Search (5 results, page 1 of 1)

  • × language_ss:"d"
  • × classification_ss:"TZH (HA)"
  1. Dreyfus, H.L.: ¬Die Grenzen künstlicher Intelligenz : was Computer nicht können (1985) 0.01 
    0.009854372 = product of:
  0.039417487 = sum of:
    0.007889003 = weight(_text_:of in 4332) [ClassicSimilarity], result of:
      0.007889003 = score(doc=4332,freq=4.0), product of:
        0.06457475 = queryWeight, product of:
          1.5637573 = idf(docFreq=25162, maxDocs=44218)
          0.041294612 = queryNorm
        0.12216854 = fieldWeight in 4332, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          1.5637573 = idf(docFreq=25162, maxDocs=44218)
          0.0390625 = fieldNorm(doc=4332)
    0.031528484 = product of:
      0.06305697 = sum of:
        0.06305697 = weight(_text_:computers in 4332) [ClassicSimilarity], result of:
          0.06305697 = score(doc=4332,freq=2.0), product of:
            0.21710795 = queryWeight, product of:
              5.257537 = idf(docFreq=625, maxDocs=44218)
              0.041294612 = queryNorm
            0.29044062 = fieldWeight in 4332, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              5.257537 = idf(docFreq=625, maxDocs=44218)
              0.0390625 = fieldNorm(doc=4332)
      0.5 = coord(1/2)
  0.25 = coord(2/8)
    Content
    Vgl. auch die Standpunkte in: Collins, H.M.: A review of Hubert Dreyfus' What computers still can't do in: Artificial intelligence 80(1996) no.1, S.99-191.
    Footnote
    HST und ZST werden in verschiedenen Katalogen auch in vertauschter Reihenfolge angegeben (vgl. die Gestaltung des Covers und Titelblatts). Titel des Original: What computer can't do: the limits of artificial intelligence.
  2. Kuropka, D.: Modelle zur Repräsentation natürlichsprachlicher Dokumente : Ontologie-basiertes Information-Filtering und -Retrieval mit relationalen Datenbanken (2004) 0.01 
    0.005834314 = product of:
  0.046674512 = sum of:
    0.046674512 = weight(_text_:retrieval in 4325) [ClassicSimilarity], result of:
      0.046674512 = score(doc=4325,freq=10.0), product of:
        0.124912694 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.041294612 = queryNorm
        0.37365708 = fieldWeight in 4325, product of:
          3.1622777 = tf(freq=10.0), with freq of:
            10.0 = termFreq=10.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.0390625 = fieldNorm(doc=4325)
  0.125 = coord(1/8)
    Abstract
    Kostengünstige Massenspeicher und die zunehmende Vernetzung von Rechnern haben die Anzahl der Dokumente, auf die ein einzelnes Individuum zugreifen kann (bspw. Webseiten) oder die auf das Individuum einströmen (bspw. E-Mails), in den letzten Jahren rapide ansteigen lassen. In immer mehr Bereichen der Wirtschaft, Wissenschaft und Verwaltung nimmt der Bedarf an hochwertigen Information-Filtering und -Retrieval Werkzeugen zur Beherrschung der Informationsflut zu. Zur computergestützten Lösung dieser Problemstellung sind Modelle zur Repräsentation natürlichsprachlicher Dokumente erforderlich, um formale Kriterien für die automatisierte Auswahl relevanter Dokumente definieren zu können. Dominik Kuropka gibt in seiner Arbeit eine umfassende Übersicht über den Themenbereich der Suche und Filterung von natürlichsprachlichen Dokumenten. Es wird eine Vielzahl von Modellen aus Forschung und Praxis vorgestellt und evaluiert. Auf den Ergebnissen aufbauend wird das Potenzial von Ontologien in diesem Zusammenhang eruiert und es wird ein neues, ontologie-basiertes Modell für das Information-Filtering und -Retrieval erarbeitet, welches anhand von Text- und Code-Beispielen ausführlich erläutert wird. Das Buch richtet sich an Dozenten und Studenten der Informatik, Wirtschaftsinformatik und (Computer-)Linguistik sowie an Systemdesigner und Entwickler von dokumentenorientierten Anwendungssystemen und Werkzeugen.
    RSWK
    Natürlichsprachiges System / Dokumentverarbeitung / Wissensrepräsentation / Benutzermodell / Information Retrieval / Relationales Datenmodell
    Subject
    Natürlichsprachiges System / Dokumentverarbeitung / Wissensrepräsentation / Benutzermodell / Information Retrieval / Relationales Datenmodell
  3. Kuropka, D.: Modelle zur Repräsentation natürlichsprachlicher Dokumente : Ontologie-basiertes Information-Filtering und -Retrieval mit relationalen Datenbanken (2004) 0.01 
    0.005834314 = product of:
  0.046674512 = sum of:
    0.046674512 = weight(_text_:retrieval in 4385) [ClassicSimilarity], result of:
      0.046674512 = score(doc=4385,freq=10.0), product of:
        0.124912694 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.041294612 = queryNorm
        0.37365708 = fieldWeight in 4385, product of:
          3.1622777 = tf(freq=10.0), with freq of:
            10.0 = termFreq=10.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.0390625 = fieldNorm(doc=4385)
  0.125 = coord(1/8)
    Abstract
    Kostengünstige Massenspeicher und die zunehmende Vernetzung von Rechnern haben die Anzahl der Dokumente, auf die ein einzelnes Individuum zugreifen kann (bspw. Webseiten) oder die auf das Individuum einströmen (bspw. E-Mails), in den letzten Jahren rapide ansteigen lassen. In immer mehr Bereichen der Wirtschaft, Wissenschaft und Verwaltung nimmt der Bedarf an hochwertigen Information-Filtering und -Retrieval Werkzeugen zur Beherrschung der Informationsflut zu. Zur computergestützten Lösung dieser Problemstellung sind Modelle zur Repräsentation natürlichsprachlicher Dokumente erforderlich, um formale Kriterien für die automatisierte Auswahl relevanter Dokumente definieren zu können. Dominik Kuropka gibt in seiner Arbeit eine umfassende Übersicht über den Themenbereich der Suche und Filterung von natürlichsprachlichen Dokumenten. Es wird eine Vielzahl von Modellen aus Forschung und Praxis vorgestellt und evaluiert. Auf den Ergebnissen aufbauend wird das Potenzial von Ontologien in diesem Zusammenhang eruiert und es wird ein neues, ontologie-basiertes Modell für das Information-Filtering und -Retrieval erarbeitet, welches anhand von Text- und Code-Beispielen ausführlich erläutert wird. Das Buch richtet sich an Dozenten und Studenten der Informatik, Wirtschaftsinformatik und (Computer-)Linguistik sowie an Systemdesigner und Entwickler von dokumentenorientierten Anwendungssystemen und Werkzeugen.
    RSWK
    Natürlichsprachiges System / Dokumentverarbeitung / Wissensrepräsentation / Benutzermodell / Information Retrieval / Relationales Datenmodell
    Subject
    Natürlichsprachiges System / Dokumentverarbeitung / Wissensrepräsentation / Benutzermodell / Information Retrieval / Relationales Datenmodell
  4. Schank, R.C.; Childers, P.G.: ¬Die Zukunft der künstlichen Intelligenz : Chancen und Risiken (1986) 0.00 
    0.004729273 = product of:
  0.037834182 = sum of:
    0.037834182 = product of:
      0.075668365 = sum of:
        0.075668365 = weight(_text_:computers in 3708) [ClassicSimilarity], result of:
          0.075668365 = score(doc=3708,freq=2.0), product of:
            0.21710795 = queryWeight, product of:
              5.257537 = idf(docFreq=625, maxDocs=44218)
              0.041294612 = queryNorm
            0.34852874 = fieldWeight in 3708, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              5.257537 = idf(docFreq=625, maxDocs=44218)
              0.046875 = fieldNorm(doc=3708)
      0.5 = coord(1/2)
  0.125 = coord(1/8)
    Abstract
    Dieses Buch handelt vom Wesen der menschlichen Intelligenz und davon, was es bedeuten würde, über 'Maschinen-Intelligenz' zu verfügen. Schon immer war es Ziel und Wunschtraum genialer Denker und Erfinder, die 'denkende Maschine' als Hilfsapparat für den Menschen zu konstruieren. Erst in unserer Zeit nähern wir uns mit Unterstützung des Computers der Verwirklichung der in der Tat hochfliegenden Pläne. Die Öffentlichkeit hat die Künstliche Intelligenz entdeckt, ist aber nicht ganz sicher, was das eigentlich ist. Schließlich müssen wir die Frage, was Computer können, parallel zu der Frage betrachten, WAS MENSCHEN KÖNNEN. Es fällt daher bis heute selbst den Fachleuten außerordentlich schwer, den Computer-Maschinen das Denken beizubringen.
  5. Weiermann, S.L.: Semantische Netze und Begriffsdeskription in der Wissensrepräsentation (2000) 0.00 
    0.0036528583 = product of:
  0.029222867 = sum of:
    0.029222867 = weight(_text_:retrieval in 3001) [ClassicSimilarity], result of:
      0.029222867 = score(doc=3001,freq=2.0), product of:
        0.124912694 = queryWeight, product of:
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.041294612 = queryNorm
        0.23394634 = fieldWeight in 3001, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          3.024915 = idf(docFreq=5836, maxDocs=44218)
          0.0546875 = fieldNorm(doc=3001)
  0.125 = coord(1/8)
    Theme
    Semantisches Umfeld in Indexierung u. Retrieval

Authors

Years

Themes

Subjects

Classifications