-
Fonseca, F.; Marcinkowski, M.; Davis, C.: Cyber-human systems of thought and understanding (2019)
0.02
0.023969702 = product of:
0.111858614 = sum of:
0.0504227 = weight(_text_:philosophie in 5011) [ClassicSimilarity], result of:
0.0504227 = score(doc=5011,freq=2.0), product of:
0.17227218 = queryWeight, product of:
5.298292 = idf(docFreq=600, maxDocs=44218)
0.03251466 = queryNorm
0.29269207 = fieldWeight in 5011, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
5.298292 = idf(docFreq=600, maxDocs=44218)
0.0390625 = fieldNorm(doc=5011)
0.0504227 = weight(_text_:philosophie in 5011) [ClassicSimilarity], result of:
0.0504227 = score(doc=5011,freq=2.0), product of:
0.17227218 = queryWeight, product of:
5.298292 = idf(docFreq=600, maxDocs=44218)
0.03251466 = queryNorm
0.29269207 = fieldWeight in 5011, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
5.298292 = idf(docFreq=600, maxDocs=44218)
0.0390625 = fieldNorm(doc=5011)
0.01101322 = product of:
0.02202644 = sum of:
0.02202644 = weight(_text_:22 in 5011) [ClassicSimilarity], result of:
0.02202644 = score(doc=5011,freq=2.0), product of:
0.11386081 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03251466 = 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)
0.21428572 = coord(3/14)
- Date
- 7. 3.2019 16:32:22
- Field
- Philosophie
-
Lackes, R.; Tillmanns, C.: Data Mining für die Unternehmenspraxis : Entscheidungshilfen und Fallstudien mit führenden Softwarelösungen (2006)
0.00
0.0048073707 = product of:
0.033651594 = sum of:
0.02043573 = weight(_text_:zur in 1383) [ClassicSimilarity], result of:
0.02043573 = score(doc=1383,freq=2.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.20411909 = fieldWeight in 1383, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.046875 = fieldNorm(doc=1383)
0.013215863 = product of:
0.026431726 = sum of:
0.026431726 = weight(_text_:22 in 1383) [ClassicSimilarity], result of:
0.026431726 = score(doc=1383,freq=2.0), product of:
0.11386081 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03251466 = 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(2/14)
- Content
- Modelle, Methoden und Werkzeuge: Ziele und Aufbau der Untersuchung.- Grundlagen.- Planung und Entscheidung mit Data-Mining-Unterstützung.- Methoden.- Funktionalität und Handling der Softwarelösungen. Fallstudien: Ausgangssituation und Datenbestand im Versandhandel.- Kundensegmentierung.- Erklärung regionaler Marketingerfolge zur Neukundengewinnung.Prognose des Customer Lifetime Values.- Selektion von Kunden für eine Direktmarketingaktion.- Welche Softwarelösung für welche Entscheidung?- Fazit und Marktentwicklungen.
- Date
- 22. 3.2008 14:46:06
-
Peters, G.; Gaese, V.: ¬Das DocCat-System in der Textdokumentation von G+J (2003)
0.00
0.004629675 = product of:
0.032407723 = sum of:
0.023597147 = weight(_text_:zur in 1507) [ClassicSimilarity], result of:
0.023597147 = score(doc=1507,freq=6.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.2356964 = fieldWeight in 1507, product of:
2.4494898 = tf(freq=6.0), with freq of:
6.0 = termFreq=6.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03125 = fieldNorm(doc=1507)
0.008810576 = product of:
0.017621152 = sum of:
0.017621152 = weight(_text_:22 in 1507) [ClassicSimilarity], result of:
0.017621152 = score(doc=1507,freq=2.0), product of:
0.11386081 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03251466 = 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)
0.14285715 = coord(2/14)
- Abstract
- Wir werden einmal die Grundlagen des Text-Mining-Systems bei IBM darstellen, dann werden wir das Projekt etwas umfangreicher und deutlicher darstellen, da kennen wir uns aus. Von daher haben wir zwei Teile, einmal Heidelberg, einmal Hamburg. Noch einmal zur Technologie. Text-Mining ist eine von IBM entwickelte Technologie, die in einer besonderen Ausformung und Programmierung für uns zusammengestellt wurde. Das Projekt hieß bei uns lange Zeit DocText Miner und heißt seit einiger Zeit auf Vorschlag von IBM DocCat, das soll eine Abkürzung für Document-Categoriser sein, sie ist ja auch nett und anschaulich. Wir fangen an mit Text-Mining, das bei IBM in Heidelberg entwickelt wurde. Die verstehen darunter das automatische Indexieren als eine Instanz, also einen Teil von Text-Mining. Probleme werden dabei gezeigt, und das Text-Mining ist eben eine Methode zur Strukturierung von und der Suche in großen Dokumentenmengen, die Extraktion von Informationen und, das ist der hohe Anspruch, von impliziten Zusammenhängen. Das letztere sei dahingestellt. IBM macht das quantitativ, empirisch, approximativ und schnell. das muss man wirklich sagen. Das Ziel, und das ist ganz wichtig für unser Projekt gewesen, ist nicht, den Text zu verstehen, sondern das Ergebnis dieser Verfahren ist, was sie auf Neudeutsch a bundle of words, a bag of words nennen, also eine Menge von bedeutungstragenden Begriffen aus einem Text zu extrahieren, aufgrund von Algorithmen, also im Wesentlichen aufgrund von Rechenoperationen. Es gibt eine ganze Menge von linguistischen Vorstudien, ein wenig Linguistik ist auch dabei, aber nicht die Grundlage der ganzen Geschichte. Was sie für uns gemacht haben, ist also die Annotierung von Pressetexten für unsere Pressedatenbank. Für diejenigen, die es noch nicht kennen: Gruner + Jahr führt eine Textdokumentation, die eine Datenbank führt, seit Anfang der 70er Jahre, da sind z.Z. etwa 6,5 Millionen Dokumente darin, davon etwas über 1 Million Volltexte ab 1993. Das Prinzip war lange Zeit, dass wir die Dokumente, die in der Datenbank gespeichert waren und sind, verschlagworten und dieses Prinzip haben wir auch dann, als der Volltext eingeführt wurde, in abgespeckter Form weitergeführt. Zu diesen 6,5 Millionen Dokumenten gehören dann eben auch ungefähr 10 Millionen Faksimileseiten, weil wir die Faksimiles auch noch standardmäßig aufheben.
- Date
- 22. 4.2003 11:45:36
- Series
- Beiträge zur Mediendokumentation; Bd.6
-
Decker, B.: Data Mining in Öffentlichen Bibliotheken (2000)
0.00
0.0034059552 = product of:
0.04768337 = sum of:
0.04768337 = weight(_text_:zur in 4782) [ClassicSimilarity], result of:
0.04768337 = score(doc=4782,freq=2.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.47627786 = fieldWeight in 4782, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.109375 = fieldNorm(doc=4782)
0.071428575 = coord(1/14)
- Footnote
- [Diplomarbeit zur Prüfung für den Studiengang öffentliches Bibliothekswesen]
-
Baumgartner, R.: Methoden und Werkzeuge zur Webdatenextraktion (2006)
0.00
0.0034059552 = product of:
0.04768337 = sum of:
0.04768337 = weight(_text_:zur in 5808) [ClassicSimilarity], result of:
0.04768337 = score(doc=5808,freq=8.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.47627786 = fieldWeight in 5808, product of:
2.828427 = tf(freq=8.0), with freq of:
8.0 = termFreq=8.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.0546875 = fieldNorm(doc=5808)
0.071428575 = coord(1/14)
- Abstract
- Das World Wide Web kann als die größte uns bekannte "Datenbank" angesehen werden. Leider ist das heutige Web großteils auf die Präsentation für menschliche Benutzerinnen ausgelegt und besteht aus sehr heterogenen Datenbeständen. Überdies fehlen im Web die Möglichkeiten Informationen strukturiert und aus verschiedenen Quellen aggregiert abzufragen. Das heutige Web ist daher für die automatische maschinelle Verarbeitung nicht geeignet. Um Webdaten dennoch effektiv zu nutzen, wurden Sprachen, Methoden und Werkzeuge zur Extraktion und Aggregation dieser Daten entwickelt. Dieser Artikel gibt einen Überblick und eine Kategorisierung von verschiedenen Ansätzen zur Datenextraktion aus dem Web. Einige Beispielszenarien im B2B Datenaustausch, im Business Intelligence Bereich und insbesondere die Generierung von Daten für Semantic Web Ontologien illustrieren die effektive Nutzung dieser Technologien.
- Source
- Semantic Web: Wege zur vernetzten Wissensgesellschaft. Hrsg.: T. Pellegrini, u. A. Blumauer
-
Jäger, L.: Von Big Data zu Big Brother (2018)
0.00
0.0032049136 = product of:
0.022434395 = sum of:
0.01362382 = weight(_text_:zur in 5234) [ClassicSimilarity], result of:
0.01362382 = score(doc=5234,freq=2.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.13607939 = fieldWeight in 5234, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03125 = fieldNorm(doc=5234)
0.008810576 = product of:
0.017621152 = sum of:
0.017621152 = weight(_text_:22 in 5234) [ClassicSimilarity], result of:
0.017621152 = score(doc=5234,freq=2.0), product of:
0.11386081 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03251466 = 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)
0.5 = coord(1/2)
0.14285715 = coord(2/14)
- 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)
0.00
0.003008311 = product of:
0.021058176 = sum of:
0.014450244 = weight(_text_:zur in 1178) [ClassicSimilarity], result of:
0.014450244 = score(doc=1178,freq=4.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.14433399 = fieldWeight in 1178, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.0234375 = fieldNorm(doc=1178)
0.0066079316 = product of:
0.013215863 = sum of:
0.013215863 = weight(_text_:22 in 1178) [ClassicSimilarity], result of:
0.013215863 = score(doc=1178,freq=2.0), product of:
0.11386081 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03251466 = 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)
0.5 = coord(1/2)
0.14285715 = coord(2/14)
- 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."
-
Medien-Informationsmanagement : Archivarische, dokumentarische, betriebswirtschaftliche, rechtliche und Berufsbild-Aspekte ; [Frühjahrstagung der Fachgruppe 7 im Jahr 2000 in Weimar und Folgetagung 2001 in Köln] (2003)
0.00
0.003008311 = product of:
0.021058176 = sum of:
0.014450244 = weight(_text_:zur in 1833) [ClassicSimilarity], result of:
0.014450244 = score(doc=1833,freq=4.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.14433399 = fieldWeight in 1833, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.0234375 = fieldNorm(doc=1833)
0.0066079316 = product of:
0.013215863 = sum of:
0.013215863 = weight(_text_:22 in 1833) [ClassicSimilarity], result of:
0.013215863 = score(doc=1833,freq=2.0), product of:
0.11386081 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03251466 = 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)
0.14285715 = coord(2/14)
- Abstract
- Als in den siebziger Jahren des vergangenen Jahrhunderts immer häufiger die Bezeichnung Informationsmanager für Leute propagiert wurde, die bis dahin als Dokumentare firmierten, wurde dies in den etablierten Kreisen der Archivare und Bibliothekare gelegentlich belächelt und als Zeichen einer Identitätskrise oder jedenfalls einer Verunsicherung des damit überschriebenen Berufsbilds gewertet. Für den Berufsstand der Medienarchivare/Mediendokumentare, die sich seit 1960 in der Fachgruppe 7 des Vereins, später Verbands deutscher Archivare (VdA) organisieren, gehörte diese Verortung im Zeichen neuer inhaltlicher Herausforderungen (Informationsflut) und Technologien (EDV) allerdings schon früh zu den Selbstverständlichkeiten des Berufsalltags. "Halt, ohne uns geht es nicht!" lautete die Überschrift eines Artikels im Verbandsorgan "Info 7", der sich mit der Einrichtung von immer mächtigeren Leitungsnetzen und immer schnelleren Datenautobahnen beschäftigte. Information, Informationsgesellschaft: diese Begriffe wurden damals fast nur im technischen Sinne verstanden. Die informatisierte, nicht die informierte Gesellschaft stand im Vordergrund - was wiederum Kritiker auf den Plan rief, von Joseph Weizenbaum in den USA bis hin zu den Informations-Ökologen in Bremen. Bei den nationalen, manchmal auch nur regionalen Projekten und Modellversuchen mit Datenautobahnen - auch beim frühen Btx - war nie so recht deutlich geworden, welche Inhalte in welcher Gestalt durch diese Netze und Straßen gejagt werden sollten und wer diese Inhalte eigentlich selektieren, portionieren, positionieren, kurz: managen sollte. Spätestens mit dem World Wide Web sind diese Projekte denn auch obsolet geworden, jedenfalls was die Hardware und Software anging. Geblieben ist das Thema Inhalte (neudeutsch: Content). Und - immer drängender im nicht nur technischen Verständnis - das Thema Informationsmanagement. MedienInformationsManagement war die Frühjahrstagung der Fachgruppe 7 im Jahr 2000 in Weimar überschrieben, und auch die Folgetagung 2001 in Köln, die der multimedialen Produktion einen dokumentarischen Pragmatismus gegenüber stellte, handelte vom Geschäftsfeld Content und von Content-Management-Systemen. Die in diesem 6. Band der Reihe Beiträge zur Mediendokumentation versammelten Vorträge und Diskussionsbeiträge auf diesen beiden Tagungen beleuchten das Titel-Thema aus den verschiedensten Blickwinkeln: archivarischen, dokumentarischen, kaufmännischen, berufsständischen und juristischen. Deutlich wird dabei, daß die Berufsbezeichnung Medienarchivarln/Mediendokumentarln ziemlich genau für all das steht, was heute mit sog. alten wie neuen Medien im organisatorischen, d.h. ordnenden und vermittelnden Sinne geschieht. Im besonderen Maße trifft dies auf das Internet und die aus ihm geborenen Intranets zu. Beide bedürfen genauso der ordnenden Hand, die sich an den alten Medien, an Buch, Zeitung, Tonträger, Film etc. geschult hat, denn sie leben zu großen Teilen davon. Daß das Internet gleichwohl ein Medium sui generis ist und die alten Informationsberufe vor ganz neue Herausforderungen stellt - auch das durchzieht die Beiträge von Weimar und Köln.
- Date
- 11. 5.2008 19:49:22
- Series
- Beiträge zur Mediendokumentation; Bd.6
-
Data mining : Theoretische Aspekte und Anwendungen (1998)
0.00
0.0027524275 = product of:
0.038533982 = sum of:
0.038533982 = weight(_text_:zur in 966) [ClassicSimilarity], result of:
0.038533982 = score(doc=966,freq=4.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.38489062 = fieldWeight in 966, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.0625 = fieldNorm(doc=966)
0.071428575 = coord(1/14)
- Abstract
- Behandelt werden u.a. die Themen: Ziele und Methoden des Data Mining, Prozeß der Wissensentdeckung, State of the Art in der Forschung und Anwendung des Data Mining, wichtige Data Mining Tools, die Rolle der Informationsverarbeitung im KDD Prozeß, Data Warehousing, OLAP, Ansätze zur Benutzerunterstüzung des Data Mining Prozesses, Modellselektion und Evaluierungsmethoden für Data Mining Algorithmen
- Series
- Beiträge zur Wirtschaftsinformatik; Bd.27
-
Mandl, T.: Text mining und data minig (2013)
0.00
0.002432825 = product of:
0.03405955 = sum of:
0.03405955 = weight(_text_:zur in 713) [ClassicSimilarity], result of:
0.03405955 = score(doc=713,freq=2.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.34019846 = fieldWeight in 713, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.078125 = fieldNorm(doc=713)
0.071428575 = coord(1/14)
- Source
- Grundlagen der praktischen Information und Dokumentation. Handbuch zur Einführung in die Informationswissenschaft und -praxis. 6., völlig neu gefaßte Ausgabe. Hrsg. von R. Kuhlen, W. Semar u. D. Strauch. Begründet von Klaus Laisiepen, Ernst Lutterbeck, Karl-Heinrich Meyer-Uhlenried
-
Schwartz, D.: Graphische Datenanalyse für digitale Bibliotheken : Leistungs- und Funktionsumfang moderner Analyse- und Visualisierungsinstrumente (2006)
0.00
0.0024083739 = product of:
0.033717234 = sum of:
0.033717234 = weight(_text_:zur in 30) [ClassicSimilarity], result of:
0.033717234 = score(doc=30,freq=4.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.3367793 = fieldWeight in 30, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.0546875 = fieldNorm(doc=30)
0.071428575 = coord(1/14)
- Abstract
- Das World Wide Web stellt umfangreiche Datenmengen zur Verfügung. Für den Benutzer wird es zunehmend schwieriger, diese Datenmengen zu sichten, zu bewerten und die relevanten Daten herauszufiltern. Einen Lösungsansatz für diese Problemstellung bieten Visualisierungsinstrumente, mit deren Hilfe Rechercheergebnisse nicht mehr ausschließlich über textbasierte Dokumentenlisten, sondern über Symbole, Icons oder graphische Elemente dargestellt werden. Durch geeignete Visualisierungstechniken können Informationsstrukturen in großen Datenmengen aufgezeigt werden. Informationsvisualisierung ist damit ein Instrument, um Rechercheergebnisse in einer digitalen Bibliothek zu strukturieren und relevante Daten für den Benutzer leichter auffindbar zu machen.
- Series
- Beiträge zur Bibliotheks- und Informationswissenschaft; 1
-
Chowdhury, G.G.: Template mining for information extraction from digital documents (1999)
0.00
0.002202644 = product of:
0.030837014 = sum of:
0.030837014 = product of:
0.06167403 = sum of:
0.06167403 = weight(_text_:22 in 4577) [ClassicSimilarity], result of:
0.06167403 = score(doc=4577,freq=2.0), product of:
0.11386081 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03251466 = 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)
0.071428575 = coord(1/14)
- Date
- 2. 4.2000 18:01:22
-
Chardonnens, A.; Hengchen, S.: Text mining for cultural heritage institutions : a 5-step method for cultural heritage institutions (2017)
0.00
0.00194626 = product of:
0.02724764 = sum of:
0.02724764 = weight(_text_:zur in 646) [ClassicSimilarity], result of:
0.02724764 = score(doc=646,freq=2.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.27215877 = fieldWeight in 646, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.0625 = fieldNorm(doc=646)
0.071428575 = coord(1/14)
- Series
- Schriften zur Informationswissenschaft; Bd. 70
-
KDD : techniques and applications (1998)
0.00
0.0018879805 = product of:
0.026431726 = sum of:
0.026431726 = product of:
0.052863453 = sum of:
0.052863453 = weight(_text_:22 in 6783) [ClassicSimilarity], result of:
0.052863453 = score(doc=6783,freq=2.0), product of:
0.11386081 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03251466 = 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)
0.071428575 = coord(1/14)
- 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
-
Huvila, I.: Mining qualitative data on human information behaviour from the Web (2010)
0.00
0.0017029776 = product of:
0.023841685 = sum of:
0.023841685 = weight(_text_:zur in 4676) [ClassicSimilarity], result of:
0.023841685 = score(doc=4676,freq=2.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.23813893 = fieldWeight in 4676, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.0546875 = fieldNorm(doc=4676)
0.071428575 = coord(1/14)
- Series
- Schriften zur Informationswissenschaft; Bd.58
-
Wiegmann, S.: Hättest du die Titanic überlebt? : Eine kurze Einführung in das Data Mining mit freier Software (2023)
0.00
0.0017029776 = product of:
0.023841685 = sum of:
0.023841685 = weight(_text_:zur in 876) [ClassicSimilarity], result of:
0.023841685 = score(doc=876,freq=2.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.23813893 = fieldWeight in 876, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.0546875 = fieldNorm(doc=876)
0.071428575 = coord(1/14)
- Abstract
- Am 10. April 1912 ging Elisabeth Walton Allen an Bord der "Titanic", um ihr Hab und Gut nach England zu holen. Eines Nachts wurde sie von ihrer aufgelösten Tante geweckt, deren Kajüte unter Wasser stand. Wie steht es um Elisabeths Chancen und hätte man selbst das Unglück damals überlebt? Das Titanic-Orakel ist eine algorithmusbasierte App, die entsprechende Prognosen aufstellt und im Rahmen des Kurses "Data Science" am Department Information der HAW Hamburg entstanden ist. Dieser Beitrag zeigt Schritt für Schritt, wie die App unter Verwendung freier Software entwickelt wurde. Code und Daten werden zur Nachnutzung bereitgestellt.
-
Seidenfaden, U.: Schürfen in Datenbergen : Data-Mining soll möglichst viel Information zu Tage fördern (2001)
0.00
0.0014748217 = product of:
0.020647503 = sum of:
0.020647503 = weight(_text_:zur in 6923) [ClassicSimilarity], result of:
0.020647503 = score(doc=6923,freq=6.0), product of:
0.10011671 = queryWeight, product of:
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.03251466 = queryNorm
0.20623435 = fieldWeight in 6923, product of:
2.4494898 = tf(freq=6.0), with freq of:
6.0 = termFreq=6.0
3.079125 = idf(docFreq=5528, maxDocs=44218)
0.02734375 = fieldNorm(doc=6923)
0.071428575 = coord(1/14)
- Content
- "Fast alles wird heute per Computer erfasst. Kaum einer überblickt noch die enormen Datenmengen, die sich in Unternehmen, Universitäten und Verwaltung ansammeln. Allein in den öffentlich zugänglichen Datenbanken der Genforscher fallen pro Woche rund 4,5 Gigabyte an neuer Information an. "Vom potentiellen Wissen in den Datenbanken wird bislang aber oft nur ein Teil genutzt", meint Stefan Wrobel vom Lehrstuhl für Wissensentdeckung und Maschinelles Lernen der Otto-von-Guericke-Universität in Magdeburg. Sein Doktorand Mark-Andre Krogel hat soeben mit einem neuen Verfahren zur Datenbankrecherche in San Francisco einen inoffiziellen Weltmeister-Titel in der Disziplin "Data-Mining" gewonnen. Dieser Daten-Bergbau arbeitet im Unterschied zur einfachen Datenbankabfrage, die sich einfacher statistischer Methoden bedient, zusätzlich mit künstlicher Intelligenz und Visualisierungsverfahren, um Querverbindungen zu finden. "Das erleichtert die Suche nach verborgenen Zusammenhängen im Datenmaterial ganz erheblich", so Wrobel. Die Wirtschaft setzt Data-Mining bereits ein, um das Kundenverhalten zu untersuchen und vorherzusagen. "Stellen sie sich ein Unternehmen mit einer breiten Produktpalette und einem großen Kundenstamm vor", erklärt Wrobel. "Es kann seinen Erfolg maximieren, wenn es Marketing-Post zielgerichtet an seine Kunden verschickt. Wer etwa gerade einen PC gekauft hat, ist womöglich auch an einem Drucker oder Scanner interessiert." In einigen Jahren könnte ein Analysemodul den Manager eines Unternehmens selbständig informieren, wenn ihm etwas Ungewöhnliches aufgefallen ist. Das muss nicht immer positiv für den Kunden sein. Data-Mining ließe sich auch verwenden, um die Lebensdauer von Geschäftsbeziehungen zu prognostizieren. Für Kunden mit geringen Kaufinteressen würden Reklamationen dann längere Bearbeitungszeiten nach sich ziehen. Im konkreten Projekt von Mark-Andre Krogel ging es um die Vorhersage von Protein-Funktionen. Proteine sind Eiweißmoleküle, die fast alle Stoffwechselvorgänge im menschlichen Körper steuern. Sie sind daher die primären Ziele von Wirkstoffen zur Behandlung von Erkrankungen. Das erklärt das große Interesse der Pharmaindustrie. Experimentelle Untersuchungen, die Aufschluss über die Aufgaben der über 100 000 Eiweißmoleküle im menschlichen Körper geben können, sind mit einem hohen Zeitaufwand verbunden. Die Forscher möchten deshalb die Zeit verkürzen, indem sie das vorhandene Datenmaterial mit Hilfe von Data-Mining auswerten. Aus der im Humangenomprojekt bereits entschlüsselten Abfolge der Erbgut-Bausteine lässt sich per Datenbankanalyse die Aneinanderreihung bestimmter Aminosäuren zu einem Protein vorhersagen. Andere Datenbanken wiederum enthalten Informationen, welche Struktur ein Protein mit einer bestimmten vorgegebenen Funktion haben könnte. Aus bereits bekannten Strukturelementen versuchen die Genforscher dann, auf die mögliche Funktion eines bislang noch unbekannten Eiweißmoleküls zu schließen.- Fakten Verschmelzen - Bei diesem theoretischen Ansatz kommt es darauf an, die in Datenbanken enthaltenen Informationen so zu verknüpfen, dass die Ergebnisse mit hoher Wahrscheinlichkeit mit der Realität übereinstimmen. "Im Rahmen des Wettbewerbs erhielten wir Tabellen als Vorgabe, in denen Gene und Chromosomen nach bestimmten Gesichtspunkten klassifiziert waren", erläutert Krogel. Von einigen Genen war bekannt, welche Proteine sie produzieren und welche Aufgabe diese Eiweißmoleküle besitzen. Diese Beispiele dienten dem von Krogel entwickelten Programm dann als Hilfe, für andere Gene vorherzusagen, welche Funktionen die von ihnen erzeugten Proteine haben. "Die Genauigkeit der Vorhersage lag bei den gestellten Aufgaben bei über 90 Prozent", stellt Krogel fest. Allerdings könne man in der Praxis nicht davon ausgehen, dass alle Informationen aus verschiedenen Datenbanken in einem einheitlichen Format vorliegen. Es gebe verschiedene Abfragesprachen der Datenbanken, und die Bezeichnungen von Eiweißmolekülen mit gleicher Aufgabe seien oftmals uneinheitlich. Die Magdeburger Informatiker arbeiten deshalb in der DFG-Forschergruppe "Informationsfusion" an Methoden, um die verschiedenen Datenquellen besser zu erschließen."
-
Matson, L.D.; Bonski, D.J.: Do digital libraries need librarians? (1997)
0.00
0.0012586538 = product of:
0.017621152 = sum of:
0.017621152 = product of:
0.035242304 = sum of:
0.035242304 = weight(_text_:22 in 1737) [ClassicSimilarity], result of:
0.035242304 = score(doc=1737,freq=2.0), product of:
0.11386081 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03251466 = 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)
0.071428575 = coord(1/14)
- Date
- 22.11.1998 18:57:22
-
Lusti, M.: Data Warehousing and Data Mining : Eine Einführung in entscheidungsunterstützende Systeme (1999)
0.00
0.0012586538 = product of:
0.017621152 = sum of:
0.017621152 = product of:
0.035242304 = sum of:
0.035242304 = weight(_text_:22 in 4261) [ClassicSimilarity], result of:
0.035242304 = score(doc=4261,freq=2.0), product of:
0.11386081 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03251466 = 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)
0.071428575 = coord(1/14)
- Date
- 17. 7.2002 19:22:06
-
Amir, A.; Feldman, R.; Kashi, R.: ¬A new and versatile method for association generation (1997)
0.00
0.0012586538 = product of:
0.017621152 = sum of:
0.017621152 = product of:
0.035242304 = sum of:
0.035242304 = weight(_text_:22 in 1270) [ClassicSimilarity], result of:
0.035242304 = score(doc=1270,freq=2.0), product of:
0.11386081 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.03251466 = 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)
0.071428575 = coord(1/14)
- Source
- Information systems. 22(1997) nos.5/6, S.333-347
