Multiagentensysteme in der Informationssuche Überblick über bestehende Technologien und...
54
Multiagentensystem Multiagentensystem e i e i n der n der Informationssuche Informationssuche Ü Ü berblick über bestehende berblick über bestehende Technologien und Technologien und Entwicklungsperspektiven Entwicklungsperspektiven Dariusz Kordoński Seminar Agentensysteme Seminar Agentensysteme
Multiagentensysteme in der Informationssuche Überblick über bestehende Technologien und Entwicklungsperspektiven Dariusz Kordoński Seminar Agentensysteme
Multiagentensysteme in der Informationssuche berblick ber
bestehende Technologien und Entwicklungsperspektiven Dariusz
Kordoski Seminar Agentensysteme
Folie 2
2 Agenda I. traditionelle Informationssuche im Internet
Einfhrung in Information Retrieval Grundlagen von IR
Web-Suchmaschinen das Problem des Informationsberflusses II.
Agenten in der Informationssuche Grundlagen berblick ber
Technologien Mngel der Suchagenten III. Multiagentensysteme
Grundlagen Vorteile der Multiagentensystemen
Folie 3
3 Agenda IV. der biologische Ansatz in der KI neuronale Netze
der genetische Ansatz V. praktische MAS-Anwendungen in der Suche
die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die
Entwicklung Entwicklungsperspektiven der Konzept einer evolutionren
Suchmaschine VII. Fazit
Folie 4
4 Einfhrung in die IR Traditionelle IR im Internet Agenten im
Suchen Multiagentensysteme Praxisbeispiele Biologie in KI Fazit
Entwicklung Information Retrieval
InformationswiedergewinnungInformationsbeschaffung
Informationsrckgewinnung die Nutzende mit Informationen zu
versorgen computergesttzte, inhaltsorientierte Suche
Folie 5
5 Einfhrung in die IR Agenten im Suchen Multiagentensysteme
Praxisbeispiele Fazit Herausforderungen des Internets: verteilte
Daten grer Anteil der wandelbaren Daten riesige Ausmae
unstrukturierte und berflssige Daten niedrige Qualitt von Daten
heterogene Daten Die wichtigste Methoden: Web-Suchmaschinen
Webkataloge Hyperlink-Suchen Traditionelle IR im Internet Biologie
in KI Entwicklung
Folie 6
6 Grundlagen von IR Traditionelle IR im Internet Agenten im
Suchen Multiagentensysteme Praxisbeispiele Fazit Biologie in KI
Entwicklung das Vektorraummodell die tf-idf-Gewichtung precision
und recall technische Tools (parsing, noise-word-Beseitigung,
stemming)
Folie 7
7 Traditionelle IR im Internet Web-Suchmaschinen Agenten im
Suchen Multiagentensysteme Praxisbeispiele Fazit Die Architektur
sofortige Antwort auf die Anfrage Rangliste der Ergebnisse
Kostensenkung durch Indizierung SKALIERBARKEITSMANGEL Biologie in
KI Entwicklung
Folie 8
8 Traditionelle IR im Internet Informationsberfluss Agenten im
Suchen Multiagentensysteme Praxisbeispiele Fazit die im vorigen
Punkt besprochen wurden, bedingen stndige Beteiligung des Benutzers
am Suchprozess. Oft sogar sehr ausfhrliche Anfragen rufen
Ergebnislisten hervor, die aus Millionen von Links bestehen. Dabei
ist Internet-Surfing nur ein winziger Teil der allen Bedrfnissen,
die Entwicklung des Internets nach sich gezogen hat. E-commerce,
news groups, Web Services, (jeszcze?) alle diese Internetbezogenen
Technologien bedingen stndige Informationssuche. Man kann sich
nicht mehr gnnen, auf manuelle Suche die Zeit zu verschwenden.
Diese Situation wird sehr bildlich durch das Zitat dargestellt:
Zusammengefasst fhrt das Web zu der paradoxen Situation, dass der
Einzelne jetzt unbeschrnkten Zugang zu unendlich vielen
Informationen hat, aber die meiste Zeit verbringt, das Gesuchte zu
finden. Ein anderes Beispiel fr die Verfolgung der Natur in KI sind
die genetischen Algorithmen, die ursprnglich zur Problemlsung durch
Suche entwickelt worden sind. Sie verwenden die Hauptprinzipien der
Theorie vom berleben des Strkeren. Problemlsung ist ein Zweig von
KI, der sich mit Herausfindung des besten mglichen Zustandes in
einem bestimmten Zustandsraum, die erlaubte Zustande eines Problems
umfasst, beschftigt, wobei blicherweise die Regeln zum bergang von
einem Zustand in den anderen vorliegen Der beste bedeutet nicht
immer der optimale. In sehr komplexen Problemen, mit denen man
berall immer mehr zu tun hat, gibt es Unmenge von Zustnde,
bergreifende und komplizierte bergangsregeln. Sehr besteht das Ziel
darin, eine Lsung zu finden, die bestimmte Kriterien zufrieden
stellend erfllt und nicht unbedingt global die beste ist. In
solchen Fllen sind die genetischen Algorithmen besonders geeignet,
da sie den Zustandsraum sozusagen parallel die im vorigen Punkt
besprochen wurden, bedingen stndige Beteiligung des Benutzers am
Suchprozess. Oft sogar blicherweise die Regeln zum bergang von
einem Zustand in den anderen vorliegen Der beste bedeutet nicht
immer der optimale. In sehr komplexen Problemen, mit denen stellend
erfllt sehr ausfhrliche Anfragen rufen Ergebnislisten hervor, die
aus Millionen von Links bestehen. Dabei ist Internet-Surfing nur
ein winziger Teil der allen Bedrfnissen, die Entwicklung des
Internets nach sich gezogen hat. E-commerce, news groups, Web
Services, (jeszcze?) alle diese Internetbezogenen Technologien
bedingen stndige Informationssuche. Man kann sich die im vorigen
Punkt besprochen wurden, bedingen stndige Beteiligung des Benutzers
am Suchprozess. Oft sogar blicherweise die Regeln zum bergang von
einem Zustand in den anderen vorliegen Der beste bedeutet nicht
immer der optimale. In sehr komplexen Problemen, mit denen stellend
erfllt die im vorigen Punkt besprochen wurden, bedingen stndige
Beteiligung des Benutzers am Suchprozess. Oft sogar nicht mehr
gnnen, auf manuelle Suche die Zeit zu verschwenden. Diese Situation
wird sehr bildlich durch das Zitat dargestellt: Zusammengefasst
fhrt das Web zu der paradoxen Situation, dass der Einzelne jetzt
unbeschrnkten Zugang zu unendlich vielen Informationen hat, aber
die meiste Zeit verbringt, das Gesuchte zu finden. Gre des
Internets vs. Mglichkeiten der Suchmaschine Zeit des Wiederbesuches
durch einen crawler Menge und Relevanz der gelieferten Links Web
Index Biologie in KI Entwicklung
Folie 9
9 Agenda I. traditionelle Informationssuche im Internet II.
Agenten in der Informationssuche Grundlagen berblick ber
Technologien Mngel der Suchagenten III. Multiagentensysteme
Einfhrung in Information Retrieval Grundlagen von IR
Web-Suchmaschinen das Problem des Informationsberflusses Grundlagen
Vorteile der Multiagentensystemen
Folie 10
10 Grundlagen der Agenten Traditionelle IR im Internet Agenten
in Suche Multiagentensysteme Praxisbeispiele Fazit
Aufgabedelegierungautonome Erfllung Entlastung des Benutzers
selbstndige Bewertung der Relevanz Filterung der Ergebnisse.
Wissensdarstellung Schlussfolgerung Lernen Kontexterkennung
Autonomie Intelligenz Reaktivitt Proaktivitt Kommunikation Mobilitt
Sozialverhalten Adaptivitt lokale Zugriff auf Information
Leistungssteigerung (Zukunft) Biologie in KI Entwicklung
Folie 11
11 berblick ber Technologien Traditionelle IR im Internet
Multiagentensysteme Praxisbeispiele Fazit Web-Roboter
Informationssuchagenten Informationsfilteragenten kollaborative
Agenten Biologie in KI Entwicklung Agenten in Suche
Folie 12
12 Agenten in Suche Mngel der Suchagenten Traditionelle IR im
Internet Multiagentensysteme Praxisbeispiele Fazit Beruhung auf den
traditionellen Tools Erweiterung Intelligenz Teilentlastung
precision recall Teilentlastung Das Problem des
Informationsberflusses wird nicht gelst! Biologie in KI
Entwicklung
Folie 13
13 Agenda II. Agenten in der Informationssuche Grundlagen
berblick ber Technologien Mngel der Suchagenten III.
Multiagentensysteme I. traditionelle Informationssuche im Internet
Einfhrung in Information Retrieval Grundlagen von IR
Web-Suchmaschinen das Problem des Informationsberflusses Grundlagen
Vorteile der Multiagentensystemen
Folie 14
14 Grundlagen Traditionelle IR im Internet Agenten in Suche
Multiagentensysteme Praxisbeispiele Fazit mehrere
AgentenMehragentensysteme beschrnkte Sicht auf die Umgebung keine
globale Steuerung Dezentralisierung der Daten asynchrones Handeln
Multiagentensysteme DPS vs. MAS Biologie in KI Entwicklung
Folie 15
15 Vorteile der MAS Traditionelle IR im Internet Agenten in
Suche Multiagentensysteme Praxisbeispiele Fazit InternetMAS
verteilte Daten niedrige Qualitt von Daten riesige Ausmae
unstrukturierte und berflssige Daten heterogene Daten schnelle,
lokale Anpassung Skalierbarkeit heterogene Architektur Mangel der
zentralen Planung stndige dezentrale Entwicklung verteilte Daten
dynamische Struktur Biologie in KI Entwicklung
Folie 16
16 Agenda IV. der biologische Ansatz in der KI neuronale Netze
der genetische Ansatz V. praktische MAS-Anwendungen in der Suche
die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die
Entwicklung Entwicklungsperspektiven der Konzept einer evolutionren
Suchmaschine VII. Fazit
Folie 17
17 Neuronale Netze Traditionelle IR im Internet Agenten in
Suche Praxisbeispiele Fazit Multiagentensysteme Vorbild:
menschliches Gehirn Neurone durch gewichtete Synapsen verbunden
nderung des Zustandes (Aktivierung) durch Eingabe (input) von
anderen Zellen Ausgabe (output) aufgrund einer bestimmten
Aktivierung Haupteigenschaft - Lernfhigkeit Biologie in KI
Entwicklung
Folie 18
18 Der genetische Ansatz Traditionelle IR im Internet Agenten
in Suche Praxisbeispiele Fazit Multiagentensysteme Vorbild: die
Evolution in Natur Chromosome bilden die Population Bewertung von
Fitness (Gte) Charles Darwin berleben des Strkeren Probabilistische
Auswahl der Fitness-strken Chromosomen Biologie in KI Entwicklung
stndige Steigerung von Fitness: Reproduktion Cross-over
Mutation
Folie 19
19 Der genetische Ansatz Traditionelle IR im Internet Agenten
in Suche Praxisbeispiele Fazit Multiagentensysteme Eigenschaften
paralleles Verfahren Rauschen Flexibilitt dezentrale Anpassung
InternetMultiagentensysteme Biologie in KI Entwicklung
Folie 20
20 Agenda IV. der biologische Ansatz in der KI neuronale Netze
der genetische Ansatz V. praktische MAS-Anwendungen in der Suche
die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die
Entwicklung Entwicklungsperspektiven der Konzept einer evolutionren
Suchmaschine VII. Fazit
Folie 21
21 InfoSpiders/MySpiders Traditionelle IR im Internet Agenten
in Suche Praxisbeispiele Fazit Multiagentensysteme
Multiagentensystem zur Suche im Internet InfoSpiders - Einleitung
Hyperlink-Suchen-Ansatz Realisierung der genetischen Methoden
Parallele, autonome Informationsauffindung Verfolgung der
Graf-Struktur, ohne Indizierung Bewertung von Fitness Reproduktion,
Mutation, Crossover, Elimination Anpassung Verwendung von NN,
Lernen mit Relevanzrckmeldung Dynamische Anpassung der Querende
Biologie in KI Entwicklung
Folie 22
22 Biologie in KI Relevanzrckmeldung InfoSpiders/MySpiders
Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit
Multiagentensysteme InfoSpiders Architektur eines Spider HTML
Parser noise-word-Eliminator Stemmer Dokumentvektor Der Genotyp
Stichwrter Energie Adresse und Zurck-Link Entwicklung
Folie 23
23 Biologie in KI odge Wrterbuch - bersetzung Deutsch-Englisch
Beginnend mit "a" Kostenlose bersetzungen beim Deutsch-Englisch
online Wrterbuch odge.de - Aktuell mit mehr als 420.000 Begriffen.
Czlmcsalc;szkc;azlsc ;ascs;,aszclsa;ldxas Restposten-Plattform.de
Cazsasxcx Zxxczczxc InfoSpiders/MySpiders Traditionelle IR im
Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung
Multiagentensysteme InfoSpiders der Algorithmus (1/4) Moment N +
Gewinn- Kosten odge Wrterbuch - bersetzung Deutsch-Englisch
Beginnend mit "a" Kostenlose bersetzungen beim Deutsch-Englisch
online Wrterbuch odge.de - Aktuell mit mehr als 420.000 Begriffen.
Czlmcsalc;szkc;azlsc ;ascs;,aszclsa;ldxas Restposten-Plattform.de
Cazsasxcx Zxxczczxc
Folie 24
24 Biologie in KI odge Wrterbuch - bersetzung Deutsch-Englisch
Beginnend mit "a" Kostenlose bersetzungen beim Deutsch-Englisch
online Wrterbuch odge.de - Aktuell mit mehr als 420.000 Begriffen.
Czlmcsalc;szkc;azlsc ;ascs;,aszclsa;ldxas Restposten-Plattform.de
Cazsasxcx Zxxczczxc InfoSpiders/MySpiders Traditionelle IR im
Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung
Multiagentensysteme Moment N InfoSpiders der Algorithmus (2/4)
Folie 25
25 Biologie in KI odge Wrterbuch - bersetzung Deutsch-Englisch
Beginnend mit "a" Kostenlose bersetzungen beim Deutsch-Englisch
online Wrterbuch odge.de - Aktuell mit mehr als 420.000 Begriffen.
Czlmcsalc;szkc;azlsc ;ascs;,aszclsa;ldxas Restposten-Plattform.de
Cazsasxcx Zxxczczxc InfoSpiders/MySpiders Traditionelle IR im
Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung
Multiagentensysteme Moment N InfoSpiders der Algorithmus (3/4)
Folie 26
26 InfoSpiders/MySpiders Traditionelle IR im Internet Agenten
in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme
InfoSpiders der Algorithmus (4/4) Evolution: globale
Energieschwelle fr Reproduktion Crossover der Stichwortvektor
Mutation der Stichwortvektor und das neuronale Netz (Gewichten) der
lokale Kontext bei der Mutation Haltbedingungen: Aussterben der
Population MAX_PAGES wird erreicht Anweisung des Benuzters Biologie
in KI Rangfolge der Ergebnisse: hnlichkeit zum Genotyp Fitness des
spider
Folie 27
27 Biologie in KI InfoSpiders/MySpiders Traditionelle IR im
Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung
Multiagentensysteme MySpiders - Einleitung Realisierung von IS als
Java Applett Verwendung von Multithreading
Folie 28
28 Biologie in KI InfoSpiders/MySpiders Traditionelle IR im
Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung
Multiagentensysteme MySpiders die Architektur Benutzerschnittstelle
Manager Spiders Gemeinsame Objekte Cache Namensgeber
Ergebnistabelle Log Hilfsprogramme Dokumentenwiedergewinnung,
Parsing, Stemming usw. Gemeinsame XML Daten
Folie 29
29 Biologie in KI InfoSpiders/MySpiders Traditionelle IR im
Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung
Multiagentensysteme Eigenschaften Evolution Anpassung lokale
Selektion lokale Verinnerlichung selektive Expansion der Querende
Personalisierbarkeit Skalierbarkeit Aktualitt Mobilitt (Zukunft)
Suchmaschinen-Abhngigkeit Geschwindigkeit
Folie 30
30 Amalthaea Traditionelle IR im Internet Agenten in Suche
Praxisbeispiele Fazit Entwicklung Multiagentensysteme Einleitung
Multiagentensystem zum Informationsfiltern knstliches Ekosystem
zwei Populationen von Agenten Marktorientierte Kontrolle
Informationsfilteragenten (IFA) Informationsrckgewinnungsagenten
(IDA) Empfehlungssystem (Informationsrckgewinnung und Filtern)
Benutzerrckmeldung bedeutsam Kooperation und Wettbewerb Biologie in
KI Meta-Suche-Ansatz Realisierung des evolutionren Ansatzes
Folie 31
31 Amalthaea Traditionelle IR im Internet Agenten in Suche
Praxisbeispiele Fazit Entwicklung Multiagentensysteme IFA
-Architektur IFA - Architektur Agent IDint Fitness
dateEntstehungsdatum bool Benutzererschaffungsflag Stichwort
Schlsselwortvektor mov cx,1 int 21 add cx,dx mov dx,2 Der
Ausfhrungskode Biologie in KI
Folie 32
32 Amalthaea Traditionelle IR im Internet Agenten in Suche
Praxisbeispiele Fazit Entwicklung Multiagentensysteme fordert an
und bekommt die Dokumente von IDAs Vergleich mit dem eigenen
Stichwortvektor (Kosinusma) entscheidet, ob der Benutzer an dem
Dokument IFA -Algorithmus IFA - Algorithmus interessiert wre
(Vertrauensniveau von Fitness abhngig) Benutzerrckmeldung ins
Kredit umgesetzt (vom Vertrauensniveau abhngig) Biologie in KI Teil
des bekommenen Kredits als Bezahlung an IDA weitergegeben
Folie 33
33 Amalthaea Traditionelle IR im Internet Agenten in Suche
Praxisbeispiele Fazit Entwicklung Multiagentensysteme IDA
-Architektur IDA - Architektur Agent IDint Fitness date array
Transaktionsgeschichte Suchdaten mov cx,1 int 21 add cx,dx mov dx,2
Der Ausfhrungskode Suchmaschine Anzahl der Stichwrter Min Treffer
Max Treffer Kombinationsmethode Biologie in KI
Entstehungsdatum
Folie 34
34 Amalthaea Traditionelle IR im Internet Agenten in Suche
Praxisbeispiele Fazit Entwicklung Multiagentensysteme bekommt
Suchauftrge von IFAs drei grundlegende Arten: selbstndige Wahl des
Auftrages aufgrund der Geschichte IDA -Algorithmus IDA -
Algorithmus der Transaktionen (80% der Zeit) Beobachten Auffindung
Strmung Biologie in KI
Folie 35
35 Amalthaea Traditionelle IR im Internet Agenten in Suche
Praxisbeispiele Fazit Entwicklung Multiagentensysteme das System
(1/2) Benutzer Benutzerschnittstelle Informationsfilteragenten
Informationsrckgewinnungsagenten Informationsquellen
BeobachtenAuffindungStrmung Dokumente gefilterte Dokumente Digest
Ekosystem Kredit Rckmeldung Hilfs- programme Biologie in KI
Folie 36
36 Amalthaea Traditionelle IR im Internet Agenten in Suche
Praxisbeispiele Fazit Entwicklung Multiagentensysteme Anfang:
verschiedene Methoden zur Erzeugung der ersten das System (2/2)
Generation der IFAs Erzeugung der IDAs durch zuflliges Zugeben vom
Genotyp Biologie in KI Kredit/Fitness: Weitergeben an IDAs durch
IFAs (Bezahlung) lineare Verringerung von Fitness als Handelnsansto
Strafen fr Empfehlung derselben Dokumente Evolution: Reproduktion,
Cross-over, Mutation, Elimination Dynamik abhngig von der
allgemeinen Fitness Bewertung der IFAs in Interessengruppen
Folie 37
37 Amalthaea Traditionelle IR im Internet Agenten in Suche
Praxisbeispiele Fazit Entwicklung Multiagentensysteme Anpassung
Eigenschaften Biologie in KI Konvergenz zum Gleichgewichtspunkt
Evolution Personalisierbarkeit Aktualitt Suchmaschinen-Abhngigkeit
Meta-Suche
Folie 38
38 Agenda IV. der biologische Ansatz in der KI neuronale Netze
der genetische Ansatz V. praktische MAS-Anwendungen in der Suche
die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die
Entwicklung Entwicklungsperspektiven der Konzept einer evolutionren
Suchmaschine VII. Fazit
Folie 39
39 Die Entwicklungsperspektiven Traditionelle IR im Internet
Agenten in Suche Praxisbeispiele Fazit Entwicklung
Multiagentensysteme die zurzeit entwickelten Systeme sind nur als
Komplementierung der blichen Methoden vorgesehen die beiden
vorgestellten Systeme werden nicht mehr Biologie in KI
weiterentwickelt sie greifen mehr oder weniger auf die Indexe der
Suchmaschinen zurck die grundlegende Anstze knnten unter Umstnden
benutzt werden, um eine selbstndige, evolutionre Suchmaschine zu
erschaffen, die die Mngel der traditionellen search engines
vermeidet
Folie 40
40 Eine evolutionre Suchmaschine Traditionelle IR im Internet
Agenten in Suche Praxisbeispiele Fazit Entwicklung
Multiagentensysteme Evolution Biologie in KI marktorientierte
Kontrolle Hauptkonzepte zwei Populationen von Agenten IDAs und IFAs
Gestaltung der Populationen durch Anfragen und globale Fitness
kollaborativer Ansatz bei Klassifizierung der Anfragen
(Interessengruppen)
Folie 41
41 Eine evolutionre Suchmaschine Traditionelle IR im Internet
Agenten in Suche Praxisbeispiele Fazit Entwicklung
Multiagentensysteme auf dem InfoSpiders-Konzept basiert Fitness von
zwei Faktoren abhngig Biologie in KI Wahl der Auftrge der IFAs
dynamische Gestaltung des Zahlbestandes Auftragsannahme verursacht
Mutation Informationsrckgewinnungsagenten Entdeckung der relevanten
Seiten Kredit von Auftraggeber
Folie 42
42 Eine evolutionre Suchmaschine Traditionelle IR im Internet
Agenten in Suche Praxisbeispiele Fazit Entwicklung
Multiagentensysteme auf dem Amalthaea-Konzept basiert Wettbewerb in
Gruppen Biologie in KI Kampf um den Benutzer (Versteigerung)
hnlichkeit der Querende mit dem eigenen Stichwortvektor Fitness
kollaborativer Ansatz bei Klassifizierung der Anfrage
Informationsfilteragenten Geschichte der Transaktionen die erste
Quelle der Antwort Kredit aufgrund Rckmeldung
Folie 43
43 Agenda IV. der biologische Ansatz in der KI neuronale Netze
der genetische Ansatz V. praktische MAS-Anwendungen in der Suche
die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die
Entwicklung Entwicklungsperspektiven der Konzept einer evolutionren
Suchmaschine VII. Fazit
Folie 44
44 Das Fazit Traditionelle IR im Internet Agenten in Suche
Praxisbeispiele Fazit Entwicklung Multiagentensysteme Information
Retrieval im Web ist heutzutage eines der bedeutendsten Fachgebiete
der IT die Gre und Dynamik des Internets machen ein extrem
schwieriges Problem fr leistungsfhige Informations- beschaffung aus
die Web-Suchmaschinen, die traditionell das populrste Tool zum
Suchen im Internet sind, leiden unter Mngel der Skalierbarkeit die
Agenten werden schon seit lngerem in Web-IR benutzt, bieten aber
keine vollstndige Lsung des Problems der Informationsberfluss
Multiagentensysteme erfllen eine Menge von Voraus- setzungen fr ein
innovatives Internet-Suchsystem Biologie in KI
Folie 45
45 Das Fazit Traditionelle IR im Internet Agenten in Suche
Praxisbeispiele Fazit Entwicklung Multiagentensysteme die moderne
Technologien der KI, die Lsungen der Natur nachahmen, erweisen sich
als sehr hilfreich bei Realisierung eines dezentralen
Multiagentensystemes die schon seit des Enden des letzten
Jahrhunderts vorgenommene Forschung hat zur Entwicklung einiger MAS
zur Suche gefhrt, die erheblich hhere Leistung als traditionelle
Suchmaschinen vorweisen diese Systeme greifen aber mehr oder
weniger auf die Dienste der Suchmaschinen zurck und werden eher als
eine Untersttzung der klassischen Methoden angesehen der Konzept
von MAS im Suchen knnte aufgrund der erreichten Ergebnisse
weiterentwickelt werden und zur Realisierung eines vllig
unabhngigen Systems zur Informationssuche fhren Biologie in KI
Folie 46
46 THE END Seminar Agentensysteme Danke fr Eure Aufmerksamkeit!
Danke fr Eure Aufmerksamkeit! Dariusz Kordoski
48 Einfhrung in IR Traditionelle IR im Internet Agenten im
Suchen Multiagentensysteme Praxisbeispiele Fazit Schwerpunkt: Suche
verstndliche Form Umsetzung des Ergebnisses in eine fr den Benutzer
Form Hauptprobleme: Vagheit Umsetzung des Bedarfs in fr die
Maschine verstndliche Unsicherheit Biologie in KI Entwicklung
Folie 49
49 Grundlagen von IR Traditionelle IR im Internet Agenten im
Suchen Multiagentensysteme Praxisbeispiele Fazit Das
Vektorraummodell Gewichtung zwischen den beiden Vektoren
kalkuliert. Da alle die Gewichtungen gleich oder grer als 0 sind,
nimmt der Kosinus die Werte zwischen 0 und 1 an. Daher kann man auf
diese Weise feststellen, inwieweit der Dokument die Abfrage erfllt
und die herausgefundene Dokumente in Hinsicht auf ihre Relevanz
ordnen. Einer der bedeutendsten Probleme dabei ist die
entsprechende Gewichtung der Schlsselwrter. Am hufigsten benutzt
man eine der Variationen der so genannten term-frequency-inverted
document frequency-Gewichtung (tf-idf- Gewichtung). Die Gewichtung
des Terms wird aus zwei Werten zusammengestellt. (Termhufigkeit des
Terms im Dokument) ist einfach die relative Hufigkeit des
Auftretens des Wortes im Dokument Gewichtung Abfrage zwischen
Dokument als eine Kollektion der Schlsselwrter in einem bestimmten
Dokument gewichtet ( ) Gleich wird die Querende dargestellt ( )
Jedes Stichwort im Vektor wird in Hinsicht aufs Auftreten Biologie
in KI Entwicklung
Folie 50
50 Grundlagen von IR Agenten im Suchen Multiagentensysteme
Praxisbeispiele Fazit Das Vektorraummodell Das hnlichkeitsma der
Anfrage mit einem bestimmten Dokument Kosinus des Winkels:
VorteileNachteile Rckgewinnung nur teilweise bereinstimmenden
Dokumente Erschaffung einer Rangfolge in Hinsicht auf Relevanz
mglich Relativ gute Leistung Annahme der unabhngigen Terme
(umstritten) Traditionelle IR im Internet Biologie in KI
Entwicklung
Folie 51
51 Grundlagen von IR Agenten im Suchen Multiagentensysteme
Praxisbeispiele Fazit Die tf-idf-Gewichtung Fragestellung: Wie soll
man die Terme im Vektor gewichten? Proportional zu Hufigkeit im
Dokument (term frequency): Umgekehrt proportional zu Hufigkeit in
der ganzen Sammlung (inverted document frequency): das
zusammengestellte Gewicht: (daher: tf-idf) Traditionelle IR im
Internet Biologie in KI Entwicklung
Folie 52
52 Grundlagen von IR Agenten im Suchen Multiagentensysteme
Praxisbeispiele Fazit Die Bewertungsmethoden Die Sammlung Relevante
Dokumente |R| Gelieferte Dokuente |A| Aufgefundene relevante
Dokumente |Ra| Traditionelle IR im Internet Biologie in KI
Entwicklung
Folie 53
53 Grundlagen von IR Agenten im Suchen Multiagentensysteme
Praxisbeispiele Fazit Die Bewertungsmethoden Precision (Przision):
Recall (Vollstndigkeit): Precision-Recall-Diagramm - Beispiel
Traditionelle IR im Internet Biologie in KI Entwicklung
Folie 54
54 011000011001 001110110111 Der genetische Ansatz
Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit
Multiagentensysteme Das genetische Rauschen Reproduktion Crossover
010 111 001110110111 011000011001 010 111 Mutation 1001
101111010001 100101011110100 Biologie in KI Entwicklung