Autor*innen mit den meisten Dokumenten
Auflistung nach:
Neueste Veröffentlichungen
- ZeitschriftenartikelSemantische Suche(HMD Praxis der Wirtschaftsinformatik: Vol. 47, No. 1, 2010) Sack, HaraldenTraditionelle Suchmaschinen stoβen im World Wide Web heute schnell an ihre Grenzen. Einerseits liefern Suchanfragen oft Listen mit Millionen von Ergebnisdokumenten zurück, sodass die Vollständigkeit des Suchergebnisses nicht mehr beurteilt werden kann. Andererseits finden sich darin zahlreiche nicht relevante Informationen, verursacht durch die Mehrdeutigkeiten, unterschiedlichen Kontext oder Pragmatik. Wünschenswert wären sowohl eine höhere Treffgenauigkeit und damit Qualität der erzielten Suchergebnisse sowie ein besserer überblick über die Ergebnisse bzw. über den gesamten Suchraum. Abhilfe verspricht eine Suche, die sich am tatsächlichen Inhalt der durchsuchten Dokumente und dessen Bedeutung orientiert anstatt wie heute üblich am Vergleich von Zeichenketten, wobei Kontext und Pragmatik berücksichtigt werden müssen. Im Semantic Web wird die Bedeutung multimedialer Dokumente mithilfe geeigneter Wissensrepräsentationen explizit gemacht. Werden diese semantischen Annotationen in den Suchprozess integriert, eröffnen sich neue Möglichkeiten, die Qualität der erzielten Suchergebnisse zu verbessern und speziell an Benutzerbedürfnisse anzupassen. Inhaltliche Zusammenhänge zwischen einzelnen Dokumenten können explizit gemacht werden und erlauben über Klassifikationen und Kategorisierungen neue Wege der Visualisierung des Such- und Ergebnisraumes hin zu einer explorativen Suche, die es dem Benutzer gestattet, die Suchergebnisse und damit im Zusammenhang stehende Informationen zu erkunden. Diese neuen Möglichkeiten der semantischen Suche sollen am Beispiel der Videosuchmaschine yovisto.com dargestellt werden.
- ZeitschriftenartikelText-Mining-Methoden im Semantic Web(HMD Praxis der Wirtschaftsinformatik: Vol. 47, No. 1, 2010) Schneider, Gerold; Zimmermann, HeinrichenAufbau, Pflege und Nutzung groβer Wissensdatenbanken erfordern den kombinierten Einsatz menschlicher und maschineller Informationsverarbeitung. Da groβe Teile des menschlichen Wissens in Textform vorliegen, bieten sich Methoden des Text Mining zur Extraktion von Wissensinhalten an. Dieser Artikel behandelt Grundlagen des Text Mining im Kontext des Semantic Web. Methoden des Text Mining werden besprochen, die für die halbautomatische Annotierung von Texten und Textteilen eingesetzt werden, insbesondere Eigennamenerkennung (Named-Entity Recognition), automatische Schlüsselworterkennung (Keyword Recognition), automatische Dokumentenklassifikation, teilautomatisches Erstellen von Ontologien und halbautomatische Faktenerkennung (Fact Recognition, Event Recognition). Es werden auch kritische Hintergrundfragen aufgegriffen. Das Problem der zu hohen Fehlerrate und der zu geringen Performanz automatischer Verfahren wird diskutiert. Zwei Beispiele aus der Praxis werden vorgestellt: Erstens das Forschungsprojekt OntoGene der Universität Zürich, in dem Protein-Protein-Interaktionen als Relationstripel aus der Fachliteratur extrahiert werden, und zweitens ein ontologiebasierter Tag-Recommender, der die manuelle Vergabe von Schlüsselwörtern an Wissensressourcen unterstützt.
- ZeitschriftenartikelGlossar zu Web 3.0 & Semantic Web(HMD Praxis der Wirtschaftsinformatik: Vol. 47, No. 1, 2010)
- ZeitschriftenartikelCartoon(HMD Praxis der Wirtschaftsinformatik: Vol. 47, No. 1, 2010)
- ZeitschriftenartikelSemantische Mashups auf Basis des Linked Data Web(HMD Praxis der Wirtschaftsinformatik: Vol. 47, No. 1, 2010) Bizer, Christian; Becker, ChristianenDas World Wide Web wandelt sich von einem Medium zur Veröffentlichung von Texten zu einem Medium zur Veröffentlichung von strukturierten Daten. Neben Web-2.0-APIs spielen bei dieser Entwicklung zunehmend Linked-Data-Technologien eine zentrale Rolle. Linked-Data-Technologien ermöglichen die Vernetzung von Datenbanken mittels Datenlinks auf Basis der Webstandards HTTP-URIs und RDF (Resource Description Framework). Das Linked Data Web deckt ein breites Themenspektrum ab, unter anderem beinhaltet es Informationen zu Orten, Personen, Ereignissen, Publikationen, Musik, Filmen sowie biowissenschaftliche Daten. Semantische Mashups sind Anwendungen, die diesen Datenraum nutzen. Der Artikel erläutert die technologischen Grundlagen von Linked Data und gibt anhand von Beispielen einen überblick über den derzeitigen Entwicklungsstand semantischer Mashups.
- ZeitschriftenartikelImpressum(HMD Praxis der Wirtschaftsinformatik: Vol. 47, No. 1, 2010)
- ZeitschriftenartikelUnstrukturierte Daten im Business Intelligence — Vorgehen, Ergebnisse und Erfahrungen in der praktischen Umsetzung(HMD Praxis der Wirtschaftsinformatik: Vol. 47, No. 1, 2010) Steinecke, Ute; Straub, WalterenInformation- on-Demand und Business Intelligence (BI) gehören zu den weiterhin wachsenden Beratungsfeldern. Standen bisher strukturierte Daten im Vordergrund, so wird es in Zukunft mehr und mehr darum gehen, Informationen aus unstrukturierten Daten wie beispielsweise aus Dokumenten, Videos, Bildern, E-Mails oder Wikis zu erschlieβen und zu nutzen. Unstrukturierte Informationen werden zwar u.a. bereits in ContentManagementsystemen verwaltet, aber in Kombination mit Business Intelligence kaum genutzt. Die Einbindung unstrukturierter Daten in BI-Systeme und deren Auswertung stellt die etablierten BI-Methoden vor vollkommen neue Anforderungen und verlangt zum Teil neue Verfahren und Technologien. Dabei liefern unstrukturierte Daten nicht nur Fakten, sondern vor allem auch Informationen aus dem und über den Kontext. Es kann für den Marketingleiter oder die Produktentwicklung entscheidend sein, ob es sich um positive, negative oder neutrale Kontexte handelt. Für Gewährleistungs- und Servicecenter kann es wesentlich sein, ob es sich um neue oder um bekannte Probleme handelt und in welcher Beziehung diese zu anderen Fragen stehen. An die Unternehmensberatung IBM Global Business Services ist eine Reihe von Anfragen gestellt worden, um unstrukturierte Daten in BI-Systeme zu integrieren und für Auswertungen und Reporting verfügbar zu machen. So wurde gemeinsam mit einer Customer Support Service GmbH ein Projekt aufgesetzt, um die Notizen von Agents auszuwerten, aufzubereiten und über herkömmliches Reporting dem Business bereitzustellen. Ein anderes Projekt hatte zum Ziel, RSS-Feeds automatisch zu klassifizieren und in die internen Informationssysteme zu integrieren. Im Folgenden werden das Vorgehen, die Ergebnisse und die Erfahrungen aus diesen zwei Anwendungen dargestellt.
- ZeitschriftenartikelWie man mit der Wikipedia semantische Verfahren verbessern kann(HMD Praxis der Wirtschaftsinformatik: Vol. 47, No. 1, 2010) Gillmeier, Stephan; Hengartner, Urs; Pedrazzini, SandroenDas automatische Zuweisen von Themengebieten zu beliebigen Dokumenten ist eine der anspruchsvollsten Aufgaben in der Computerlinguistik. Um dies technisch überhaupt bewerkstelligen zu können, setzt es ein gewisses »Verständnis« eines Textes voraus. Üblicherweise werden bei solchen Verfahren groβe — von Hand erstellte — thematisch vorsortierte Datenbanken benutzt. In dieser Arbeit wird zusammen mit statistischen Datenanalysen die »Datenbank« Wikipedia verwendet, um mit ihren semantischen Strukturen automatisch passende Themen von Dokumenten zu identifizieren und anschlieβend zuzuordnen. Darüber hinaus wird mit einem weiteren Verfahren gezeigt, wie das Auffinden ähnlicher Dokumente verbessert werden kann.
- ZeitschriftenartikelVorschau(HMD Praxis der Wirtschaftsinformatik: Vol. 47, No. 1, 2010) Hofmann, Josephine; Gómez, Jorge Marx; Strahringer, Susanne; Teuteberg, Frank; Fröschle, Hans-Peter; Reinheimer, Stefan; Rehrl, Karl; Reich, Siegfried
- ZeitschriftenartikelExtraktion und kartografische Visualisierung von Informationen aus Weblogs(HMD Praxis der Wirtschaftsinformatik: Vol. 47, No. 1, 2010) Portmann, Edy; Kuhn, AdrianenBeim Information Retrieval ist in Anbetracht der Informationsflut entscheidend, relevante Informationen zu finden. Ein vielversprechender Ansatz liegt im semantischen Web, wobei dem System die Bedeutung von Informationen ontologiebasiert beigebracht wird. Sucht der Benutzer nach Stichworten, werden ihm anhand der Ontologie verwandte Begriffe angezeigt, und er kann mittels Mensch-Maschine-Interaktion seine relevanten Informationen extrahieren. Um eine solche Interaktion zu fördern, werden die Ergebnisse visuell aufbereitet. Dabei liegt der Mehrwert darin, dass der Benutzer anstelle von Tausenden von Suchresultaten in einer fast endlosen Liste ein kartografisch visualisiertes Suchresultat geliefert bekommt. Dabei hilft die Visualisierung, unvorhergesehene Beziehungen zu entdecken und zu erforschen.