Information Retrieval und künstliche Intelligenz

Front Cover
Springer-Verlag, Nov 9, 2007 - Business & Economics - 234 pages
In nahezu allen Unternehmen gilt heute die effiziente Nutzung der Ressource „Wissen“ als einer der kritischen Erfolgsfaktoren; dem Wissensmanagement wird immer größere Aufmerksamkeit geschenkt. Häufig steht man dabei vor dem Problem, aus einer ständig wachsenden Menge gespeicherter Text-Do- mente die für eine aktuelle Fragestellung relevanten Dokumente heraus- suchen. Information-Retrieval-Systeme sollen den Benutzer bei der Informationssuche unterstützen. Die verfügbaren Information-Retrieval-Systeme bieten dem un- übten Benutzer jedoch zu wenig Unterstützung. Da die zu recherchierenden Texte in der Regel ohne lexikalische Kontrolle – und häufig noch dazu in v- schiedenen Sprachen - verfasst wurden, ist es dem Benutzer kaum möglich, die treffenden Termini für seine Suchanfrage zu „erraten“. Die Benutzeroberfläche solcher Systeme muss so gestaltet werden, dass auch der ungeübte Benutzer seinen Informationsbedarf in einfacher Weise formulieren kann. Nach der im vorliegenden Buch entwickelten Methode soll dieses Ziel erreicht werden, indem Methoden, die im Forschungsgebiet der Künstlichen Intelligenz (KI) entwickelt wurden, auf das Problem des Information Retrieval übertragen werden: Zwischen den Benutzer und das Information-Retrieval-System soll sich ein sogenannter KI-Assistent schieben, der dem Benutzer in dreierlei Hinsicht Hilfe anbietet: 1. Durch eine geeignete Menüführung soll der Benutzer dabei unterstützt werden, seine Suchanfrage nach einer semantisch orientierten Methode zu konstruieren.
 

What people are saying - Write a review

We haven't found any reviews in the usual places.

Contents

Einführung
1
Unter Verwendung von Methoden des Begriffslernens soll der Benutzer
3
Modell der Einbindung eines KIAssistenten
13
Programmiersprache für den KIAssistenten 53
52
Entwurf eines KIAssistenten
107
Für die Formulierung der Algorithmen nach denen die abstrakten Maschinen
211
Copyright

Other editions - View all

Common terms and phrases

Abbildung abstrakten Maschinen abstrakter Datentyp Aktivator Aktivator-Rückkehrpunkt aktiviert Aktivierungspunkt Algorithmen Algorithmus Anfragesprache Anweisung Anwenderprogrammen begin Begriffskonstrukte BEGRIFFSKONSTRUKTE PRÄZISIEREN beispielsweise Benutzer bereitgestellt Beschreibung beschrieben bewerteten Dokument CICS Datenbank Datenobjekt Doku Dokumenten-Nummer DOKUMENTENANALYSE Einfachalternative Element Endpunkt Endungen Endungsfolge enthält ENTSCHEIDUNGSBAUM erfolgt erreicht ersten erweiterte Steuerprogramm FIXED folgenden Fundorte Funktion Generator generiert Generierungspunkt gespeichert Grobanfrage H0-Hypothese Identifikator Information Retrieval Information-Retrieval-System STAIRS jeweils Klasse ausgeben Klassifikator Kommando Kommunikation KOMPROMISS kumulierte Bewertungsmaß Künstlichen Intelligenz Lesekopf lexikalische Analyse Liste Maschine IRS Maschine m1 Maschine WORTLISTE Maschinen des KI-Assistenten Menge Modell Monitormaschine Morphem Morphemklasse muss Nachricht Nachrichtenbereich MESSAGE nichtüberwachten Lernprozess Niveau Offerten PL/I Präfix Präfixbaum Programmiersprache realisiert Referenznummer referierten Dokumente Rekursions-Schritt rekursive relevanten Dokumente Relevanzbewertung Routine Selektionsergebnis Selektionsoperation Sendepunkt Sequenzdiagramm soll Speicherbereich Steuerung Steuerungsübergabe Stringheap Struktur Stufe des Klassifikators Symbolfolge System Teilmengen Teilsystem Teilsystem WÖRTERBUCH Teilsystems überwachten Lernprozess unserem Variablen Wort WORTENTSCHEIDUNG Wortformen Zeichenkette Zeitpunkt Zerlegung Zusammenspiel zusätzliche Intelligenz κ μ

About the author (2007)

Prof. Dr. Helmut Jarosch lehrt auf den Gebieten "Betriebliche Informationssysteme", "Geschäftsprozessmodellierung“ und "Datenbanken“ an der Fachhochschule für Wirtschaft Berlin.

Bibliographic information