institute for science networking thomas severiens [email protected] online fachinformation...

Institute for Science Networking

Thomas [email protected]

Online Fachinformation

Veranstaltungsnummern:1.05.07 und 8.1.53

Veranstalter:Eberhard R. HilfMichael HohlfeldHeinrich StamerjohannsThomas Severiens

Zeit und Ort:Montags 14:15 - 15:45A3-4-402

Form:Vorlesung, Kolloquium, Seminarins.uni-oldenburg.de/Institute/education/sose01



Termine und Themen

23.4. Einführung, Strategien, Messgrößen T.S.30.4. Geschichte des Internets, Suchmaschinen, FIZe H.S. 7.5. Zentrale Datenbanken (STN), Fernleihe BIS14.5. Metadaten, Formate T.S.21.5. Dezentrale Konzepte, Portale, PrePrint-Dienste

E.H.,M.H.28.5. MPress J.P. (OS)11.6. Übungsaufgaben18.6. Seminar25.6. Seminar 2.7. Seminar 9.7. Kuchenseminar



Scheinkriterien

Regelmäßige Teilnahme Bearbeitung einer Übungsaufgabe Bericht als kurzer Seminarvortrag Interesse am Thema



Themen today

Einführung

Boolsche Operatoren

Suchstrategien

Messparameter



Was sind die Ziele?

Wo suche ich was? Wie suche ich im Zeitalter des Internet und

digitaler Bibliotheken? Wie funktionieren Suchmaschinen? Welche Konzepte stecken hinter

Suchmaschinen? Welche Möglichkeiten bieten mir Online-

Publikationen?



Information Retrieval

„...leading the user to those documents that will best enable him/her to satisfy his/her need for information.“

S. E. Robertson. The methodology of information retrieval experiments. p. 10. 1981

„...the goal of an information system is for the user to obtain information from the knowledge resource which helps her/him in problem management.“

N. J. Belkin. Cognitive models and information transfer. In: Social Science Inform. Studies (4)2-3, p.111-129, 1984



Retrieval-Prozess

Problem

Problem-analyse

Informations-quellenauswahl

Suchfrageformulieren

Suche

Bewertung

Informations-aufbereitung

Problem:Wie soll man Anfragen zu einem Bereich formulieren, über den man ja noch nicht viel weiß?



Some Definitions

Information„... die Teilmenge von Wissen, die von einer bestimmten Person

oder Gruppe in einer konkreten Situation zur Lösung von Problemen benötigt wird...“

R. Kuhlen, Pragmatischer Mehrwert von Information. Bericht 1989

Informationsbedarf„... Art, Menge und Qualität der Informationsgüter, die ein Informationssubjekt im gegebenen Informationskontext zur Erfüllung einer Aufgabe in einer bestimmten Zeit innerhalb

eines gegebenen Raumgebiets benötigt...“N. Szyberski, p. 904 In: Handwörterbuch der Organisation. 2. Auflage 1980



Some Definitions

Objektiver Informationsbedarf„...Menge derjenigen Informationen..., die in unmittelbarem sachlichem Kontext zu der betrachteten Aufgabe stehen...“

H. Garbe, p.1873, In: Poeschel, Handwörterb. d. Betriebswirtschaft. 4.Aufl.1975

Subjektiver Informationsbedarf„...durch die Person oder die Wünsche des Entscheidungsträgers

determiniert und kann als ein Mangel an Aussagen verstanden werden, den das Informationssubjekt empfindet bzw. zu haben

glaubt...“A.R. Bahlmann, Informationsbedarfsanalysen für das

Beschaffungsmanagement. Mannhold: Gelsenkirchen, 1982



Informationsbedarf, -nachfrage und -angebot

IA

INsubj.

IBobj.

Informationsstand max.Ziel: IN IB

IA IB



Informationsquellenauswahl

Inhaltlich: Fachgebietsabdeckung Art der ausgewerteten Quellen Qualität der Inhalte

Formal: Aktualität des Informationsangebotes (Updates) Qualität der Retrievalsprache geographische Abdeckung zeitliche Abdeckung Kosten Online Hilfen Zugangsberechtigung



Suchfrageformulierung und-erweiterung

Um die semantische Genauigkeit in Bezug auf die Problemstellung zu verbessern, muß eine zunächst formulierte Suchanfrage verbessert werden. Klassische Verfahren der Indexierung und Klassifizierung werden zur Verbesserung der Suchanfrage eingesetzt. Kontrolliertes Vokabular erlaubt dabei den Suchenden, eine gemeinsame Sprache mit den Autoren zu verwenden. Automatische Verfahren, die bspw. auf assoziativen Verfahren oder der Einbindung von relationiertem Vokabular (Thesaurus) beruhen, erhöhen die Anzahl der Suchterme und verbessern damit den Retrievalvorgang.



Operatoren

Die meisten/manche Retrieval-Sprachen kennen Boolsche Operatoren:

ANDORNOT

weitere Operatoren:NEARSOUNDS_LIKE

ordnende Elemente:()“”

Trunkierungen:*?

Reguläre Ausdrücke(regular expressions)

.*\n*[]{}^$



Relevanz

Die Relevanz bezeichnet den Grad der Übereinstimmung der inhaltlichen Aussage eines Dokumentes mit der Suchanfrage.

Man kann beispielsweise verschiedene Relevanzstufen unterscheiden 0: Keine Berührung mit dem Suchthema 1: berührt das Suchthema 2: trifft das Suchthema



Relevanzbewertung: Maßzahlen

Relevanzquote oder „precision“relevante gefundene / alle gefundenen = A / (A+B)

Idealer Wert: 1

Nachweisquote oder „recall“relevante gefundene / alle relevanten = A / (A+C)

Idealer Wert: 1

A = „Treffer“ oder die relevanten gefundenen DokumenteB = „Ballast“ oder die nicht relevanten gefundenen DokumenteC = „Silence“ oder die vermißten relevanten DokumenteD = „Umgangene Dokumente“ oder die nicht nachgewiesenen und nicht relevanten Dokumente

Problem: Wie ermittelt man C ?Schätzwert im Nenner !!!



Relevanzbewertung: Maßzahlen

Ausfallquote oder „fallout ratio“irrelevant gefundene / alle irrelevanten = B / (B+D)

Idealer Wert: 0

Single-Number-Measures relevance balance = (A+C) / (B+D) retrieval balance = (A+B) / (C+D)search distillation = AD - BC

A = „Treffer“ oder die relevanten gefundenen DokumenteB = „Ballast“ oder die nicht relevanten gefundenen DokumenteC = „Silence“ oder die vermißten relevanten DokumenteD = „Umgangene Dokumente“ oder die nicht nachgewiesenen und nicht relevanten Dokumente



Maßauswahl

Boolsche Systeme: 1. Ein System ist umso besser, je mehr

relevante Dokumente gefunden werden. 2. Ein System ist umso besser, je geringer der

Ballast ist. 3. Punkt (1) hat Priorität vor Punkt (2).

Ranking Systeme: Die Position der Dokumente spielt die

entscheidende Rolle.



Bewertungskriterien

Die Fähigkeit eines Systems, alle relevanten Dokumente nachzuweisen

Die Fähigkeit eines Systems, nur relevante Dokumente nachzuweisen

Aufwand, intellektuell und physisch, um die Suchanfragen zu formulieren, die Suche durchzuführen und die Ergebnisse durchzuschauen

Zeit, die zwischen Eingabe der Suchanfrage und der Präsentation der Suchergebnisse vergeht

Ausgabe der Suchergebnisse in weiterverarbeitbarer Form Qualität der Datenbasis (Abdeckung in zeitlicher,

geographischer und inhaltlicher Sicht)



Heterogenität

MassendatenMultimedia

Crosslingualität

Online-Retrieval Semantik

Dateiformate

StrukturData-Warehousing



Evaluierung von IR-Systemen

Datenanalytische Verfahren Vergleich: automatische Indexierung mit

manuellem Pendant differenzierte Fehlerbewertung

wichtig sind die Fehler, die den Zugang zum Dokument verwehren

Statistische und qualitative Verfahren Verbindung von Recall-Precision-Zahlen mit

bestimmten StrategienAnzahl der InteraktionenAnzahl der Deskriptoren



Systemunterschiede

System A: Analyse des Textes in Einzelterme

System B: Grundformenreduktion und Kompositazerlegung

System C: Grundformenreduktion, Kompositazerlegung, Komplexe Deskriptoren

System D: Nominalgruppen max. Länge



TREC

TREC (Text Retrieval Conferences) http://trec.nist.gov/ Ziele:

Herstellung der Vergleichbarkeit der IR-Verfahren durch die Verwendung gleicher Kollektionen und Evaluierungsverfahren.

Zugrundelegung realistisch-großer TestkollektionenBereitstellung operationalistischer Grundlagen für die

Testdurchführung und -auswertung technologischer „Transfer“ zwischen Universitäten und

Industrie



Suche im Netz

W W W

Komponenten des WWW

Information Retrieval

Kataloge

Such-roboter

Suche innerhalbeinesServers

Clientbasierte Suche

Hypertext

HTTP HTML

URI



Katalogbasierte Suche

Charakteristiken: hierarchisch aufgebaut nach Sachgebieten meist nur URL und TITLE-Elemente Einträge werden über WWW-Seiten gemacht meist Stichwortsuche möglich (Indexierung)

Problematik: kein Volltextinvertierung unbefriedigende Abdeckung des WWW-Space Aktualität und Korrektheit hängt vom Eintragenden ab

Vorteile: leichte Handhabung gut für Browsing



Roboterbasierte Suche

Charakteristiken: auch Spider, Wanderer etc. genannt automatisches Holen von WWW-Seiten weltweit diverse Indexierungsverfahren, meist Volltextinvertierung mehrere Abfragemodi, IR-Methoden

Problematik: Anbieter bestimmt Vollständigkeit Performance Sicherheit / Zugriffschutz Aufwendige Konfiguration

Vorteile: Volltextsuche mit IR-Methoden



Agenten

Internet

User-Interface DB

WWW-Library

Search-Search-EngineEngine

Agenten



Eigenschaften von Agenten

Autonomie: Arbeit wird ohne direkte Einflußnahme verrichtet. Agenten planen ihre Aktionen und haben Kontrolle über ihren Zustand.

Sozialfähigkeit: Agenten kommunizieren mit anderen Agenten und mit Menschen.

Reaktionsfähigkeit: Agenten nehmen ihre Umwelt wahr und reagieren auf Änderungen.

Selbständigkeit: Agenten reagieren nicht nur, sondern agieren, um ihre Ziele zu erreichen.

Mobilität: Agenten können sich in Netzwerken bewegen. Wahrhaftigkeit: Ein Agent vermittelt nicht absichtlich falsche

Informationen Gutmütigkeit: Es soll keine Zielkonflikte geben. Rationalität: Agenten handeln so, daß sie ihre Ziele erreichen

können.



Typen von Agenten

IntelligenteAgenten

Software-Agenten

Hardware-Agenten

MenschlicheAgenten

Informations-Agenten

Transaktions-Agenten

Kooperations-Agenten



Intelligenz

Inwieweit wir das Verhalten eines Objektes als intelligent beurteilen, hängt sowohl von unserer eigenen Intelligenz und unserer Ausbildung als auch von den Eigenschaften des fraglichen Objekts ab. Wenn wir in der Lage sind, sein Verhalten zu erklären und vorherzusagen, oder wenn wir ihm keine noch so einfachen Regeln zugrunde legen, so sind wir wenig geneigt, ihm Intelligenz zuzuschreiben. Deshalb ist es möglich, daß ein und dasselbe Objekt von einer Person als intelligent, von einer anderen Person als nicht intelligent beurteilt wird; letztere hat die Regeln für das Verhalten des Objekts herausgefunden. Alan Turing (1912 - 1954)

institute for science networking thomas severiens [email protected] online fachinformation...

Documents