-
Heyer, G.; Quasthoff, U.; Wittig, T.: Text Mining : Wissensrohstoff Text. Konzepte, Algorithmen, Ergebnisse (2006)
0.03
0.026290318 = product of:
0.039435476 = sum of:
0.010779039 = product of:
0.021558078 = sum of:
0.021558078 = weight(_text_:28 in 5218) [ClassicSimilarity], result of:
0.021558078 = score(doc=5218,freq=2.0), product of:
0.1361719 = queryWeight, product of:
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.038012814 = queryNorm
0.15831517 = fieldWeight in 5218, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.03125 = fieldNorm(doc=5218)
0.5 = coord(1/2)
0.028656438 = product of:
0.085969314 = sum of:
0.085969314 = weight(_text_:ermittelt in 5218) [ClassicSimilarity], result of:
0.085969314 = score(doc=5218,freq=2.0), product of:
0.2719282 = queryWeight, product of:
7.1535926 = idf(docFreq=93, maxDocs=44218)
0.038012814 = queryNorm
0.31614712 = fieldWeight in 5218, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
7.1535926 = idf(docFreq=93, maxDocs=44218)
0.03125 = fieldNorm(doc=5218)
0.33333334 = coord(1/3)
0.6666667 = coord(2/3)
- Abstract
- Ein großer Teil des Weltwissens befindet sich in Form digitaler Texte im Internet oder in Intranets. Heutige Suchmaschinen nutzen diesen Wissensrohstoff nur rudimentär: Sie können semantische Zusammen-hänge nur bedingt erkennen. Alle warten auf das semantische Web, in dem die Ersteller von Text selbst die Semantik einfügen. Das wird aber noch lange dauern. Es gibt jedoch eine Technologie, die es bereits heute ermöglicht semantische Zusammenhänge in Rohtexten zu analysieren und aufzubereiten. Das Forschungsgebiet "Text Mining" ermöglicht es mit Hilfe statistischer und musterbasierter Verfahren, Wissen aus Texten zu extrahieren, zu verarbeiten und zu nutzen. Hier wird die Basis für die Suchmaschinen der Zukunft gelegt. Das erste deutsche Lehrbuch zu einer bahnbrechenden Technologie: Text Mining: Wissensrohstoff Text Konzepte, Algorithmen, Ergebnisse Ein großer Teil des Weltwissens befindet sich in Form digitaler Texte im Internet oder in Intranets. Heutige Suchmaschinen nutzen diesen Wissensrohstoff nur rudimentär: Sie können semantische Zusammen-hänge nur bedingt erkennen. Alle warten auf das semantische Web, in dem die Ersteller von Text selbst die Semantik einfügen. Das wird aber noch lange dauern. Es gibt jedoch eine Technologie, die es bereits heute ermöglicht semantische Zusammenhänge in Rohtexten zu analysieren und aufzubereiten. Das For-schungsgebiet "Text Mining" ermöglicht es mit Hilfe statistischer und musterbasierter Verfahren, Wissen aus Texten zu extrahieren, zu verarbeiten und zu nutzen. Hier wird die Basis für die Suchmaschinen der Zukunft gelegt. Was fällt Ihnen bei dem Wort "Stich" ein? Die einen denken an Tennis, die anderen an Skat. Die verschiedenen Zusammenhänge können durch Text Mining automatisch ermittelt und in Form von Wortnetzen dargestellt werden. Welche Begriffe stehen am häufigsten links und rechts vom Wort "Festplatte"? Welche Wortformen und Eigennamen treten seit 2001 neu in der deutschen Sprache auf? Text Mining beantwortet diese und viele weitere Fragen. Tauchen Sie mit diesem Lehrbuch ein in eine neue, faszinierende Wissenschaftsdisziplin und entdecken Sie neue, bisher unbekannte Zusammenhänge und Sichtweisen. Sehen Sie, wie aus dem Wissensrohstoff Text Wissen wird! Dieses Lehrbuch richtet sich sowohl an Studierende als auch an Praktiker mit einem fachlichen Schwerpunkt in der Informatik, Wirtschaftsinformatik und/oder Linguistik, die sich über die Grundlagen, Verfahren und Anwendungen des Text Mining informieren möchten und Anregungen für die Implementierung eigener Anwendungen suchen. Es basiert auf Arbeiten, die während der letzten Jahre an der Abteilung Automatische Sprachverarbeitung am Institut für Informatik der Universität Leipzig unter Leitung von Prof. Dr. Heyer entstanden sind. Eine Fülle praktischer Beispiele von Text Mining-Konzepten und -Algorithmen verhelfen dem Leser zu einem umfassenden, aber auch detaillierten Verständnis der Grundlagen und Anwendungen des Text Mining. Folgende Themen werden behandelt: Wissen und Text Grundlagen der Bedeutungsanalyse Textdatenbanken Sprachstatistik Clustering Musteranalyse Hybride Verfahren Beispielanwendungen Anhänge: Statistik und linguistische Grundlagen 360 Seiten, 54 Abb., 58 Tabellen und 95 Glossarbegriffe Mit kostenlosen e-learning-Kurs "Schnelleinstieg: Sprachstatistik" Zusätzlich zum Buch gibt es in Kürze einen Online-Zertifikats-Kurs mit Mentor- und Tutorunterstützung.
- Date
- 19. 7.2006 20:28:27
-
Methodologies for knowledge discovery and data mining : Third Pacific-Asia Conference, PAKDD'99, Beijing, China, April 26-28, 1999, Proceedings (1999)
0.02
0.020659707 = product of:
0.030989561 = sum of:
0.018863318 = product of:
0.037726637 = sum of:
0.037726637 = weight(_text_:28 in 3821) [ClassicSimilarity], result of:
0.037726637 = score(doc=3821,freq=2.0), product of:
0.1361719 = queryWeight, product of:
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.038012814 = queryNorm
0.27705154 = fieldWeight in 3821, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.0546875 = fieldNorm(doc=3821)
0.5 = coord(1/2)
0.012126244 = product of:
0.03637873 = sum of:
0.03637873 = weight(_text_:29 in 3821) [ClassicSimilarity], result of:
0.03637873 = score(doc=3821,freq=2.0), product of:
0.1337172 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.038012814 = queryNorm
0.27205724 = fieldWeight in 3821, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.0546875 = fieldNorm(doc=3821)
0.33333334 = coord(1/3)
0.6666667 = coord(2/3)
- Abstract
- The 29 revised full papers presented together with 37 short papers were carefully selected from a total of 158 submissions. The book is divided into sections on emerging KDD technology; association rules; feature selection and generation; mining in semi-unstructured data; interestingness, surprisingness, and exceptions; rough sets, fuzzy logic, and neural networks; induction, classification, and clustering; visualization, causal models and graph-based methods; agent-based and distributed data mining; and advanced topics and new methodologies
-
Wiegmann, S.: Hättest du die Titanic überlebt? : Eine kurze Einführung in das Data Mining mit freier Software (2023)
0.02
0.020659707 = product of:
0.030989561 = sum of:
0.018863318 = product of:
0.037726637 = sum of:
0.037726637 = weight(_text_:28 in 876) [ClassicSimilarity], result of:
0.037726637 = score(doc=876,freq=2.0), product of:
0.1361719 = queryWeight, product of:
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.038012814 = queryNorm
0.27705154 = fieldWeight in 876, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.0546875 = fieldNorm(doc=876)
0.5 = coord(1/2)
0.012126244 = product of:
0.03637873 = sum of:
0.03637873 = weight(_text_:29 in 876) [ClassicSimilarity], result of:
0.03637873 = score(doc=876,freq=2.0), product of:
0.1337172 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.038012814 = queryNorm
0.27205724 = fieldWeight in 876, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.0546875 = fieldNorm(doc=876)
0.33333334 = coord(1/3)
0.6666667 = coord(2/3)
- Date
- 28. 1.2022 11:05:29
-
Amir, A.; Feldman, R.; Kashi, R.: ¬A new and versatile method for association generation (1997)
0.02
0.018394975 = product of:
0.055184923 = sum of:
0.055184923 = product of:
0.08277738 = sum of:
0.041575693 = weight(_text_:29 in 1270) [ClassicSimilarity], result of:
0.041575693 = score(doc=1270,freq=2.0), product of:
0.1337172 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.038012814 = queryNorm
0.31092256 = fieldWeight in 1270, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.0625 = fieldNorm(doc=1270)
0.041201692 = weight(_text_:22 in 1270) [ClassicSimilarity], result of:
0.041201692 = score(doc=1270,freq=2.0), product of:
0.1331144 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.038012814 = queryNorm
0.30952093 = fieldWeight in 1270, 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=1270)
0.6666667 = coord(2/3)
0.33333334 = coord(1/3)
- Date
- 5. 4.1996 15:29:15
- Source
- Information systems. 22(1997) nos.5/6, S.333-347
-
Lischka, K.: Spurensuche im Datenwust : Data-Mining-Software fahndet nach kriminellen Mitarbeitern, guten Kunden - und bald vielleicht auch nach Terroristen (2002)
0.02
0.017761696 = product of:
0.053285085 = sum of:
0.053285085 = product of:
0.07992762 = sum of:
0.06447699 = weight(_text_:ermittelt in 1178) [ClassicSimilarity], result of:
0.06447699 = score(doc=1178,freq=2.0), product of:
0.2719282 = queryWeight, product of:
7.1535926 = idf(docFreq=93, maxDocs=44218)
0.038012814 = queryNorm
0.23711035 = fieldWeight in 1178, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
7.1535926 = idf(docFreq=93, maxDocs=44218)
0.0234375 = fieldNorm(doc=1178)
0.015450634 = weight(_text_:22 in 1178) [ClassicSimilarity], result of:
0.015450634 = score(doc=1178,freq=2.0), product of:
0.1331144 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.038012814 = queryNorm
0.116070345 = fieldWeight in 1178, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.0234375 = fieldNorm(doc=1178)
0.6666667 = coord(2/3)
0.33333334 = coord(1/3)
- Content
- "Ob man als Terrorist einen Anschlag gegen die Vereinigten Staaten plant, als Kassierer Scheine aus der Kasse unterschlägt oder für bestimmte Produkte besonders gerne Geld ausgibt - einen Unterschied macht Data-Mining-Software da nicht. Solche Programme analysieren riesige Daten- mengen und fällen statistische Urteile. Mit diesen Methoden wollen nun die For- scher des "Information Awaren in den Vereinigten Staaten Spuren von Terroristen in den Datenbanken von Behörden und privaten Unternehmen wie Kreditkartenfirmen finden. 200 Millionen Dollar umfasst der Jahresetat für die verschiedenen Forschungsprojekte. Dass solche Software in der Praxis funktioniert, zeigen die steigenden Umsätze der Anbieter so genannter Customer-Relationship-Management-Software. Im vergangenen Jahr ist das Potenzial für analytische CRM-Anwendungen laut dem Marktforschungsinstitut IDC weltweit um 22 Prozent gewachsen, bis zum Jahr 2006 soll es in Deutschland mit einem jährlichen Plus von 14,1 Prozent so weitergehen. Und das trotz schwacher Konjunktur - oder gerade deswegen. Denn ähnlich wie Data-Mining der USRegierung helfen soll, Terroristen zu finden, entscheiden CRM-Programme heute, welche Kunden für eine Firma profitabel sind. Und welche es künftig sein werden, wie Manuela Schnaubelt, Sprecherin des CRM-Anbieters SAP, beschreibt: "Die Kundenbewertung ist ein zentraler Bestandteil des analytischen CRM. Sie ermöglicht es Unternehmen, sich auf die für sie wichtigen und richtigen Kunden zu fokussieren. Darüber hinaus können Firmen mit speziellen Scoring- Verfahren ermitteln, welche Kunden langfristig in welchem Maße zum Unternehmenserfolg beitragen." Die Folgen der Bewertungen sind für die Betroffenen nicht immer positiv: Attraktive Kunden profitieren von individuellen Sonderangeboten und besonderer Zuwendung. Andere hängen vielleicht so lauge in der Warteschleife des Telefonservice, bis die profitableren Kunden abgearbeitet sind. So könnte eine praktische Umsetzung dessen aussehen, was SAP-Spreche-rin Schnaubelt abstrakt beschreibt: "In vielen Unternehmen wird Kundenbewertung mit der klassischen ABC-Analyse durchgeführt, bei der Kunden anhand von Daten wie dem Umsatz kategorisiert werden. A-Kunden als besonders wichtige Kunden werden anders betreut als C-Kunden." Noch näher am geplanten Einsatz von Data-Mining zur Terroristenjagd ist eine Anwendung, die heute viele Firmen erfolgreich nutzen: Sie spüren betrügende Mitarbeiter auf. Werner Sülzer vom großen CRM-Anbieter NCR Teradata beschreibt die Möglichkeiten so: "Heute hinterlässt praktisch jeder Täter - ob Mitarbeiter, Kunde oder Lieferant - Datenspuren bei seinen wirtschaftskriminellen Handlungen. Es muss vorrangig darum gehen, einzelne Spuren zu Handlungsmustern und Täterprofilen zu verdichten. Das gelingt mittels zentraler Datenlager und hoch entwickelter Such- und Analyseinstrumente." Von konkreten Erfolgen sprich: Entlas-sungen krimineller Mitarbeiter-nach Einsatz solcher Programme erzählen Unternehmen nicht gerne. Matthias Wilke von der "Beratungsstelle für Technologiefolgen und Qualifizierung" (BTQ) der Gewerkschaft Verdi weiß von einem Fall 'aus der Schweiz. Dort setzt die Handelskette "Pick Pay" das Programm "Lord Lose Prevention" ein. Zwei Monate nach Einfüh-rung seien Unterschlagungen im Wert von etwa 200 000 Franken ermittelt worden. Das kostete mehr als 50 verdächtige Kassiererinnen und Kassierer den Job.
-
Hofstede, A.H.M. ter; Proper, H.A.; Van der Weide, T.P.: Exploiting fact verbalisation in conceptual information modelling (1997)
0.02
0.016095603 = product of:
0.048286807 = sum of:
0.048286807 = product of:
0.07243021 = sum of:
0.03637873 = weight(_text_:29 in 2908) [ClassicSimilarity], result of:
0.03637873 = score(doc=2908,freq=2.0), product of:
0.1337172 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.038012814 = queryNorm
0.27205724 = fieldWeight in 2908, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.0546875 = fieldNorm(doc=2908)
0.036051482 = weight(_text_:22 in 2908) [ClassicSimilarity], result of:
0.036051482 = score(doc=2908,freq=2.0), product of:
0.1331144 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.038012814 = queryNorm
0.2708308 = fieldWeight in 2908, 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=2908)
0.6666667 = coord(2/3)
0.33333334 = coord(1/3)
- Date
- 5. 4.1996 15:29:15
- Source
- Information systems. 22(1997) nos.5/6, S.349-385
-
Knowledge discovery and data mining (1998)
0.01
0.01077904 = product of:
0.032337118 = sum of:
0.032337118 = product of:
0.064674236 = sum of:
0.064674236 = weight(_text_:28 in 2898) [ClassicSimilarity], result of:
0.064674236 = score(doc=2898,freq=2.0), product of:
0.1361719 = queryWeight, product of:
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.038012814 = queryNorm
0.4749455 = fieldWeight in 2898, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.09375 = fieldNorm(doc=2898)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Date
- 7. 2.1999 11:18:28
-
Klein, H.: Web Content Mining (2004)
0.01
0.009552146 = product of:
0.028656438 = sum of:
0.028656438 = product of:
0.085969314 = sum of:
0.085969314 = weight(_text_:ermittelt in 3154) [ClassicSimilarity], result of:
0.085969314 = score(doc=3154,freq=2.0), product of:
0.2719282 = queryWeight, product of:
7.1535926 = idf(docFreq=93, maxDocs=44218)
0.038012814 = queryNorm
0.31614712 = fieldWeight in 3154, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
7.1535926 = idf(docFreq=93, maxDocs=44218)
0.03125 = fieldNorm(doc=3154)
0.33333334 = coord(1/3)
0.33333334 = coord(1/3)
- Abstract
- Web Mining - ein Schlagwort, das mit der Verbreitung des Internets immer öfter zu lesen und zu hören ist. Die gegenwärtige Forschung beschäftigt sich aber eher mit dem Nutzungsverhalten der Internetnutzer, und ein Blick in Tagungsprogramme einschlägiger Konferenzen (z.B. GOR - German Online Research) zeigt, dass die Analyse der Inhalte kaum Thema ist. Auf der GOR wurden 1999 zwei Vorträge zu diesem Thema gehalten, auf der Folgekonferenz 2001 kein einziger. Web Mining ist der Oberbegriff für zwei Typen von Web Mining: Web Usage Mining und Web Content Mining. Unter Web Usage Mining versteht man das Analysieren von Daten, wie sie bei der Nutzung des WWW anfallen und von den Servern protokolliert wenden. Man kann ermitteln, welche Seiten wie oft aufgerufen wurden, wie lange auf den Seiten verweilt wurde und vieles andere mehr. Beim Web Content Mining wird der Inhalt der Webseiten untersucht, der nicht nur Text, sondern auf Bilder, Video- und Audioinhalte enthalten kann. Die Software für die Analyse von Webseiten ist in den Grundzügen vorhanden, doch müssen die meisten Webseiten für die entsprechende Analysesoftware erst aufbereitet werden. Zuerst müssen die relevanten Websites ermittelt werden, die die gesuchten Inhalte enthalten. Das geschieht meist mit Suchmaschinen, von denen es mittlerweile Hunderte gibt. Allerdings kann man nicht davon ausgehen, dass die Suchmaschinen alle existierende Webseiten erfassen. Das ist unmöglich, denn durch das schnelle Wachstum des Internets kommen täglich Tausende von Webseiten hinzu, und bereits bestehende ändern sich der werden gelöscht. Oft weiß man auch nicht, wie die Suchmaschinen arbeiten, denn das gehört zu den Geschäftsgeheimnissen der Betreiber. Man muss also davon ausgehen, dass die Suchmaschinen nicht alle relevanten Websites finden (können). Der nächste Schritt ist das Herunterladen der Websites, dafür gibt es Software, die unter den Bezeichnungen OfflineReader oder Webspider zu finden ist. Das Ziel dieser Programme ist, die Website in einer Form herunterzuladen, die es erlaubt, die Website offline zu betrachten. Die Struktur der Website wird in der Regel beibehalten. Wer die Inhalte einer Website analysieren will, muss also alle Dateien mit seiner Analysesoftware verarbeiten können. Software für Inhaltsanalyse geht davon aus, dass nur Textinformationen in einer einzigen Datei verarbeitet werden. QDA Software (qualitative data analysis) verarbeitet dagegen auch Audiound Videoinhalte sowie internetspezifische Kommunikation wie z.B. Chats.
-
Budzik, J.; Hammond, K.J.; Birnbaum, L.: Information access in context (2001)
0.01
0.008084163 = product of:
0.024252487 = sum of:
0.024252487 = product of:
0.07275746 = sum of:
0.07275746 = weight(_text_:29 in 3835) [ClassicSimilarity], result of:
0.07275746 = score(doc=3835,freq=2.0), product of:
0.1337172 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.038012814 = queryNorm
0.5441145 = fieldWeight in 3835, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.109375 = fieldNorm(doc=3835)
0.33333334 = coord(1/3)
0.33333334 = coord(1/3)
- Date
- 29. 3.2002 17:31:17
-
Chowdhury, G.G.: Template mining for information extraction from digital documents (1999)
0.01
0.008011441 = product of:
0.024034321 = sum of:
0.024034321 = product of:
0.072102964 = sum of:
0.072102964 = weight(_text_:22 in 4577) [ClassicSimilarity], result of:
0.072102964 = score(doc=4577,freq=2.0), product of:
0.1331144 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.038012814 = queryNorm
0.5416616 = fieldWeight in 4577, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.109375 = fieldNorm(doc=4577)
0.33333334 = coord(1/3)
0.33333334 = coord(1/3)
- Date
- 2. 4.2000 18:01:22
-
Witten, I.H.; Frank, E.: Data Mining : Praktische Werkzeuge und Techniken für das maschinelle Lernen (2000)
0.01
0.006929282 = product of:
0.020787846 = sum of:
0.020787846 = product of:
0.06236354 = sum of:
0.06236354 = weight(_text_:29 in 6833) [ClassicSimilarity], result of:
0.06236354 = score(doc=6833,freq=2.0), product of:
0.1337172 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.038012814 = queryNorm
0.46638384 = fieldWeight in 6833, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.09375 = fieldNorm(doc=6833)
0.33333334 = coord(1/3)
0.33333334 = coord(1/3)
- Date
- 27. 1.1996 10:29:55
-
Keim, D.A.: Data Mining mit bloßem Auge (2002)
0.01
0.006929282 = product of:
0.020787846 = sum of:
0.020787846 = product of:
0.06236354 = sum of:
0.06236354 = weight(_text_:29 in 1086) [ClassicSimilarity], result of:
0.06236354 = score(doc=1086,freq=2.0), product of:
0.1337172 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.038012814 = queryNorm
0.46638384 = fieldWeight in 1086, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.09375 = fieldNorm(doc=1086)
0.33333334 = coord(1/3)
0.33333334 = coord(1/3)
- Date
- 31.12.1996 19:29:41
-
Kruse, R.; Borgelt, C.: Suche im Datendschungel (2002)
0.01
0.006929282 = product of:
0.020787846 = sum of:
0.020787846 = product of:
0.06236354 = sum of:
0.06236354 = weight(_text_:29 in 1087) [ClassicSimilarity], result of:
0.06236354 = score(doc=1087,freq=2.0), product of:
0.1337172 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.038012814 = queryNorm
0.46638384 = fieldWeight in 1087, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.09375 = fieldNorm(doc=1087)
0.33333334 = coord(1/3)
0.33333334 = coord(1/3)
- Date
- 31.12.1996 19:29:41
-
Wrobel, S.: Lern- und Entdeckungsverfahren (2002)
0.01
0.006929282 = product of:
0.020787846 = sum of:
0.020787846 = product of:
0.06236354 = sum of:
0.06236354 = weight(_text_:29 in 1105) [ClassicSimilarity], result of:
0.06236354 = score(doc=1105,freq=2.0), product of:
0.1337172 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.038012814 = queryNorm
0.46638384 = fieldWeight in 1105, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.09375 = fieldNorm(doc=1105)
0.33333334 = coord(1/3)
0.33333334 = coord(1/3)
- Date
- 31.12.1996 19:29:41
-
KDD : techniques and applications (1998)
0.01
0.0068669487 = product of:
0.020600846 = sum of:
0.020600846 = product of:
0.061802536 = sum of:
0.061802536 = weight(_text_:22 in 6783) [ClassicSimilarity], result of:
0.061802536 = score(doc=6783,freq=2.0), product of:
0.1331144 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.038012814 = queryNorm
0.46428138 = fieldWeight in 6783, 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=6783)
0.33333334 = coord(1/3)
0.33333334 = coord(1/3)
- Footnote
- A special issue of selected papers from the Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD'97), held Singapore, 22-23 Feb 1997
-
Borgelt, C.; Kruse, R.: Unsicheres Wissen nutzen (2002)
0.01
0.0057744025 = product of:
0.017323207 = sum of:
0.017323207 = product of:
0.051969618 = sum of:
0.051969618 = weight(_text_:29 in 1104) [ClassicSimilarity], result of:
0.051969618 = score(doc=1104,freq=2.0), product of:
0.1337172 = queryWeight, product of:
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.038012814 = queryNorm
0.38865322 = fieldWeight in 1104, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5176873 = idf(docFreq=3565, maxDocs=44218)
0.078125 = fieldNorm(doc=1104)
0.33333334 = coord(1/3)
0.33333334 = coord(1/3)
- Date
- 31.12.1996 19:29:41
-
Chen, H.; Chau, M.: Web mining : machine learning for Web applications (2003)
0.01
0.00538952 = product of:
0.016168559 = sum of:
0.016168559 = product of:
0.032337118 = sum of:
0.032337118 = weight(_text_:28 in 4242) [ClassicSimilarity], result of:
0.032337118 = score(doc=4242,freq=2.0), product of:
0.1361719 = queryWeight, product of:
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.038012814 = queryNorm
0.23747274 = fieldWeight in 4242, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.046875 = fieldNorm(doc=4242)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Date
- 23.10.2005 18:28:53
-
Gaizauskas, R.; Wilks, Y.: Information extraction : beyond document retrieval (1998)
0.01
0.00538952 = product of:
0.016168559 = sum of:
0.016168559 = product of:
0.032337118 = sum of:
0.032337118 = weight(_text_:28 in 4716) [ClassicSimilarity], result of:
0.032337118 = score(doc=4716,freq=2.0), product of:
0.1361719 = queryWeight, product of:
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.038012814 = queryNorm
0.23747274 = fieldWeight in 4716, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.046875 = fieldNorm(doc=4716)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Date
- 2.12.2005 12:02:28
-
Sun, X.; Lin, H.: Topical community detection from mining user tagging behavior and interest (2013)
0.01
0.00538952 = product of:
0.016168559 = sum of:
0.016168559 = product of:
0.032337118 = sum of:
0.032337118 = weight(_text_:28 in 605) [ClassicSimilarity], result of:
0.032337118 = score(doc=605,freq=2.0), product of:
0.1361719 = queryWeight, product of:
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.038012814 = queryNorm
0.23747274 = fieldWeight in 605, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.046875 = fieldNorm(doc=605)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Date
- 7. 2.2013 19:31:28
-
Loonus, Y.: Einsatzbereiche der KI und ihre Relevanz für Information Professionals (2017)
0.01
0.00538952 = product of:
0.016168559 = sum of:
0.016168559 = product of:
0.032337118 = sum of:
0.032337118 = weight(_text_:28 in 5668) [ClassicSimilarity], result of:
0.032337118 = score(doc=5668,freq=2.0), product of:
0.1361719 = queryWeight, product of:
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.038012814 = queryNorm
0.23747274 = fieldWeight in 5668, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5822632 = idf(docFreq=3342, maxDocs=44218)
0.046875 = fieldNorm(doc=5668)
0.5 = coord(1/2)
0.33333334 = coord(1/3)
- Date
- 28. 1.2020 13:10:00
