-
Medien-Informationsmanagement : Archivarische, dokumentarische, betriebswirtschaftliche, rechtliche und Berufsbild-Aspekte ; [Frühjahrstagung der Fachgruppe 7 im Jahr 2000 in Weimar und Folgetagung 2001 in Köln] (2003)
0.04
0.044063594 = product of:
0.102815054 = sum of:
0.009158121 = product of:
0.022895303 = sum of:
0.010985675 = weight(_text_:retrieval in 1833) [ClassicSimilarity], result of:
0.010985675 = score(doc=1833,freq=2.0), product of:
0.109568894 = queryWeight, product of:
3.024915 = idf(docFreq=5836, maxDocs=44218)
0.03622214 = queryNorm
0.10026272 = fieldWeight in 1833, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.024915 = idf(docFreq=5836, maxDocs=44218)
0.0234375 = fieldNorm(doc=1833)
0.011909628 = weight(_text_:system in 1833) [ClassicSimilarity], result of:
0.011909628 = score(doc=1833,freq=2.0), product of:
0.11408355 = queryWeight, product of:
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.03622214 = queryNorm
0.104393914 = fieldWeight in 1833, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.0234375 = fieldNorm(doc=1833)
0.4 = coord(2/5)
0.08629554 = weight(_text_:mehrsprachigkeit in 1833) [ClassicSimilarity], result of:
0.08629554 = score(doc=1833,freq=2.0), product of:
0.3070917 = queryWeight, product of:
8.478011 = idf(docFreq=24, maxDocs=44218)
0.03622214 = queryNorm
0.28100902 = fieldWeight in 1833, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
8.478011 = idf(docFreq=24, maxDocs=44218)
0.0234375 = fieldNorm(doc=1833)
0.0073614 = product of:
0.0147228 = sum of:
0.0147228 = weight(_text_:22 in 1833) [ClassicSimilarity], result of:
0.0147228 = score(doc=1833,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = queryNorm
0.116070345 = fieldWeight in 1833, 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=1833)
0.5 = coord(1/2)
0.42857143 = coord(3/7)
- Content
- Enthält u.a. die Beiträge (Dokumentarische Aspekte): Günter Perers/Volker Gaese: Das DocCat-System in der Textdokumentation von Gr+J (Weimar 2000) Thomas Gerick: Finden statt suchen. Knowledge Retrieval in Wissensbanken. Mit organisiertem Wissen zu mehr Erfolg (Weimar 2000) Winfried Gödert: Aufbereitung und Rezeption von Information (Weimar 2000) Elisabeth Damen: Klassifikation als Ordnungssystem im elektronischen Pressearchiv (Köln 2001) Clemens Schlenkrich: Aspekte neuer Regelwerksarbeit - Multimediales Datenmodell für ARD und ZDF (Köln 2001) Josef Wandeler: Comprenez-vous only Bahnhof'? - Mehrsprachigkeit in der Mediendokumentation (Köln 200 1)
- Date
- 11. 5.2008 19:49:22
-
Jäger, L.: Von Big Data zu Big Brother (2018)
0.01
0.010937334 = product of:
0.07656133 = sum of:
0.07656133 = sum of:
0.05693093 = weight(_text_:zugriff in 5234) [ClassicSimilarity], result of:
0.05693093 = score(doc=5234,freq=2.0), product of:
0.2160124 = queryWeight, product of:
5.963546 = idf(docFreq=308, maxDocs=44218)
0.03622214 = queryNorm
0.26355398 = fieldWeight in 5234, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
5.963546 = idf(docFreq=308, maxDocs=44218)
0.03125 = fieldNorm(doc=5234)
0.0196304 = weight(_text_:22 in 5234) [ClassicSimilarity], result of:
0.0196304 = score(doc=5234,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = queryNorm
0.15476047 = fieldWeight in 5234, 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=5234)
0.14285715 = coord(1/7)
- Abstract
- 1983 bewegte ein einziges Thema die gesamte Bundesrepublik: die geplante Volkszählung. Jeder Haushalt in Westdeutschland sollte Fragebögen mit 36 Fragen zur Wohnsituation, den im Haushalt lebenden Personen und über ihre Einkommensverhältnisse ausfüllen. Es regte sich massiver Widerstand, hunderte Bürgerinitiativen formierten sich im ganzen Land gegen die Befragung. Man wollte nicht "erfasst" werden, die Privatsphäre war heilig. Es bestand die (berechtigte) Sorge, dass die Antworten auf den eigentlich anonymisierten Fragebögen Rückschlüsse auf die Identität der Befragten zulassen. Das Bundesverfassungsgericht gab den Klägern gegen den Zensus Recht: Die geplante Volkszählung verstieß gegen den Datenschutz und damit auch gegen das Grundgesetz. Sie wurde gestoppt. Nur eine Generation später geben wir sorglos jedes Mal beim Einkaufen die Bonuskarte der Supermarktkette heraus, um ein paar Punkte für ein Geschenk oder Rabatte beim nächsten Einkauf zu sammeln. Und dabei wissen wir sehr wohl, dass der Supermarkt damit unser Konsumverhalten bis ins letzte Detail erfährt. Was wir nicht wissen, ist, wer noch Zugang zu diesen Daten erhält. Deren Käufer bekommen nicht nur Zugriff auf unsere Einkäufe, sondern können über sie auch unsere Gewohnheiten, persönlichen Vorlieben und Einkommen ermitteln. Genauso unbeschwert surfen wir im Internet, googeln und shoppen, mailen und chatten. Google, Facebook und Microsoft schauen bei all dem nicht nur zu, sondern speichern auf alle Zeiten alles, was wir von uns geben, was wir einkaufen, was wir suchen, und verwenden es für ihre eigenen Zwecke. Sie durchstöbern unsere E-Mails, kennen unser persönliches Zeitmanagement, verfolgen unseren momentanen Standort, wissen um unsere politischen, religiösen und sexuellen Präferenzen (wer kennt ihn nicht, den Button "an Männern interessiert" oder "an Frauen interessiert"?), unsere engsten Freunde, mit denen wir online verbunden sind, unseren Beziehungsstatus, welche Schule wir besuchen oder besucht haben und vieles mehr.
- Date
- 22. 1.2018 11:33:49
-
Lischka, K.: Spurensuche im Datenwust : Data-Mining-Software fahndet nach kriminellen Mitarbeitern, guten Kunden - und bald vielleicht auch nach Terroristen (2002)
0.01
0.008203 = product of:
0.057421 = sum of:
0.057421 = sum of:
0.042698197 = weight(_text_:zugriff in 1178) [ClassicSimilarity], result of:
0.042698197 = score(doc=1178,freq=2.0), product of:
0.2160124 = queryWeight, product of:
5.963546 = idf(docFreq=308, maxDocs=44218)
0.03622214 = queryNorm
0.19766548 = fieldWeight in 1178, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
5.963546 = idf(docFreq=308, maxDocs=44218)
0.0234375 = fieldNorm(doc=1178)
0.0147228 = weight(_text_:22 in 1178) [ClassicSimilarity], result of:
0.0147228 = score(doc=1178,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = 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)
0.14285715 = coord(1/7)
- 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.
Jede Kasse schickt die Daten zu Stornos, Rückgaben, Korrekturen und dergleichen an eine zentrale Datenbank. Aus den Informationen errechnet das Programm Kassiererprofile. Wessen Arbeit stark Durchschnitt abweicht, macht sich verdächtig. Die Kriterien" legen im Einzelnen die Revisionsabteilungen fest, doch generell gilt: "Bei Auffälligkeiten wie überdurchschnittlichvielenStornierungen, Off nen der Kassenschublade ohne Verkauf nach einem Storno oder Warenrücknahmen ohne Kassenbon, können die Vorgänge nachträglich einzelnen Personen zugeordnet werden", sagt Rene Schiller, Marketing-Chef des Lord-Herstellers Logware. Ein Kündigungsgrund ist eine solche Datensammlung vor Gericht nicht. Doch auf der Basis können Unternehmen gezielt Detektive einsetzen. Oder sie konfrontieren die Mitarbeiter mit dem Material; woraufhin Schuldige meist gestehen. Wilke sieht Programme wie Lord kritisch:"Jeder, der in dem Raster auffällt, kann ein potenzieller Betrüger oder Dieb sein und verdient besondere Beobachtung." Dabei könne man vom Standard abweichen, weil man unausgeschlafen und deshalb unkonzentriert sei. Hier tut sich für Wilke die Gefahr technisierter Leistungskontrolle auf. "Es ist ja nicht schwierig, mit den Programmen zu berechnen, wie lange beispielsweise das Kassieren eines Samstagseinkaufs durchschnittlich dauert." Die Betriebsräte - ihre Zustimmung ist beim Einsatz technischer Kon trolleinrichtungen nötig - verurteilen die wertende Software weniger eindeutig. Im Gegenteil: Bei Kaufhof und Edeka haben sie dem Einsatz zugestimmt. Denn: "Die wollen ja nicht, dass ganze Abteilungen wegen Inventurverlusten oder dergleichen unter Generalverdacht fallen", erklärt Gewerkschaftler Wilke: "Angesichts der Leistungen kommerzieller Data-Mining-Programme verblüfft es, dass in den Vereinigten Staaten das "Information Awareness Office" noch drei Jahre für Forschung und Erprobung der eigenen Programme veranschlagt. 2005 sollen frühe Prototypen zur Terroristensuche einesgetz werden. Doch schon jetzt regt sich Protest. Datenschützer wie Marc Botenberg vom Informationszentrum für Daten schutz sprechen vom "ehrgeizigsten öffentlichen Überwachungssystem, das je vorgeschlagen wurde". Sie warnen besonders davor, Daten aus der Internetnutzung und private Mails auszuwerten. Das Verteidigungsministerium rudert zurück. Man denke nicht daran, über die Software im Inland aktiv zu werden. "Das werden die Geheimdienste, die Spionageabwehr und die Strafverfolger tun", sagt Unterstaatssekretär Edward Aldridge. Man werde während der Entwicklung und der Tests mit konstruierten und einigen - aus Sicht der Datenschützer unbedenklichen - realen Informationen arbeiten. Zu denken gibt jedoch Aldriges Antwort auf die Frage, warum so viel Geld für die Entwicklung von Übersetzungssoftware eingeplant ist: Damit man Datenbanken in anderen Sprachen nutzen könne - sofern man auf sie rechtmäßigen Zugriff bekommt."
-
Matson, L.D.; Bonski, D.J.: Do digital libraries need librarians? (1997)
0.01
0.007423487 = product of:
0.025982203 = sum of:
0.006351802 = product of:
0.03175901 = sum of:
0.03175901 = weight(_text_:system in 1737) [ClassicSimilarity], result of:
0.03175901 = score(doc=1737,freq=2.0), product of:
0.11408355 = queryWeight, product of:
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.03622214 = queryNorm
0.27838376 = fieldWeight in 1737, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.0625 = fieldNorm(doc=1737)
0.2 = coord(1/5)
0.0196304 = product of:
0.0392608 = sum of:
0.0392608 = weight(_text_:22 in 1737) [ClassicSimilarity], result of:
0.0392608 = score(doc=1737,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = queryNorm
0.30952093 = fieldWeight in 1737, 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=1737)
0.5 = coord(1/2)
0.2857143 = coord(2/7)
- Abstract
- Defines digital libraries and discusses the effects of new technology on librarians. Examines the different viewpoints of librarians and information technologists on digital libraries. Describes the development of a digital library at the National Drug Intelligence Center, USA, which was carried out in collaboration with information technology experts. The system is based on Web enabled search technology to find information, data visualization and data mining to visualize it and use of SGML as an information standard to store it
- Date
- 22.11.1998 18:57:22
-
Hofstede, A.H.M. ter; Proper, H.A.; Van der Weide, T.P.: Exploiting fact verbalisation in conceptual information modelling (1997)
0.01
0.0064955507 = product of:
0.022734426 = sum of:
0.0055578267 = product of:
0.027789133 = sum of:
0.027789133 = weight(_text_:system in 2908) [ClassicSimilarity], result of:
0.027789133 = score(doc=2908,freq=2.0), product of:
0.11408355 = queryWeight, product of:
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.03622214 = queryNorm
0.2435858 = fieldWeight in 2908, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.0546875 = fieldNorm(doc=2908)
0.2 = coord(1/5)
0.0171766 = product of:
0.0343532 = sum of:
0.0343532 = weight(_text_:22 in 2908) [ClassicSimilarity], result of:
0.0343532 = score(doc=2908,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = 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)
0.5 = coord(1/2)
0.2857143 = coord(2/7)
- Abstract
- Focuses on the information modelling side of conceptual modelling. Deals with the exploitation of fact verbalisations after finishing the actual information system. Verbalisations are used as input for the design of the so-called information model. Exploits these verbalisation in 4 directions: considers their use for a conceptual query language, the verbalisation of instances, the description of the contents of a database and for the verbalisation of queries in a computer supported query environment. Provides an example session with an envisioned tool for end user query formulations that exploits the verbalisation
- Source
- Information systems. 22(1997) nos.5/6, S.349-385
-
Heyer, G.; Läuter, M.; Quasthoff, U.; Wolff, C.: Texttechnologische Anwendungen am Beispiel Text Mining (2000)
0.01
0.006099743 = product of:
0.042698197 = sum of:
0.042698197 = product of:
0.085396394 = sum of:
0.085396394 = weight(_text_:zugriff in 5565) [ClassicSimilarity], result of:
0.085396394 = score(doc=5565,freq=2.0), product of:
0.2160124 = queryWeight, product of:
5.963546 = idf(docFreq=308, maxDocs=44218)
0.03622214 = queryNorm
0.39533097 = fieldWeight in 5565, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
5.963546 = idf(docFreq=308, maxDocs=44218)
0.046875 = fieldNorm(doc=5565)
0.5 = coord(1/2)
0.14285715 = coord(1/7)
- Abstract
- Die zunehmende Menge von Informationen und deren weltweite Verfügbarkeit auf der Basis moderner Internet Technologie machen es erforderlich, Informationen nach inhaltlichen Kriterien zu strukturieren und zu bewerten sowie nach inhaltlichen Kriterien weiter zu verarbeiten. Vom Standpunkt des Benutzers aus sind dabei folgende Fälle zu unterscheiden: Handelt es sich bei den gesuchten Informationen um strukturierle Daten (z.B. in einer SQL-Datenbank) oder unstrukturierte Daten (z.B. grosse Texte)? Ist bekannt, welche Daten benötigt werden und wie sie zu finden sind? Oder ist vor dein Zugriff auf die Daten noch nicht bekannt welche Ergebnisse erwartet werden?
-
Hallonsten, O.; Holmberg, D.: Analyzing structural stratification in the Swedish higher education system : data contextualization with policy-history analysis (2013)
0.01
0.00577393 = product of:
0.020208754 = sum of:
0.007939752 = product of:
0.03969876 = sum of:
0.03969876 = weight(_text_:system in 668) [ClassicSimilarity], result of:
0.03969876 = score(doc=668,freq=8.0), product of:
0.11408355 = queryWeight, product of:
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.03622214 = queryNorm
0.3479797 = fieldWeight in 668, product of:
2.828427 = tf(freq=8.0), with freq of:
8.0 = termFreq=8.0
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.0390625 = fieldNorm(doc=668)
0.2 = coord(1/5)
0.0122690005 = product of:
0.024538001 = sum of:
0.024538001 = weight(_text_:22 in 668) [ClassicSimilarity], result of:
0.024538001 = score(doc=668,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = queryNorm
0.19345059 = fieldWeight in 668, 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=668)
0.5 = coord(1/2)
0.2857143 = coord(2/7)
- Abstract
- 20th century massification of higher education and research in academia is said to have produced structurally stratified higher education systems in many countries. Most manifestly, the research mission of universities appears to be divisive. Authors have claimed that the Swedish system, while formally unified, has developed into a binary state, and statistics seem to support this conclusion. This article makes use of a comprehensive statistical data source on Swedish higher education institutions to illustrate stratification, and uses literature on Swedish research policy history to contextualize the statistics. Highlighting the opportunities as well as constraints of the data, the article argues that there is great merit in combining statistics with a qualitative analysis when studying the structural characteristics of national higher education systems. Not least the article shows that it is an over-simplification to describe the Swedish system as binary; the stratification is more complex. On basis of the analysis, the article also argues that while global trends certainly influence national developments, higher education systems have country-specific features that may enrich the understanding of how systems evolve and therefore should be analyzed as part of a broader study of the increasingly globalized academic system.
- Date
- 22. 3.2013 19:43:01
-
Chowdhury, G.G.: Template mining for information extraction from digital documents (1999)
0.00
0.0049076 = product of:
0.0343532 = sum of:
0.0343532 = product of:
0.0687064 = sum of:
0.0687064 = weight(_text_:22 in 4577) [ClassicSimilarity], result of:
0.0687064 = score(doc=4577,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = 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)
0.5 = coord(1/2)
0.14285715 = coord(1/7)
- Date
- 2. 4.2000 18:01:22
-
KDD : techniques and applications (1998)
0.00
0.0042065145 = product of:
0.0294456 = sum of:
0.0294456 = product of:
0.0588912 = sum of:
0.0588912 = weight(_text_:22 in 6783) [ClassicSimilarity], result of:
0.0588912 = score(doc=6783,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = 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)
0.5 = coord(1/2)
0.14285715 = coord(1/7)
- 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
-
Sánchez, D.; Chamorro-Martínez, J.; Vila, M.A.: Modelling subjectivity in visual perception of orientation for image retrieval (2003)
0.00
0.0038721121 = product of:
0.027104784 = sum of:
0.027104784 = product of:
0.06776196 = sum of:
0.0439427 = weight(_text_:retrieval in 1067) [ClassicSimilarity], result of:
0.0439427 = score(doc=1067,freq=8.0), product of:
0.109568894 = queryWeight, product of:
3.024915 = idf(docFreq=5836, maxDocs=44218)
0.03622214 = queryNorm
0.40105087 = fieldWeight in 1067, product of:
2.828427 = tf(freq=8.0), with freq of:
8.0 = termFreq=8.0
3.024915 = idf(docFreq=5836, maxDocs=44218)
0.046875 = fieldNorm(doc=1067)
0.023819257 = weight(_text_:system in 1067) [ClassicSimilarity], result of:
0.023819257 = score(doc=1067,freq=2.0), product of:
0.11408355 = queryWeight, product of:
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.03622214 = queryNorm
0.20878783 = fieldWeight in 1067, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.046875 = fieldNorm(doc=1067)
0.4 = coord(2/5)
0.14285715 = coord(1/7)
- Abstract
- In this paper we combine computer vision and data mining techniques to model high-level concepts for image retrieval, on the basis of basic perceptual features of the human visual system. High-level concepts related to these features are learned and represented by means of a set of fuzzy association rules. The concepts so acquired can be used for image retrieval with the advantage that it is not needed to provide an image as a query. Instead, a query is formulated by using the labels that identify the learned concepts as search terms, and the retrieval process calculates the relevance of an image to the query by an inference mechanism. An additional feature of our methodology is that it can capture user's subjectivity. For that purpose, fuzzy sets theory is employed to measure user's assessments about the fulfillment of a concept by an image.
-
Peters, G.; Gaese, V.: ¬Das DocCat-System in der Textdokumentation von G+J (2003)
0.00
0.0037117435 = product of:
0.0129911015 = sum of:
0.003175901 = product of:
0.015879504 = sum of:
0.015879504 = weight(_text_:system in 1507) [ClassicSimilarity], result of:
0.015879504 = score(doc=1507,freq=2.0), product of:
0.11408355 = queryWeight, product of:
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.03622214 = queryNorm
0.13919188 = fieldWeight in 1507, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.03125 = fieldNorm(doc=1507)
0.2 = coord(1/5)
0.0098152 = product of:
0.0196304 = sum of:
0.0196304 = weight(_text_:22 in 1507) [ClassicSimilarity], result of:
0.0196304 = score(doc=1507,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = queryNorm
0.15476047 = fieldWeight in 1507, 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=1507)
0.5 = coord(1/2)
0.2857143 = coord(2/7)
- Date
- 22. 4.2003 11:45:36
-
Lusti, M.: Data Warehousing and Data Mining : Eine Einführung in entscheidungsunterstützende Systeme (1999)
0.00
0.0028043431 = product of:
0.0196304 = sum of:
0.0196304 = product of:
0.0392608 = sum of:
0.0392608 = weight(_text_:22 in 4261) [ClassicSimilarity], result of:
0.0392608 = score(doc=4261,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = queryNorm
0.30952093 = fieldWeight in 4261, 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=4261)
0.5 = coord(1/2)
0.14285715 = coord(1/7)
- Date
- 17. 7.2002 19:22:06
-
Amir, A.; Feldman, R.; Kashi, R.: ¬A new and versatile method for association generation (1997)
0.00
0.0028043431 = product of:
0.0196304 = sum of:
0.0196304 = product of:
0.0392608 = sum of:
0.0392608 = weight(_text_:22 in 1270) [ClassicSimilarity], result of:
0.0392608 = score(doc=1270,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = 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)
0.5 = coord(1/2)
0.14285715 = coord(1/7)
- Source
- Information systems. 22(1997) nos.5/6, S.333-347
-
Liu, Y.; Huang, X.; An, A.: Personalized recommendation with adaptive mixture of markov models (2007)
0.00
0.002650327 = product of:
0.018552288 = sum of:
0.018552288 = product of:
0.04638072 = sum of:
0.01830946 = weight(_text_:retrieval in 606) [ClassicSimilarity], result of:
0.01830946 = score(doc=606,freq=2.0), product of:
0.109568894 = queryWeight, product of:
3.024915 = idf(docFreq=5836, maxDocs=44218)
0.03622214 = queryNorm
0.16710453 = fieldWeight in 606, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.024915 = idf(docFreq=5836, maxDocs=44218)
0.0390625 = fieldNorm(doc=606)
0.028071264 = weight(_text_:system in 606) [ClassicSimilarity], result of:
0.028071264 = score(doc=606,freq=4.0), product of:
0.11408355 = queryWeight, product of:
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.03622214 = queryNorm
0.24605882 = fieldWeight in 606, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.0390625 = fieldNorm(doc=606)
0.4 = coord(2/5)
0.14285715 = coord(1/7)
- Abstract
- With more and more information available on the Internet, the task of making personalized recommendations to assist the user's navigation has become increasingly important. Considering there might be millions of users with different backgrounds accessing a Web site everyday, it is infeasible to build a separate recommendation system for each user. To address this problem, clustering techniques can first be employed to discover user groups. Then, user navigation patterns for each group can be discovered, to allow the adaptation of a Web site to the interest of each individual group. In this paper, we propose to model user access sequences as stochastic processes, and a mixture of Markov models based approach is taken to cluster users and to capture the sequential relationships inherent in user access histories. Several important issues that arise in constructing the Markov models are also addressed. The first issue lies in the complexity of the mixture of Markov models. To improve the efficiency of building/maintaining the mixture of Markov models, we develop a lightweight adapt-ive algorithm to update the model parameters without recomputing model parameters from scratch. The second issue concerns the proper selection of training data for building the mixture of Markov models. We investigate two different training data selection strategies and perform extensive experiments to compare their effectiveness on a real dataset that is generated by a Web-based knowledge management system, Livelink.
- Footnote
- Beitrag eines Themenschwerpunktes "Mining Web resources for enhancing information retrieval"
-
Fenstermacher, K.D.; Ginsburg, M.: Client-side monitoring for Web mining (2003)
0.00
0.0026166062 = product of:
0.018316243 = sum of:
0.018316243 = product of:
0.045790605 = sum of:
0.02197135 = weight(_text_:retrieval in 1611) [ClassicSimilarity], result of:
0.02197135 = score(doc=1611,freq=2.0), product of:
0.109568894 = queryWeight, product of:
3.024915 = idf(docFreq=5836, maxDocs=44218)
0.03622214 = queryNorm
0.20052543 = fieldWeight in 1611, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.024915 = idf(docFreq=5836, maxDocs=44218)
0.046875 = fieldNorm(doc=1611)
0.023819257 = weight(_text_:system in 1611) [ClassicSimilarity], result of:
0.023819257 = score(doc=1611,freq=2.0), product of:
0.11408355 = queryWeight, product of:
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.03622214 = queryNorm
0.20878783 = fieldWeight in 1611, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.1495528 = idf(docFreq=5152, maxDocs=44218)
0.046875 = fieldNorm(doc=1611)
0.4 = coord(2/5)
0.14285715 = coord(1/7)
- Abstract
- "Garbage in, garbage out" is a well-known phrase in computer analysis, and one that comes to mind when mining Web data to draw conclusions about Web users. The challenge is that data analysts wish to infer patterns of client-side behavior from server-side data. However, because only a fraction of the user's actions ever reaches the Web server, analysts must rely an incomplete data. In this paper, we propose a client-side monitoring system that is unobtrusive and supports flexible data collection. Moreover, the proposed framework encompasses client-side applications beyond the Web browser. Expanding monitoring beyond the browser to incorporate standard office productivity tools enables analysts to derive a much richer and more accurate picture of user behavior an the Web.
- Footnote
- Teil eines Themenheftes: "Web retrieval and mining: A machine learning perspective"
-
Lackes, R.; Tillmanns, C.: Data Mining für die Unternehmenspraxis : Entscheidungshilfen und Fallstudien mit führenden Softwarelösungen (2006)
0.00
0.0021032572 = product of:
0.0147228 = sum of:
0.0147228 = product of:
0.0294456 = sum of:
0.0294456 = weight(_text_:22 in 1383) [ClassicSimilarity], result of:
0.0294456 = score(doc=1383,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = queryNorm
0.23214069 = fieldWeight in 1383, 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=1383)
0.5 = coord(1/2)
0.14285715 = coord(1/7)
- Date
- 22. 3.2008 14:46:06
-
Information visualization in data mining and knowledge discovery (2002)
0.00
0.0019940226 = product of:
0.006979079 = sum of:
0.0020714786 = product of:
0.010357393 = sum of:
0.010357393 = weight(_text_:retrieval in 1789) [ClassicSimilarity], result of:
0.010357393 = score(doc=1789,freq=4.0), product of:
0.109568894 = queryWeight, product of:
3.024915 = idf(docFreq=5836, maxDocs=44218)
0.03622214 = queryNorm
0.09452859 = fieldWeight in 1789, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
3.024915 = idf(docFreq=5836, maxDocs=44218)
0.015625 = fieldNorm(doc=1789)
0.2 = coord(1/5)
0.0049076 = product of:
0.0098152 = sum of:
0.0098152 = weight(_text_:22 in 1789) [ClassicSimilarity], result of:
0.0098152 = score(doc=1789,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = queryNorm
0.07738023 = fieldWeight in 1789, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.015625 = fieldNorm(doc=1789)
0.5 = coord(1/2)
0.2857143 = coord(2/7)
- Date
- 23. 3.2008 19:10:22
- RSWK
- Information Retrieval (BVB)
- Subject
- Information Retrieval (BVB)
-
Vaughan, L.; Chen, Y.: Data mining from web search queries : a comparison of Google trends and Baidu index (2015)
0.00
0.0017527144 = product of:
0.0122690005 = sum of:
0.0122690005 = product of:
0.024538001 = sum of:
0.024538001 = weight(_text_:22 in 1605) [ClassicSimilarity], result of:
0.024538001 = score(doc=1605,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = queryNorm
0.19345059 = fieldWeight in 1605, 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=1605)
0.5 = coord(1/2)
0.14285715 = coord(1/7)
- Source
- Journal of the Association for Information Science and Technology. 66(2015) no.1, S.13-22
-
Fonseca, F.; Marcinkowski, M.; Davis, C.: Cyber-human systems of thought and understanding (2019)
0.00
0.0017527144 = product of:
0.0122690005 = sum of:
0.0122690005 = product of:
0.024538001 = sum of:
0.024538001 = weight(_text_:22 in 5011) [ClassicSimilarity], result of:
0.024538001 = score(doc=5011,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = queryNorm
0.19345059 = fieldWeight in 5011, 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=5011)
0.5 = coord(1/2)
0.14285715 = coord(1/7)
- Date
- 7. 3.2019 16:32:22
-
Hölzig, C.: Google spürt Grippewellen auf : Die neue Anwendung ist bisher auf die USA beschränkt (2008)
0.00
0.0014021716 = product of:
0.0098152 = sum of:
0.0098152 = product of:
0.0196304 = sum of:
0.0196304 = weight(_text_:22 in 2403) [ClassicSimilarity], result of:
0.0196304 = score(doc=2403,freq=2.0), product of:
0.12684377 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03622214 = queryNorm
0.15476047 = fieldWeight in 2403, 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=2403)
0.5 = coord(1/2)
0.14285715 = coord(1/7)
- Date
- 3. 5.1997 8:44:22
