-
Michel, D.: Taxonomy of Subject Relationships (1997)
0.35
0.3456503 = product of:
0.41478035 = sum of:
0.025644625 = weight(_text_:und in 5346) [ClassicSimilarity], result of:
0.025644625 = score(doc=5346,freq=2.0), product of:
0.104724824 = queryWeight, product of:
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.04725067 = queryNorm
0.24487628 = fieldWeight in 5346, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.078125 = fieldNorm(doc=5346)
0.12236831 = weight(_text_:anwendung in 5346) [ClassicSimilarity], result of:
0.12236831 = score(doc=5346,freq=2.0), product of:
0.22876309 = queryWeight, product of:
4.8414783 = idf(docFreq=948, maxDocs=44218)
0.04725067 = queryNorm
0.5349128 = fieldWeight in 5346, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
4.8414783 = idf(docFreq=948, maxDocs=44218)
0.078125 = fieldNorm(doc=5346)
0.040036436 = weight(_text_:des in 5346) [ClassicSimilarity], result of:
0.040036436 = score(doc=5346,freq=2.0), product of:
0.13085164 = queryWeight, product of:
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.04725067 = queryNorm
0.30596817 = fieldWeight in 5346, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.078125 = fieldNorm(doc=5346)
0.17099062 = weight(_text_:prinzips in 5346) [ClassicSimilarity], result of:
0.17099062 = score(doc=5346,freq=2.0), product of:
0.27041927 = queryWeight, product of:
5.723078 = idf(docFreq=392, maxDocs=44218)
0.04725067 = queryNorm
0.6323167 = fieldWeight in 5346, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
5.723078 = idf(docFreq=392, maxDocs=44218)
0.078125 = fieldNorm(doc=5346)
0.055740345 = product of:
0.11148069 = sum of:
0.11148069 = weight(_text_:thesaurus in 5346) [ClassicSimilarity], result of:
0.11148069 = score(doc=5346,freq=2.0), product of:
0.21834905 = queryWeight, product of:
4.6210785 = idf(docFreq=1182, maxDocs=44218)
0.04725067 = queryNorm
0.5105618 = fieldWeight in 5346, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
4.6210785 = idf(docFreq=1182, maxDocs=44218)
0.078125 = fieldNorm(doc=5346)
0.5 = coord(1/2)
0.8333333 = coord(5/6)
- Theme
- Konzeption und Anwendung des Prinzips Thesaurus
-
Tudhope, D.; Alani, H.; Jones, C.: Augmenting thesaurus relationships : possibilities for retrieval (2001)
0.22
0.21529064 = product of:
0.25834876 = sum of:
0.012822312 = weight(_text_:und in 1520) [ClassicSimilarity], result of:
0.012822312 = score(doc=1520,freq=2.0), product of:
0.104724824 = queryWeight, product of:
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.04725067 = queryNorm
0.12243814 = fieldWeight in 1520, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.0390625 = fieldNorm(doc=1520)
0.061184157 = weight(_text_:anwendung in 1520) [ClassicSimilarity], result of:
0.061184157 = score(doc=1520,freq=2.0), product of:
0.22876309 = queryWeight, product of:
4.8414783 = idf(docFreq=948, maxDocs=44218)
0.04725067 = queryNorm
0.2674564 = fieldWeight in 1520, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
4.8414783 = idf(docFreq=948, maxDocs=44218)
0.0390625 = fieldNorm(doc=1520)
0.020018218 = weight(_text_:des in 1520) [ClassicSimilarity], result of:
0.020018218 = score(doc=1520,freq=2.0), product of:
0.13085164 = queryWeight, product of:
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.04725067 = queryNorm
0.15298408 = fieldWeight in 1520, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.0390625 = fieldNorm(doc=1520)
0.08549531 = weight(_text_:prinzips in 1520) [ClassicSimilarity], result of:
0.08549531 = score(doc=1520,freq=2.0), product of:
0.27041927 = queryWeight, product of:
5.723078 = idf(docFreq=392, maxDocs=44218)
0.04725067 = queryNorm
0.31615835 = fieldWeight in 1520, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
5.723078 = idf(docFreq=392, maxDocs=44218)
0.0390625 = fieldNorm(doc=1520)
0.07882876 = product of:
0.15765752 = sum of:
0.15765752 = weight(_text_:thesaurus in 1520) [ClassicSimilarity], result of:
0.15765752 = score(doc=1520,freq=16.0), product of:
0.21834905 = queryWeight, product of:
4.6210785 = idf(docFreq=1182, maxDocs=44218)
0.04725067 = queryNorm
0.7220435 = fieldWeight in 1520, product of:
4.0 = tf(freq=16.0), with freq of:
16.0 = termFreq=16.0
4.6210785 = idf(docFreq=1182, maxDocs=44218)
0.0390625 = fieldNorm(doc=1520)
0.5 = coord(1/2)
0.8333333 = coord(5/6)
- Abstract
- This paper discusses issues concerning the augmentation of thesaurus relationships, in light of new application possibilities for retrieval. We first discuss a case study that explored the retrieval potential of an augmented set of thesaurus relationships by specialising standard relationships into richer subtypes, in particular hierarchical geographical containment and the associative relationship. We then locate this work in a broader context by reviewing various attempts to build taxonomies of thesaurus relationships, and conclude by discussing the feasibility of hierarchically augmenting the core set of thesaurus relationships, particularly the associative relationship. We discuss the possibility of enriching the specification and semantics of Related Term (RT relationships), while maintaining compatibility with traditional thesauri via a limited hierarchical extension of the associative (and hierarchical) relationships. This would be facilitated by distinguishing the type of term from the (sub)type of relationship and explicitly specifying semantic categories for terms following a faceted approach. We first illustrate how hierarchical spatial relationships can be used to provide more flexible retrieval for queries incorporating place names in applications employing online gazetteers and geographical thesauri. We then employ a set of experimental scenarios to investigate key issues affecting use of the associative (RT) thesaurus relationships in semantic distance measures. Previous work has noted the potential of RTs in thesaurus search aids but also the problem of uncontrolled expansion of query term sets. Results presented in this paper suggest the potential for taking account of the hierarchical context of an RT link and specialisations of the RT relationship
- Theme
- Konzeption und Anwendung des Prinzips Thesaurus
-
ALA / Subcommittee on Subject Relationships/Reference Structures: Final Report to the ALCTS/CCS Subject Analysis Committee (1997)
0.12
0.120977595 = product of:
0.14517312 = sum of:
0.0089756185 = weight(_text_:und in 1800) [ClassicSimilarity], result of:
0.0089756185 = score(doc=1800,freq=2.0), product of:
0.104724824 = queryWeight, product of:
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.04725067 = queryNorm
0.085706696 = fieldWeight in 1800, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.02734375 = fieldNorm(doc=1800)
0.042828906 = weight(_text_:anwendung in 1800) [ClassicSimilarity], result of:
0.042828906 = score(doc=1800,freq=2.0), product of:
0.22876309 = queryWeight, product of:
4.8414783 = idf(docFreq=948, maxDocs=44218)
0.04725067 = queryNorm
0.18721949 = fieldWeight in 1800, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
4.8414783 = idf(docFreq=948, maxDocs=44218)
0.02734375 = fieldNorm(doc=1800)
0.014012752 = weight(_text_:des in 1800) [ClassicSimilarity], result of:
0.014012752 = score(doc=1800,freq=2.0), product of:
0.13085164 = queryWeight, product of:
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.04725067 = queryNorm
0.10708885 = fieldWeight in 1800, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.02734375 = fieldNorm(doc=1800)
0.059846714 = weight(_text_:prinzips in 1800) [ClassicSimilarity], result of:
0.059846714 = score(doc=1800,freq=2.0), product of:
0.27041927 = queryWeight, product of:
5.723078 = idf(docFreq=392, maxDocs=44218)
0.04725067 = queryNorm
0.22131084 = fieldWeight in 1800, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
5.723078 = idf(docFreq=392, maxDocs=44218)
0.02734375 = fieldNorm(doc=1800)
0.019509122 = product of:
0.039018244 = sum of:
0.039018244 = weight(_text_:thesaurus in 1800) [ClassicSimilarity], result of:
0.039018244 = score(doc=1800,freq=2.0), product of:
0.21834905 = queryWeight, product of:
4.6210785 = idf(docFreq=1182, maxDocs=44218)
0.04725067 = queryNorm
0.17869665 = fieldWeight in 1800, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
4.6210785 = idf(docFreq=1182, maxDocs=44218)
0.02734375 = fieldNorm(doc=1800)
0.5 = coord(1/2)
0.8333333 = coord(5/6)
- Theme
- Konzeption und Anwendung des Prinzips Thesaurus
-
Gillitzer, B.: Yewno (2017)
0.08
0.08092279 = product of:
0.12138418 = sum of:
0.036985204 = weight(_text_:und in 3447) [ClassicSimilarity], result of:
0.036985204 = score(doc=3447,freq=26.0), product of:
0.104724824 = queryWeight, product of:
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.04725067 = queryNorm
0.3531656 = fieldWeight in 3447, product of:
5.0990195 = tf(freq=26.0), with freq of:
26.0 = termFreq=26.0
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.03125 = fieldNorm(doc=3447)
0.048947323 = weight(_text_:anwendung in 3447) [ClassicSimilarity], result of:
0.048947323 = score(doc=3447,freq=2.0), product of:
0.22876309 = queryWeight, product of:
4.8414783 = idf(docFreq=948, maxDocs=44218)
0.04725067 = queryNorm
0.21396513 = fieldWeight in 3447, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
4.8414783 = idf(docFreq=948, maxDocs=44218)
0.03125 = fieldNorm(doc=3447)
0.022648027 = weight(_text_:des in 3447) [ClassicSimilarity], result of:
0.022648027 = score(doc=3447,freq=4.0), product of:
0.13085164 = queryWeight, product of:
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.04725067 = queryNorm
0.17308173 = fieldWeight in 3447, product of:
2.0 = tf(freq=4.0), with freq of:
4.0 = termFreq=4.0
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.03125 = fieldNorm(doc=3447)
0.012803626 = product of:
0.025607252 = sum of:
0.025607252 = weight(_text_:22 in 3447) [ClassicSimilarity], result of:
0.025607252 = score(doc=3447,freq=2.0), product of:
0.16546379 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.04725067 = queryNorm
0.15476047 = fieldWeight in 3447, 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=3447)
0.5 = coord(1/2)
0.6666667 = coord(4/6)
- Abstract
- Yewno findet Themen und Konzepte (Suchbegriffe und ihre Abstraktionen) in englischsprachigen digitalen Texten mit Methoden des maschinellen Lernens und der künstlichen Intelligenz. Als Ergebnis Ihrer Suchanfrage werden die Konzepte, die Ihre Anfrage betreffen, in vielfältigen sachlichen Beziehungen als graphisches Netzwerk präsentiert, über das Sie einfach navigieren können. Auch versteckte thematische Beziehungen werden hier sichtbar gemacht, die vom Bekannten zu neuen Entdeckungen führen. Im Rahmen einer Pilotphase können Sie über einen interdisziplinären Ausschnitt aus aktuellen englischsprachigen Fachzeitschriften verschiedenster Fachgebiete recherchieren. Die zu den Themen gehörigen Artikel werden in Ausschnitten unmittelbar angezeigt und können in den meisten Fällen direkt als Volltext aufgerufen werden.
"Die Bayerische Staatsbibliothek testet den semantischen "Discovery Service" Yewno als zusätzliche thematische Suchmaschine für digitale Volltexte. Der Service ist unter folgendem Link erreichbar: https://www.bsb-muenchen.de/recherche-und-service/suchen-und-finden/yewno/. Das Identifizieren von Themen, um die es in einem Text geht, basiert bei Yewno alleine auf Methoden der künstlichen Intelligenz und des maschinellen Lernens. Dabei werden sie nicht - wie bei klassischen Katalogsystemen - einem Text als Ganzem zugeordnet, sondern der jeweiligen Textstelle. Die Eingabe eines Suchwortes bzw. Themas, bei Yewno "Konzept" genannt, führt umgehend zu einer grafischen Darstellung eines semantischen Netzwerks relevanter Konzepte und ihrer inhaltlichen Zusammenhänge. So ist ein Navigieren über thematische Beziehungen bis hin zu den Fundstellen im Text möglich, die dann in sogenannten Snippets angezeigt werden. In der Test-Anwendung der Bayerischen Staatsbibliothek durchsucht Yewno aktuell 40 Millionen englischsprachige Dokumente aus Publikationen namhafter Wissenschaftsverlage wie Cambridge University Press, Oxford University Press, Wiley, Sage und Springer, sowie Dokumente, die im Open Access verfügbar sind. Nach der dreimonatigen Testphase werden zunächst die Rückmeldungen der Nutzer ausgewertet. Ob und wann dann der Schritt von der klassischen Suchmaschine zum semantischen "Discovery Service" kommt und welche Bedeutung Anwendungen wie Yewno in diesem Zusammenhang einnehmen werden, ist heute noch nicht abzusehen. Die Software Yewno wurde vom gleichnamigen Startup in Zusammenarbeit mit der Stanford University entwickelt, mit der auch die Bayerische Staatsbibliothek eng kooperiert. [Inetbib-Posting vom 22.02.2017].
- Date
- 22. 2.2017 10:16:49
- Source
- https://www.bsb-muenchen.de/recherche-und-service/suchen-und-finden/yewno/
-
Knorz, G.; Rein, B.: Semantische Suche in einer Hochschulontologie : Ontologie-basiertes Information-Filtering und -Retrieval mit relationalen Datenbanken (2005)
0.05
0.04720161 = product of:
0.09440322 = sum of:
0.04397137 = weight(_text_:und in 4324) [ClassicSimilarity], result of:
0.04397137 = score(doc=4324,freq=12.0), product of:
0.104724824 = queryWeight, product of:
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.04725067 = queryNorm
0.41987535 = fieldWeight in 4324, product of:
3.4641016 = tf(freq=12.0), with freq of:
12.0 = termFreq=12.0
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.0546875 = fieldNorm(doc=4324)
0.028025504 = weight(_text_:des in 4324) [ClassicSimilarity], result of:
0.028025504 = score(doc=4324,freq=2.0), product of:
0.13085164 = queryWeight, product of:
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.04725067 = queryNorm
0.2141777 = fieldWeight in 4324, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.0546875 = fieldNorm(doc=4324)
0.022406347 = product of:
0.044812694 = sum of:
0.044812694 = weight(_text_:22 in 4324) [ClassicSimilarity], result of:
0.044812694 = score(doc=4324,freq=2.0), product of:
0.16546379 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.04725067 = queryNorm
0.2708308 = fieldWeight in 4324, 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=4324)
0.5 = coord(1/2)
0.5 = coord(3/6)
- Abstract
- Ontologien werden eingesetzt, um durch semantische Fundierung insbesondere für das Dokumentenretrieval eine grundlegend bessere Basis zu haben, als dies gegenwärtiger Stand der Technik ist. Vorgestellt wird eine an der FH Darmstadt entwickelte und eingesetzte Ontologie, die den Gegenstandsbereich Hochschule sowohl breit abdecken und gleichzeitig differenziert semantisch beschreiben soll. Das Problem der semantischen Suche besteht nun darin, dass sie für Informationssuchende so einfach wie bei gängigen Suchmaschinen zu nutzen sein soll, und gleichzeitig auf der Grundlage des aufwendigen Informationsmodells hochwertige Ergebnisse liefern muss. Es wird beschrieben, welche Möglichkeiten die verwendete Software K-Infinity bereitstellt und mit welchem Konzept diese Möglichkeiten für eine semantische Suche nach Dokumenten und anderen Informationseinheiten (Personen, Veranstaltungen, Projekte etc.) eingesetzt werden.
- Date
- 11. 2.2011 18:22:25
-
Kasprzik, A.; Kett, J.: Vorschläge für eine Weiterentwicklung der Sacherschließung und Schritte zur fortgesetzten strukturellen Aufwertung der GND (2018)
0.03
0.02752108 = product of:
0.08256324 = sum of:
0.0425268 = weight(_text_:und in 4599) [ClassicSimilarity], result of:
0.0425268 = score(doc=4599,freq=22.0), product of:
0.104724824 = queryWeight, product of:
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.04725067 = queryNorm
0.40608138 = fieldWeight in 4599, product of:
4.690416 = tf(freq=22.0), with freq of:
22.0 = termFreq=22.0
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.0390625 = fieldNorm(doc=4599)
0.040036436 = weight(_text_:des in 4599) [ClassicSimilarity], result of:
0.040036436 = score(doc=4599,freq=8.0), product of:
0.13085164 = queryWeight, product of:
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.04725067 = queryNorm
0.30596817 = fieldWeight in 4599, product of:
2.828427 = tf(freq=8.0), with freq of:
8.0 = termFreq=8.0
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.0390625 = fieldNorm(doc=4599)
0.33333334 = coord(2/6)
- Abstract
- Aufgrund der fortgesetzten Publikationsflut stellt sich immer dringender die Frage, wie die Schwellen für die Titel- und Normdatenpflege gesenkt werden können - sowohl für die intellektuelle als auch die automatisierte Sacherschließung. Zu einer Verbesserung der Daten- und Arbeitsqualität in der Sacherschließung kann beigetragen werden a) durch eine flexible Visualisierung der Gemeinsamen Normdatei (GND) und anderer Wissensorganisationssysteme, so dass deren Graphstruktur intuitiv erfassbar wird, und b) durch eine investigative Analyse ihrer aktuellen Struktur und die Entwicklung angepasster automatisierter Methoden zur Ermittlung und Korrektur fehlerhafter Muster. Die Deutsche Nationalbibliothek (DNB) prüft im Rahmen des GND-Entwicklungsprogramms 2017-2021, welche Bedingungen für eine fruchtbare community-getriebene Open-Source-Entwicklung entsprechender Werkzeuge gegeben sein müssen. Weiteres Potential steckt in einem langfristigen Übergang zu einer Darstellung von Titel- und Normdaten in Beschreibungssprachen im Sinne des Semantic Web (RDF; OWL, SKOS). So profitiert die GND von der Interoperabilität mit anderen kontrollierten Vokabularen und von einer erleichterten Interaktion mit anderen Fach-Communities und kann umgekehrt auch außerhalb des Bibliothekswesens zu einem noch attraktiveren Wissensorganisationssystem werden. Darüber hinaus bieten die Ansätze aus dem Semantic Web die Möglichkeit, stärker formalisierte, strukturierende Satellitenvokabulare rund um die GND zu entwickeln. Daraus ergeben sich nicht zuletzt auch neue Perspektiven für die automatisierte Sacherschließung. Es wäre lohnend, näher auszuloten, wie und inwieweit semantisch-logische Verfahren den bestehenden Methodenmix bereichern können.
- Content
- Vortrag anlässlich des 107. Deutschen Bibliothekartages 2018 in Berlin, Themenkreis "Fokus Erschließen & Bewahren". https://www.o-bib.de/article/view/5390/7450. https://doi.org/10.5282/o-bib/2018H4S127-140.
-
Hoppe, T.: Semantische Filterung : ein Werkzeug zur Steigerung der Effizienz im Wissensmanagement (2013)
0.02
0.022521129 = product of:
0.067563385 = sum of:
0.035534237 = weight(_text_:und in 2245) [ClassicSimilarity], result of:
0.035534237 = score(doc=2245,freq=6.0), product of:
0.104724824 = queryWeight, product of:
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.04725067 = queryNorm
0.33931053 = fieldWeight in 2245, product of:
2.4494898 = tf(freq=6.0), with freq of:
6.0 = termFreq=6.0
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.0625 = fieldNorm(doc=2245)
0.03202915 = weight(_text_:des in 2245) [ClassicSimilarity], result of:
0.03202915 = score(doc=2245,freq=2.0), product of:
0.13085164 = queryWeight, product of:
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.04725067 = queryNorm
0.24477452 = fieldWeight in 2245, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.0625 = fieldNorm(doc=2245)
0.33333334 = coord(2/6)
- Abstract
- Dieser Artikel adressiert einen Randbereich des Wissensmanagements: die Schnittstelle zwischen Unternehmens-externen Informationen im Internet und den Leistungsprozessen eines Unternehmens. Diese Schnittstelle ist besonders für Unternehmen von Interesse, deren Leistungsprozesse von externen Informationen abhängen und die auf diese Prozesse angewiesen sind. Wir zeigen an zwei Fallbeispielen, dass die inhaltliche Filterung von Informationen beim Eintritt ins Unternehmen ein wichtiges Werkzeug darstellt, um daran anschließende Wissens- und Informationsmanagementprozesse effizient zu gestalten.
-
Mandalka, M.: Open semantic search zum unabhängigen und datenschutzfreundlichen Erschliessen von Dokumenten (2015)
0.02
0.018049784 = product of:
0.054149352 = sum of:
0.04213842 = weight(_text_:und in 2133) [ClassicSimilarity], result of:
0.04213842 = score(doc=2133,freq=60.0), product of:
0.104724824 = queryWeight, product of:
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.04725067 = queryNorm
0.40237278 = fieldWeight in 2133, product of:
7.745967 = tf(freq=60.0), with freq of:
60.0 = termFreq=60.0
2.216367 = idf(docFreq=13101, maxDocs=44218)
0.0234375 = fieldNorm(doc=2133)
0.01201093 = weight(_text_:des in 2133) [ClassicSimilarity], result of:
0.01201093 = score(doc=2133,freq=2.0), product of:
0.13085164 = queryWeight, product of:
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.04725067 = queryNorm
0.091790445 = fieldWeight in 2133, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
2.7693076 = idf(docFreq=7536, maxDocs=44218)
0.0234375 = fieldNorm(doc=2133)
0.33333334 = coord(2/6)
- Abstract
- Ob grösserer Leak oder Zusammenwürfeln oder (wieder) Erschliessen umfangreicherer (kollaborativer) Recherche(n) oder Archive: Immer öfter müssen im Journalismus größere Datenberge und Dokumentenberge erschlossen werden. In eine Suchmaschine integrierte Analyse-Tools helfen (halb)automatisch.
- Content
- "Open Semantic Desktop Search Zur Tagung des Netzwerk Recherche ist die Desktop Suchmaschine Open Semantic Desktop Search zum unabhängigen und datenschutzfreundlichen Erschliessen und Analysieren von Dokumentenbergen nun erstmals auch als deutschsprachige Version verfügbar. Dank mächtiger Open Source Basis kann die auf Debian GNU/Linux und Apache Solr basierende freie Software als unter Linux, Windows oder Mac lauffähige virtuelle Maschine kostenlos heruntergeladen, genutzt, weitergegeben und weiterentwickelt werden. Dokumentenberge erschliessen Ob grösserer Leak oder Zusammenwürfeln oder (wieder) Erschliessen umfangreicherer (kollaborativer) Recherche(n) oder Archive: Hin und wieder müssen größere Datenberge bzw. Dokumentenberge erschlossen werden, die so viele Dokumente enthalten, dass Mensch diese Masse an Dokumenten nicht mehr alle nacheinander durchschauen und einordnen kann. Auch bei kontinuierlicher Recherche zu Fachthemen sammeln sich mit der Zeit größere Mengen digitalisierter oder digitaler Dokumente zu grösseren Datenbergen an, die immer weiter wachsen und deren Informationen mit einer Suchmaschine für das Archiv leichter auffindbar bleiben. Moderne Tools zur Datenanalyse in Verbindung mit Enterprise Search Suchlösungen und darauf aufbauender Recherche-Tools helfen (halb)automatisch.
Unabhängiges Durchsuchen und Analysieren grosser Datenmengen Damit können investigativ arbeitende Journalisten selbstständig und auf eigener Hardware datenschutzfreundlich hunderte, tausende, hunderttausende oder gar Millionen von Dokumenten oder hunderte Megabyte, Gigabytes oder gar einige Terabytes an Daten mit Volltextsuche durchsuchbar machen. Automatische Datenanreicherung und Erschliessung mittels Hintergrundwissen Zudem wird anhand von konfigurierbaren Hintergrundwissen automatisch eine interaktive Navigation zu in Dokumenten enthaltenen Namen von Bundestagsabgeordneten oder Orten in Deutschland generiert oder anhand Textmustern strukturierte Informationen wie Geldbeträge extrahiert. Mittels Named Entities Manager für Personen, Organisationen, Begriffe und Orte können eigene Rechercheschwerpunkte konfiguriert werden, aus denen dann automatisch eine interaktive Navigation (Facettensuche) und aggregierte Übersichten generiert werden. Automatische Datenvisualisierung Diese lassen sich auch visualisieren: So z.B. die zeitliche Verteilung von Suchergebnissen als Trand Diagramm oder durch gleichzeitige Nennung in Dokumenten abgeleitete Verbindungen als Netzwerk bzw. Graph.
Automatische Texterkennung (OCR) Dokumente, die nicht im Textformat, sondern als Grafiken vorliegen, wie z.B. Scans werden automatisch durch automatische Texterkennung (OCR) angereichert und damit auch der extrahierte Text durchsuchbar. Auch für eingebettete Bilddateien bzw. Scans innerhalb von PDF-Dateien. Unscharfe Suche mit Listen Ansonsten ist auch das Recherche-Tool bzw. die Such-Applikation "Suche mit Listen" integriert, mit denen sich schnell und komfortabel abgleichen lässt, ob es zu den einzelnen Einträgen in Listen jeweils Treffer in der durchsuchbaren Dokumentensammlung gibt. Mittels unscharfer Suche findet das Tool auch Ergebnisse, die in fehlerhaften oder unterschiedlichen Schreibweisen vorliegen. Semantische Suche und Textmining Im Recherche, Textanalyse und Document Mining Tutorial zu den enthaltenen Recherche-Tools und verschiedenen kombinierten Methoden zur Datenanalyse, Anreicherung und Suche wird ausführlicher beschrieben, wie auch eine große heterogene und unstrukturierte Dokumentensammlung bzw. eine grosse Anzahl von Dokumenten in verschiedenen Formaten leicht durchsucht und analysiert werden kann.
Virtuelle Maschine für mehr Plattformunabhängigkeit Die nun auch deutschsprachig verfügbare und mit deutschen Daten wie Ortsnamen oder Bundestagsabgeordneten vorkonfigurierte virtuelle Maschine Open Semantic Desktop Search ermöglicht nun auch auf einzelnen Desktop Computern oder Notebooks mit Windows oder iOS (Mac) die Suche und Analyse von Dokumenten mit der Suchmaschine Open Semantic Search. Als virtuelle Maschine (VM) lässt sich die Suchmaschine Open Semantic Search nicht nur für besonders sensible Dokumente mit dem verschlüsselten Live-System InvestigateIX als abgeschottetes System auf verschlüsselten externen Datenträgern installieren, sondern als virtuelle Maschine für den Desktop auch einfach unter Windows oder auf einem Mac in eine bzgl. weiterer Software und Daten bereits existierende Systemumgebung integrieren, ohne hierzu auf einen (für gemeinsame Recherchen im Team oder für die Redaktion auch möglichen) Suchmaschinen Server angewiesen zu sein. Datenschutz & Unabhängigkeit: Grössere Unabhängigkeit von zentralen IT-Infrastrukturen für unabhängigen investigativen Datenjournalismus Damit ist investigative Recherche weitmöglichst unabhängig möglich: ohne teure, zentrale und von Administratoren abhängige Server, ohne von der Dokumentenanzahl abhängige teure Software-Lizenzen, ohne Internet und ohne spionierende Cloud-Dienste. Datenanalyse und Suche finden auf dem eigenen Computer statt, nicht wie bei vielen anderen Lösungen in der sogenannten Cloud."
- Source
- http://www.linux-community.de/Internal/Nachrichten/Open-Semantic-Search-zum-unabhaengigen-und-datenschutzfreundlichen-Erschliessen-von-Dokumenten
-
Zhang, J.; Mostafa, J.; Tripathy, H.: Information retrieval by semantic analysis and visualization of the concept space of D-Lib® magazine (2002)
0.01
0.0077029103 = product of:
0.04621746 = sum of:
0.04621746 = product of:
0.09243492 = sum of:
0.09243492 = weight(_text_:thesaurus in 1211) [ClassicSimilarity], result of:
0.09243492 = score(doc=1211,freq=22.0), product of:
0.21834905 = queryWeight, product of:
4.6210785 = idf(docFreq=1182, maxDocs=44218)
0.04725067 = queryNorm
0.42333555 = fieldWeight in 1211, product of:
4.690416 = tf(freq=22.0), with freq of:
22.0 = termFreq=22.0
4.6210785 = idf(docFreq=1182, maxDocs=44218)
0.01953125 = fieldNorm(doc=1211)
0.5 = coord(1/2)
0.16666667 = coord(1/6)
- Abstract
- From the user's perspective, however, it is still difficult to use current information retrieval systems. Users frequently have problems expressing their information needs and translating those needs into queries. This is partly due to the fact that information needs cannot be expressed appropriately in systems terms. It is not unusual for users to input search terms that are different from the index terms information systems use. Various methods have been proposed to help users choose search terms and articulate queries. One widely used approach is to incorporate into the information system a thesaurus-like component that represents both the important concepts in a particular subject area and the semantic relationships among those concepts. Unfortunately, the development and use of thesauri is not without its own problems. The thesaurus employed in a specific information system has often been developed for a general subject area and needs significant enhancement to be tailored to the information system where it is to be used. This thesaurus development process, if done manually, is both time consuming and labor intensive. Usage of a thesaurus in searching is complex and may raise barriers for the user. For illustration purposes, let us consider two scenarios of thesaurus usage. In the first scenario the user inputs a search term and the thesaurus then displays a matching set of related terms. Without an overview of the thesaurus - and without the ability to see the matching terms in the context of other terms - it may be difficult to assess the quality of the related terms in order to select the correct term. In the second scenario the user browses the whole thesaurus, which is organized as in an alphabetically ordered list. The problem with this approach is that the list may be long, and neither does it show users the global semantic relationship among all the listed terms.
Nevertheless, because thesaurus use has shown to improve retrieval, for our method we integrate functions in the search interface that permit users to explore built-in search vocabularies to improve retrieval from digital libraries. Our method automatically generates the terms and their semantic relationships representing relevant topics covered in a digital library. We call these generated terms the "concepts", and the generated terms and their semantic relationships we call the "concept space". Additionally, we used a visualization technique to display the concept space and allow users to interact with this space. The automatically generated term set is considered to be more representative of subject area in a corpus than an "externally" imposed thesaurus, and our method has the potential of saving a significant amount of time and labor for those who have been manually creating thesauri as well. Information visualization is an emerging discipline and developed very quickly in the last decade. With growing volumes of documents and associated complexities, information visualization has become increasingly important. Researchers have found information visualization to be an effective way to use and understand information while minimizing a user's cognitive load. Our work was based on an algorithmic approach of concept discovery and association. Concepts are discovered using an algorithm based on an automated thesaurus generation procedure. Subsequently, similarities among terms are computed using the cosine measure, and the associations among terms are established using a method known as max-min distance clustering. The concept space is then visualized in a spring embedding graph, which roughly shows the semantic relationships among concepts in a 2-D visual representation. The semantic space of the visualization is used as a medium for users to retrieve the desired documents. In the remainder of this article, we present our algorithmic approach of concept generation and clustering, followed by description of the visualization technique and interactive interface. The paper ends with key conclusions and discussions on future work.
-
Fowler, R.H.; Wilson, B.A.; Fowler, W.A.L.: Information navigator : an information system using associative networks for display and retrieval (1992)
0.01
0.0055740355 = product of:
0.03344421 = sum of:
0.03344421 = product of:
0.06688842 = sum of:
0.06688842 = weight(_text_:thesaurus in 919) [ClassicSimilarity], result of:
0.06688842 = score(doc=919,freq=2.0), product of:
0.21834905 = queryWeight, product of:
4.6210785 = idf(docFreq=1182, maxDocs=44218)
0.04725067 = queryNorm
0.30633712 = fieldWeight in 919, product of:
1.4142135 = tf(freq=2.0), with freq of:
2.0 = termFreq=2.0
4.6210785 = idf(docFreq=1182, maxDocs=44218)
0.046875 = fieldNorm(doc=919)
0.5 = coord(1/2)
0.16666667 = coord(1/6)
- Abstract
- Document retrieval is a highly interactive process dealing with large amounts of information. Visual representations can provide both a means for managing the complexity of large information structures and an interface style well suited to interactive manipulation. The system we have designed utilizes visually displayed graphic structures and a direct manipulation interface style to supply an integrated environment for retrieval. A common visually displayed network structure is used for query, document content, and term relations. A query can be modified through direct manipulation of its visual form by incorporating terms from any other information structure the system displays. An associative thesaurus of terms and an inter-document network provide information about a document collection that can complement other retrieval aids. Visualization of these large data structures makes use of fisheye views and overview diagrams to help overcome some of the inherent difficulties of orientation and navigation in large information structures.
-
Bradford, R.B.: Relationship discovery in large text collections using Latent Semantic Indexing (2006)
0.00
0.0021339378 = product of:
0.012803626 = sum of:
0.012803626 = product of:
0.025607252 = sum of:
0.025607252 = weight(_text_:22 in 1163) [ClassicSimilarity], result of:
0.025607252 = score(doc=1163,freq=2.0), product of:
0.16546379 = queryWeight, product of:
3.5018296 = idf(docFreq=3622, maxDocs=44218)
0.04725067 = queryNorm
0.15476047 = fieldWeight in 1163, 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=1163)
0.5 = coord(1/2)
0.16666667 = coord(1/6)
- Source
- Proceedings of the Fourth Workshop on Link Analysis, Counterterrorism, and Security, SIAM Data Mining Conference, Bethesda, MD, 20-22 April, 2006. [http://www.siam.org/meetings/sdm06/workproceed/Link%20Analysis/15.pdf]
