      0.5 = coord(1/2)
  0.33333334 = coord(1/3)

Abstract

Named Entities (benannte Entitäten) - wie Personen, Organisationen, Orte, Ereignisse und Werke - sind wichtige inhaltstragende Komponenten eines Dokuments und sind daher maßgeblich für eine gute inhaltliche Erschließung. Die Erkennung von Named Entities, deren Auszeichnung (Annotation) und Verfügbarmachung für die Suche sind wichtige Instrumente, um Anwendungen wie z. B. die inhaltliche oder semantische Suche in Texten, dokumentübergreifende Kontextualisierung oder das automatische Textzusammenfassen zu verbessern. Inhaltlich präzise und nachhaltig erschlossen werden die erkannten Named Entities eines Dokuments allerdings erst, wenn sie mit einer oder mehreren Quellen verknüpft werden (Grundprinzip von Linked Data, Berners-Lee 2006), die die Entität eindeutig identifizieren und gegenüber gleichlautenden Entitäten disambiguieren (vergleiche z. B. Berlin als Hauptstadt Deutschlands mit dem Komponisten Irving Berlin). Dazu wird die im Dokument erkannte Entität mit dem Entitätseintrag einer Normdatei oder einer anderen zuvor festgelegten Wissensbasis (z. B. Gazetteer für geografische Entitäten) verknüpft, gewöhnlich über den persistenten Identifikator der jeweiligen Wissensbasis oder Normdatei. Durch die Verknüpfung mit einer Normdatei erfolgt nicht nur die Disambiguierung und Identifikation der Entität, sondern es wird dadurch auch Interoperabilität zu anderen Systemen hergestellt, in denen die gleiche Normdatei benutzt wird, z. B. die Suche nach der Hauptstadt Berlin in verschiedenen Datenbanken bzw. Portalen. Die Entitätenverknüpfung (Named Entity Linking, NEL) hat zudem den Vorteil, dass die Normdateien oftmals Relationen zwischen Entitäten enthalten, sodass Dokumente, in denen Named Entities erkannt wurden, zusätzlich auch im Kontext einer größeren Netzwerkstruktur von Entitäten verortet und suchbar gemacht werden können

0.0074193254 = product of:
  0.022257976 = sum of:
    0.022257976 = product of:
      0.044515952 = sum of:
        0.044515952 = weight(_text_:22 in 997) [ClassicSimilarity], result of:
          0.044515952 = score(doc=997,freq=2.0), product of:
            0.16436812 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.046937786 = queryNorm
            0.2708308 = fieldWeight in 997, 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=997)
      0.5 = coord(1/2)
  0.33333334 = coord(1/3)

Date

22. 6.2023 18:23:31

0.005299519 = product of:
  0.015898556 = sum of:
    0.015898556 = product of:
      0.03179711 = sum of:
        0.03179711 = weight(_text_:22 in 5757) [ClassicSimilarity], result of:
          0.03179711 = score(doc=5757,freq=2.0), product of:
            0.16436812 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.046937786 = queryNorm
            0.19345059 = fieldWeight in 5757, 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=5757)
      0.5 = coord(1/2)
  0.33333334 = coord(1/3)

Date

4. 3.2020 14:22:41