Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
Informationsbeschaffung im Internet
1
Vortrag für dieBrandenburgische Arbeitsgemeinschaft für Information (BRAGI)
Informationsbeschaffung im Internet
Übersicht, Besonderheiten und neuere Entwicklungen
Prof. Dr. Günther NeherFachhochschule Potsdam
11.02.2010
Informationsbeschaffung im Internet
2
Chronologie der „Suchdienste“
Anfang 70er: Erste Online-Datenbanken zur Recherche von Fachinformationen
• DIALOG (ursprünglich internes IS der Firma Lockheed)• NLM (National Library of Medicine, 1972)• DIMDI (Deutsches Institut für Medizinische Dokumentation und Information, 1974)• Erste Online Bibliothekskataloge (Online Public Access Catalogue, OPACs)
1990: ARCHIE (abgeleitet von „archive“). Dienst zum Durchsuchen von FTP-Archiven. Abfrage via telnet
1991: WAIS (Wide Area Information Server)GOPHER (eigener Internetdienst: Port 70, Gopher-Protokoll: RFC 1436)
Zugang über spezielle Gopher-Clients (heute auch noch via Web-Browser)„Gopherspace“ als „Vorläufer“ des WWW
1992: VERONICAMenü-orientierter Suchdienst für Gopher-Verzeichnisse
„Prä-WWW“
Informationsbeschaffung im Internet
3
Chronologie der „Suchdienste“
„WWW“ (Quelle: http://www.searchenginejournal.com/search-engine-history/13152/ )
http://www.searchenginejournal.com/search-engine-history/13152/
Informationsbeschaffung im Internet
4
Typologie der Suchdienste
Allgemeine („universelle“) Suchdienste
• Volltext-Suchmaschinen
• Webkataloge
• Metasuchmaschinen
Spezialisierte Suchdienste / Deep Web
Thematischz.B. Tourismus, Film, Produkte, ...
MedientypAudio, Video, Bild, Software, ...
Informationstyp• Nachrichten• Fakteninformation• Bibliographische Information• Wissenschaftliche Fachinformation• ...
Informationsbeschaffung im Internet
5
Wichtige Vergleichskriterien zwischen Volltext-Suchmaschinen sind u.a.:
• Umfang/Abdeckung, d.h. die Anzahl der indexierten Webseiten• Aktualität, d.h. zeitlicher Abstand zwischen einer Seitenindexierung• Rankingverfahren, d.h. die Art der Relevanzbewertung
Google: http://www.google.comAltavista: http://www.altavista.comMSN Search: http://search.msn.comFireball: http://www.fireball.de…
Beispiele:
Typologie der Suchdienste: Volltext-Suchmaschinen
Definition:Unter dem Begriff Volltext-Suchmaschine werden Suchdienste verstanden, welche rein maschinell einen Volltextindex von Internetressourcen (Webseiten) erstellen und diesen durchsuchbarin einer Datenbank ablegen.
Keine der existierenden Suchmaschinen deckt die gesamte im WWW verfügbare Information ab !
Informationsbeschaffung im Internet
6
Typologie der Suchdienste: Volltext-Suchmaschinen
Beispiel: http://www.google.com
Informationsbeschaffung im Internet
7
Typologie der Suchdienste: Webkataloge
Definition:Webkataloge oder Webverzeichnisse sind i.d.R. manuell erstellte undredaktionell betreute, nach einem bestimmten Klassifikationssystem(Taxonomie) hierarchisch geordnete Sammlungen von Hyperlinks.
Beispiele:
Open Directory Project (ODP): http://dmoz.org
Yahoo!: http://dir.yahoo.com
Allesklar.de: http://www.allesklar.de
aber auch sog. „Subject Gateways“, z.B.
http://www.library.uq.edu.au/internet/subject_gateways1.html
http://infomine.ucr.edu/
Informationsbeschaffung im Internet
8
Typologie der Suchdienste: Webkataloge
Beispiel: http://dmoz.org
Informationsbeschaffung im Internet
9
Webkataloge: Funktionsweise (schematisch)
(Bildquelle: Hartmann et al., S.111)
Informationsbeschaffung im Internet
10
Webkataloge: Klassifikationssystem (Taxonomie)
Problematik:
• Keine einheitliche, verbindliche Systematik• Optimale Einordnung häufig unklar
Informationsbeschaffung im Internet
11
• Metasuchmaschinen unterhalten keine eigene Indexdatenbank
• Die wesentlichen „Eigenleistungen“ einer Metasuchmaschine bestehen in der „Übersetzung“ einer Suchanfrage in die Syntax verschiedener Suchmaschinenund in der Zusammenführung der Suchergebnisse (Ranking, Dublettenentfernung)
• Metasuchmaschinen machen deshalb Sinn, weil keine einzelne Suchmaschine das gesamte Web abdeckt
• Metasuchmaschinen bieten in der Regel weniger Suchoptionen, als jede einzelneder Suchmaschinen => „kleinster gemeinsamer Nenner“
Typologie der Suchdienste: Metasuchmaschinen
Definition:Unter dem Begriff Meta-Suchmaschine werden hier Suchdienste verstanden, die keinen eigenen Suchindex besitzen, sondern eine Suchanfrage parallel an mehrere „echte“ Suchmaschinen weiterleiten, deren Ergebnisse sammeln und dem Nutzer in aufbereiteter Form präsentieren.
Informationsbeschaffung im Internet
12
Typologie der Suchdienste: Metasuchmaschinen
Beispiel: http://www.metager.de
Informationsbeschaffung im Internet
13
Metasuchmaschinen: Funktionsweise (schematisch)
1
2
34
5
6
(nach: Hartmann et al., S.73)
Metasuchmaschinen besitzen keine eigene Indexdatenbank !„Übersetzen“ und verteilen die Suchanfrage, aggregieren die Suchergebnisse
Informationsbeschaffung im Internet
14
Beispiele:
Metager: http://www.metager.de (deutschsprachig)
WebCrawler: http://www.metacrawler.com/
Vorteile:• Größere Ressourcenabdeckung
• Geringeres Risiko für „Web-Spamming“
Nachteile:• i.a. eingeschränkte Suchoptionen(„kleinster gemeinsamer Nenner“)
• evtl. längere Wartezeiten
Suchdienst 1
Suchdienst 3 Suchdienst 2
ÜberlappungTreffermenge 1
Treffermenge 3 Treffermenge 2
Typologie der Suchdienste: Metasuchmaschinen
Informationsbeschaffung im Internet
15
Volltext-Suchmaschinen: Umfang/Abdeckung
(Quelle: http://www.searchengineshowdown.com )
Relative Größe der Datenbasis „Überlapp“ bei den Suchergebnissen
(Quelle: http://www.searchengineshowdown.com )
Keine Suchmaschine findet alles, unterschiedliche Suchmaschinenliefern unterschiedliche Ergebnisse !
Informationsbeschaffung im Internet
16
Praktisches Experiment: Suchmaschinenvergleich
Zielsetzung: Kennenlernen der Abdeckungsproblematik (Vollständigkeit) und Bewertung (Ranking)
Aufgabe:Suchen Sie bei folgenden Suchdiensten jeweils nacheinander mit einem Suchbegriff Ihrer Wahl
• Yahoo: http://www.yahoo.com• Bing: http://www.bing.com• Google: http://www.google.com
Informationsbeschaffung im Internet
17
Funktionsweisevon (Volltext)Suchmaschinen
Informationsbeschaffung im Internet
18
Suchmaschinen: Funktionsweise
Indexdatenbank/Invertierter Index
(unvollständige und i.d.R. nicht aktuelle „Kopie“ des WWW)
Informationsbeschaffung im Internet
19
(Bildquelle: Hartmann et al., S.63)
Web-Roboter(Robot, Crawler, Spider)
• Ist ein Computerprogramm
• Basiert wesentlich auf derHyperlink-Struktur des WWW
• Sammelt Dokumente auf Basiseiner URL-Liste
• Extrahiert ggf. neue URLs ausden gesammelten Dokumentenund fügt diese der URL-Listehinzu.
• Kann regelbasiert bestimmteDokumentformate übergehenoder gezielt auswählen
Suchmaschinen: Komponenten
Informationsbeschaffung im Internet
20
http://www.touchgraph.com/TGGoogleBrowser.html
http://www.webconfs.com/search-engine-spider-simulator.php
Suchmaschinen: Komponente „Crawler“
Demo:
Informationsbeschaffung im Internet
21
Suchmaschinen: Komponente „Indexer“
(Bildquelle: http://developer.apple.com/DOCUMENTATION/UserExperience/Conceptual/SearchKitConcepts/searchKit_basics/searchKit_basics.html )
„Invertierter Index“
Informationsbeschaffung im Internet
22
• Jedem Indexterm ist eine (evtl. gewichtete) Liste von Dokumentreferenzen zugeordnet
• Ermöglicht ein extrem schnelles Auffinden von Dokumenten, die den Indexterm enthalten
(Bildquelle: Hartmann et al., S.65)
Suchmaschinen: Komponente „Indexer“
„Invertierter Index“
Informationsbeschaffung im Internet
23
Praktisches Experiment: Was Suchmaschinen vom Web "sehen"
Benutzen Sie für dieses Experiment die Webrobot-Simulation
http://www.webconfs.com/search-engine-spider-simulator.php
Zielsetzung:
Untersuchen Sie, was ein Webrobot von folgenden Websites "mitnimmt" (Sehen Sie sich die Seiten jeweils zunächst im Browser an):
• http://www.fh-potsdam.de• http://www.bundestag.de• http://kvk.uni-karlsruhe.de
Was würde ein Web-Robot von der URL http://o2e.fh-potsdam.de/~archiv5
sehen ?
Informationsbeschaffung im Internet
24
Als Ergebnis einer Suchanfrage wird eine geordnete Liste von Dokumentreferenzen angezeigt.
Die Reihenfolge der Dokumentreferenzen (Ranking) entspricht der geschätzten Relevanz der Dokumente in Bezug auf die Suchanfrage aus „Sicht“ der Suchmaschine
Die Relevanz wird (häufig nach geheim gehaltenen Verfahren) mathematisch berechnet
?
(Bildquelle: Hartmann et al., S.32)
Suchmaschinen: Komponente „Query Processor“
Aspekt: Ranking
Informationsbeschaffung im Internet
25
Suchmaschinen: Relevanzberechnung (Ranking)
Plausible (und mathematisch berechenbare) Relevanzkriterien
(Quelle: Hartmann et al., S.37ff)
Informationsbeschaffung im Internet
26
Suchmaschinen: Relevanzberechnung (Ranking)
Problematik:
Die vorhergehenden 6 Rankingkriterien basieren auf dem Textinhalt des jeweiligen Einzeldokumentes und sind daher relativ einfach vom Autor der Seite manipulierbar
SEO : „Search Engine Optimization“
„Web-Spamming“
Lösungsansatz: PageRank-Verfahren von Google
Angelehnt an das Prinzip des „Citation-Index“ bei wissenschaftlichen Publikationen.
Vereinfachtes Prinzip:Je mehr Webseiten „von aussen“ über einen Hyperlink auf ein Dokument verweisen,desto höher sein Rang
S. Brin et al.: "The PageRank Citation Ranking: Bringing Order to the Web"
Informationsbeschaffung im Internet
27
Weiterführend: Funktionsweise von Suchdiensten
Patentschriften von Suchdienstanbietern !
http://ep.espacenet.com/advancedSearch
>> Demo: ranking, google
Informationsbeschaffung im Internet
28
Besonderheiten von(Volltext) Suchmaschinen
Informationsbeschaffung im Internet
29
Die sog. Phrasensuche erlaubt die Suche nach Mehrwortgruppen, d.h. dieSuche nach Wörtern, die genau in der angegebenen Reihenfolge im Textvorkommen (im Gegensatz zur Booleschen AND-Verknüpfung).
Die Phrasensuche ist eine sehr wichtige und nützliche Suchoption bei derSuche im Web, speziell bei sog. „Known-Item-Searches“
Beispiel einer „Known-Item“-Suche
Gesucht wird ein Dokument, von dem ein Zitat bekannt ist:"Dann wird jede Seite nach weiterführenden Verweisen (Hyperlinks) untersucht"
(Zitat aus Hartmann et al. „Informationsbeschaffung im Internet“)
Suchoptionen: Phrasensuche
Suche bei Google
Informationsbeschaffung im Internet
30
Suchoptionen: Metadaten
(Bildquelle: Hartmann et al. S. 81)
„Daten über Daten“
Informationsbeschaffung im Internet
31
Problematik:Zu Webdokumenten existieren i.d.R. keine Metadaten im Sinne einer bibliographischen Erschließung
Dublin-Core hat sich aus verschiedenen Gründen nicht breit genug durchgesetzt
Aber: Webdokumente besitzen formale Eigenschaften, die sich Suchmaschinen als „formale Metadaten“ zur Erzeugung von Teilkollektionen nutzbar machen können:
• Dokumentformat (Dateityp)• Sprache• URL• letztes Änderungsdatum• ...
Diese formalen Metadaten können teilweise sehr effektiv zurInformationssuche ausgenutzt werden
Fortgeschrittene Suchoptionen: Formale Metadaten
Informationsbeschaffung im Internet
32
Fortgeschrittene Suchoptionen: Formale Metadaten
http://www.google.de/intl/de/help/refinesearch.html
http://www.google.de/help/operators.html
Hier gilt ganz besonders: Hilfeseiten des jeweiligen Suchdienstes studieren !
Beispiel: Google
Informationsbeschaffung im Internet
33
Fortgeschrittene Suchoptionen: Formatkategorien
Informationsbeschaffung im Internet
34
Suchhilfen/Benutzerhilfen bei Suchmaschinen
Die Datenbestände von (Volltext)-Suchmaschinen bestehen im wesentlichen aus einer Indexdatenbank ohne inhaltsbezogene Metainformationen.
„Benutzerhilfen“ können i.d.R. nur auf Basis einer bereits vorliegenden (ersten) Treffermenge Ad-Hoc erzeugt werden, z.B.
• Korrekturvorschläge für Tippfehler
• Vorschlag von Alternativbegriffen
• Ähnliche Dokumente („Similar Pages“, „More like this“)
• Anzeige „semantischer“ Verknüpfungen
• Ad-Hoc-Kategorisierung („Clustering“)
Trend: Ständige Erweiterung der Benutzerhilfen, damit auchungeübte Nutzer immer bessere Suchergebnisse erzielen
Informationsbeschaffung im Internet
„Deep Web“ /Invisible Web
35
Informationsbeschaffung im Internet
Deep Web: Grundlagen
Definition
• Unter dem Begriff „Deep Web“ versteht man diejenigen Informations-ressourcen, die zwar prinzipiell über das WWW zugänglich sind, die aber von allgemeinen Suchmaschinen, wie z.B. Google nicht indexiert sind und daher über eine Suchanfrage bei diesen nicht gefunden werden können.
• Synonym zu dem Begriff „Deep Web“ werden häufig die Begriffe„Invisible Web“ oder auch „Hidden Web“ verwendet.
• Diejenigen Informationsressourcen im WWW, die von von allgemeinen Suchmaschinen, wie z.B. Google indexiert sind und daher über eine Suchanfrage bei diesen gefunden werden können, bezeichnet man als „Surface Web“ oder auch „Visible Web“ .
„THE PARADOX OF THE INVISIBLE WEB is that it's easy to understand why it exists, but it's very hard to actually define in concrete, specific terms. In a nutshell, the Invisible Web consists of content that's been excluded from general-purpose search engines and Web directories such as Lycos and LookSmart--and yes, even Google. There's nothing inherently "invisible" about this content. But since this content is not easily located with the information-seeking tools used by most Web users, it's effectively invisible because it's so difficult to find unless you know exactly where to look.“(C.Sherman in: Library Trends,2003)
36
Informationsbeschaffung im Internet
37
Deep Web: Grundlagen
http://www.brightplanet.com/images/stories/pdf/deepwebwhitepaper.pdf
Verteilung von Deep Web Ressourcen nach Typ (Abschätzung, 2001)
Informationsbeschaffung im Internet
Deep Web: Beispiele: Datenbanken: Esp@cenet
Kostenfrei: Bereich Patentrecherche: Escp@cenet
http://ep.espacenet.com/?locale=de_EP
38
Informationsbeschaffung im Internet
http://www.scirus.com/
Deep Web: Beispiele: Hybrid: Scirus, Vascoda, Google Scholar
Teilweise Kostenpflichtig: Bereich Wissenschaft/Technik
„... is the most comprehensive scientific research tool on the web. With over 450 million scientific items indexed at last count, it allows researchers to search for not only journal content but also scientists' homepages, courseware, pre-print server material, patents and institutional repository and website information. ...“
39
Analog: http://www.vascoda.dehttp://scholar.google.de
Informationsbeschaffung im Internet
40
Deep Web: Ressourcen finden: Verzeichnisse
http://aip.completeplanet.com
http://infomine.ucr.edu/
Informationsbeschaffung im Internet
41
Deep Web: Ressourcen finden: Fachdatenbanken
http://rzblx10.uni-regensburg.de/dbinfo/http://rzblx10.uni-regensburg.de/dbinfo/fachliste.php?bib_id=fhpo
Informationsbeschaffung im Internet
42
InformationsbeschaffungNeuere Entwicklungen / Trends
Informationsbeschaffung im Internet
43
Neuere Entwicklungen/Trends: Einstieg
Patente werden i.d.R. angemeldet BEVOR ein Produkt auf den Markt kommt.Patentrecherche kann daher benutzt werden, um neue Entwicklungen/Trendszu erkennen
http://ep.espacenet.com/?locale=de_ep
Besonderheit: Nach SEHR neuen Patentanmeldungen suchen, z.B. „Google 2009“
Informationsbeschaffung im Internet
44
Vermutung:In absehbarer Zeit automatisches Verschlagworten („Taggen“) von Bilddateien bei Google => Bessere Suchfunktion für Biulder (allg. Non-Text-Dokumente)
Trenderkennung durch Patentrecherche: Beispiele
Informationsbeschaffung im Internet
45
Vermutung: In absehbarer Zeit Bewertungsoption bei Google
Trenderkennung durch Patentrecherche: Beispiele
Informationsbeschaffung im Internet
46
Trends: Benutzerhilfen: Ad-Hoc-Kategorisierung (Clustering)
http://clusty.com
Informationsbeschaffung im Internet
47
http://fabdax.fh-potsdam.de/infodata
Trends: Benutzerhilfen: Ad-Hoc-Kategorisierung (Clustering)
Informationsbeschaffung im Internet
48
Trends: Benutzerhilfen: Clustering und Kontextinformationen
http://www.eyeplorer.com/eyePlorer/
Informationsbeschaffung im Internet
BASE: Bielefeld Academic Search Enginehttp://base.ub.uni-bielefeld.de/index.html
49
Trends: Integration von Informationsquellen
(Quelle: BASE)
Informationsbeschaffung im Internet
50
Neuere Entwicklung: „Berechenbares Wissen“: WolframAlpha
http://www.wolframalpha.com/
Informationsbeschaffung im Internet
51
http://www.housingmaps.com/
Beispiel:
Integrationvon Immobilieninformation (craigslist) und Geo-Informationen (google maps)
Trends: Integration von Informationsquellen: Mashups
Informationsbeschaffung im Internet
52
Demo: MashupsGoogle Maps/Flickr: Geographisch zugeordnete Schnappschüsse ☺
Ergebnis: http://fabday.fh-potsdam.de/~neher/mashups/geo/md12-gm-demo5.html
Informationsbeschaffung im Internet
53
InformationsbeschaffungNeuere Entwicklungen / Trends
„Semantic Web“
Informationsbeschaffung im Internet
54
"Die zentrale Anforderung an die nächste Generation von Wissensmanagement-Systemen ist die Möglichkeit, Informationen geeignet zu kombinieren, um damit implizites Wissen ableiten und somit neues Wissen generieren zu können.
Semantik kann diese Anforderungen erfüllen und bildet somit die Grundlage für eine neue Landschaft an Anwendungen, welche die Informationstechnologie in eine Wissenstechnologie transformiert."
[Rudi Studer, AIFB Karlsruhe]
Semantic Web: Vision
The Semantic Web is an extension of the current Web in which information is given well-defined meaning, better enablingcomputers and people to work in cooperations.
[Berners-Lee et al. 2001]
In the Semantic Web, it is not the Semantic which is new, it is the Web which is new.
[Chris Welty, IBM]
Informationsbeschaffung im Internet
(2009) Prof. Dr. Günther Neher 55
"semantic web" inurl:uni- filetype:ppt
Demo: „Semantische Suche“ mit
Suche nach: Lehrmaterialien zum Thema „semantic web“
Funktioniert einigermaßen, dank Faustregel („Heuristik“):
• Implizite Semantik in rein formalen Parametern (hier: Dateityp, URL)
Kenntnis dieser Heuristik beim Nutzer erforderlich !
Bewusste Simulation von Semantik !
Semantic Web: Einstieg
Beispielszenario: Tourismus (Projekt GETESS, 1999)
http://www.getess.de/ms_berichte/veroeffentlichung/iuk99_final.pdf
Wie realisierbar mit Google & Co ??
Urlaub AND Küste AND Rostock AND Wismar ?
Informationsbeschaffung im Internet
56
Beispiel: Informationsbeschaffung im heutigen WWW
<html><body>
Bob ist der Vater von Lisa und Hans.<br>Hans hat 2 Kinder, Ruth und Eva.<br>Lisa hat einen Sohn.<br>Der Sohn von Lisa heisst wie Ihr Vater, Bob<br>
</body></html>
Fiktive Webseite von Google indexiert
Fiktiver Informationsbedarf:
Wieviel Enkel hat Bob ?
Informationsbeschaffung im Internet
57
Semantic Web: Vision
…
<g:person id="ID_1"><g:hasChild id="ID_2">
<g:person id="ID_2"><g:hasChild id="ID_4">
<g:person id="ID_4"><g:name>Bob</g:name>
</g:person></g:hasChild><g:name>Lisa</g:name>
</g:person></g:hasChild>
…
…<xsl:text> Bob hat </xsl:text><xsl:value-of select="count( g:person/g:hasChild/g:person/g:hasChild )"/><xsl:text> Enkel.</xsl:text>…
Dies ist NICHT reale Semantic Web-Technologie, sondern eine Simulation mit XML
>> Demo
Informationsbeschaffung im Internet
58
Trends: „Semantic Web/Linked Data“
http://www.swib09.de/
Informationsbeschaffung im Internet
59
Google-Beispiele:
• Ausfall• Jaguar• Archiv• Dokumentation• Bibliothek• Klausur
Grundlagen: Semantik - Problemstellungen
„der neue Jaguar“
„der junge Jaguar“
Problematik der semantischen Mehrdeutigkeit („Ambiguity“)bei Beschränkung auf die Begriffsebene (Zeichenkette)
Informationsbeschaffung im Internet
60
Google-Beispiel:
Grundlagen: Semantik - Problemstellungen
Problematik der semantischen Unvollständigkeit („Synonymy“)bei Beschränkung auf die Begriffsebene (Zeichenkette)
1.870.000
Anschrift
OR
Adresse8.980.000
8.420.000
• Anschrift
• Adresse
Informationsbeschaffung im Internet
61
Grundlagen: Semantik - Lösungsansätze
Konstruktion einer übergeordneten Ebene Metadaten
Etablierte Methode:
„Erschließung“
Informationsbeschaffung im Internet
62
Basiskonzept: Namensräume
Hintergrund: Semiotisches Dreieck
Bedeutung: Eindeutige Festlegung von Vokabular auf Basis von URIs
URI !!
http://www.w3.org/2006/Talks/0404-mit-tbl/
Informationsbeschaffung im Internet
63
http://www.ivan-herman.net/foaf.rdf
Beispiele für XML-Namensräume
Informationsbeschaffung im Internet
64
Grundlagen: RDF im Semantic Web Schichtenmodell
Bildquelle: http://www.w3.org/2006/Talks/0811-sb-W3Cemergingtech/SemWebStack-tbl-2006a.png
Informationsbeschaffung im Internet
65
http://events.linkeddata.org/iswc2008tutorial/how-to-publish-linked-data-iswc2008-slides.pdf
Stetige Zunahme von RDF-Ressourcen
http://linkeddata.org/
Informationsbeschaffung im Internet
66
Simple Knowledge Organization Systems (SKOS)
http://www.w3.org/2004/02/skos/
RDF-basiertes Vokabular zur Repräsentation von Thesauri, Klassifikationen, etc.
Informationsbeschaffung im Internet
67
SKOS – Simple Knowledge Organization Systems
http://eprints.rclis.org/archive/00007480/01/SKOSSchlagwortSemanticWeb.pdf
Repräsentation von kontrolliertenVokabularen in RDF
http://www.w3.org/2004/02/skos/
http://www.gbv.de/vgm/info/biblio/01VZG/06Publikationen/2007/pdf/pdf_2837.pdf
Informationsbeschaffung im Internet
68
Beispiel: Infodata-Datensätze mit Infodata-SKOS-Thesaurus
>> Demo
http://o2e.fh-potsdam.de/infodata/infodata.rdf (nur Firefox mit Tabulator-Plugin) http://o2e.fh-potsdam.de/infodatathes/concepts
Informationsbeschaffung im Internet
69
Danke für Ihre Aufmerksamkeit
</ENDE>