Embed Size (px)
Citation preview
Wissen im Web:
Semantic Web Mining und die Motivation Freiwilliger
Bettina Berendt
Humboldt University Berlin, Institute of Information Systems www.wiwi.hu-berlin.de/~berendt
Dank an ...
meine KoautorInnen (die auf den folgenden Folien gewürdigt sind)unddie Seminargruppen, die am EDOC-Projekt mitgearbeitet haben
und mitarbeiten:
Hanna Brekenfeld, Noppawan Bunyongasena, Thomas Dammeier, Gebhard Dettmar, Kai Dingel, Michael Ferber, Christoph Hanser, Oleg Ishenko, Beate Krause, Altug Kul, Toni Lohde, Egor Nikitin, Thomas Posner, Derya Saki, Mert Sengüner, Daniel Trümper
Semantic Web Mining=
Semantic Web Mining=
Semantic Web Mining
Agenda
Makrokosmos
BegriffeSemantic Web MiningSemantic Web MiningSemantic Web Mining
Mikrokosmos
BeispieleSemantics MiningSemantics Mining
“Makrokosmos World Wide Web”
Das Potenzial
Sehr viel Wissen, für Menschen zugänglich.
Die Probleme
Sehr viel Wissen, für Menschen zugänglich.
Web Mining
Formen
Knowledge discovery (aka Data mining):
“the non-trivial process of identifying valid, novel, potentially useful, and ultimately understandable patterns in data.” 1
Web Mining: die Anwendung von Data-Mining-Techniken auf Inhalt, (Hyperlink-) Struktur und Nutzung von Webressourcen.
Webmining-Gebiete: Web content mining
Web structure mining
Web usage mining
1 Fayyad, U.M., Piatetsky-Shapiro, G., Smyth, P., & Uthurusamy, R. (Eds.) (1996). Advances in Knowledge Discovery and Data Mining. Boston, MA: AAAI/MIT Press
Webmining-Gebiete: Web content mining
Web structure mining
Web usage mining
Web Mining:Beispiele
Das Hauptproblem des Web Mining
Common phrases of selected components01. process; water; air; pressure; gas; body of water; natural gas; high pressure; hot water; fresh
water;12. Mark; Gospel; Matthew; Luke; Rose; Virgin; Virgin Mary; Gospel of John; Gospel of Mark;
Gospel of Luke;23. part; text; Britannica; entry; Encyclopedia Britannica; Encyclop~¦dia Britannica; Encyclopaedia
Britannica; domain Encyclop~¦dia Britannica; public domain Encyclop~¦dia Britannica; public domain text;3
4. property; theorem; elements; proof; subset; axioms; proposition; natural numbers; fundamental theorem; mathematical logic;4
5. Dove; AMD; Dove Streptopelia; imperial crown; Imperial army; imperial court; imperial family; Collared Dove Streptopelia; Imperial Russia;5
6. side; feet; long time; long period; right side; left side; long distances; different types; short distance; opposite side;6
7. David; bill; Bob; Jim; Allen; Dave; Current stars; former members; Bill Clinton; former President;7
8. magazine; newspaper; political parties; public domain text; public opinion; political career; public schools; own right; political life; public service;8
9. way; things; boy; cat; long time; same way; same thing; only way; different ways; good thing;11
10. problems; zero; sum; digits; ~~; natural numbers; positive integer; mathematical analysis; decimal digits; natural logarithm;12
11. population density; couples; races; total area; makeup; Demographics; median age; income; density; housing units;
175.Torres; Iraqi KASUMI KHAZAD Khufu; Granada; Spa; Fra; General information; General Public License; General Bernardo; New Granada; Torres Strait;
176.love; Me; Rolling Stones; love songs; Rolling Stone magazine; Love Me; Fall in Love; Meet Me; love story; professional wrestler;
Das Wikipedia 300 Component Model, generiert mit diskreter PCA
http://cosco.hiit.fi/search/H300.html/topic_list
Zusammenfassend – Schwächen rein statistischer Ansätze:
Interpretation der Resultate?
Existenz von Resultaten?
Korrektheit?
Inferenzen?
Zusammenfassend – Schwächen rein statistischer Ansätze:
Interpretation der Resultate?
Existenz von Resultaten?
Korrektheit?
Inferenzen?
Semantic Web
Das Semantic Web
“The Semantic Web is an extension of the current web in which information is given well-defined meaning, better enabling computers and people to work in co-operation.” 1
“The Semantic Web provides a common framework that allows data to be shared and reused across application, enterprise, and community boundaries. It is a collaborative effort led by W3C with participation from a large number of researchers and industrial partners. It is based on the Resource Description Framework (RDF), which integrates a variety of applications using XML for syntax and URIs for naming.” 2
1 Berners-Lee, T., Hendler, J., & Lassila, O. (2001). The Semantic Web. Sci. American, May.
2 http://www.w3.org/2001/sw/3 Berners-Lee, T. (2000). Semantic Web XML2000.
www.w3.org/2000/Talks/1206-xml2k-tbl/
Category structure:<RDF xmlns:r="http://www.w3.org/TR/RDF/" xmlns:d="http://purl.org/dc/elements/1.0/" xmlns="http://directory.mozilla.org/rdf"><Topic r:id="Top"> <tag catid="1"/> <d:Title>Top</d:Title> <narrow r:resource="Top/Arts"/> ....</Topic><Topic r:id="Top/Arts"> <tag catid="2"/> <d:Title>Arts</d:Title> <narrow r:resource="Top/Arts/Books"/> ... <narrow r:resource="Top/Arts/Artists"/> <symbolic r:resource="Typography:Top/Computers/Fonts"/></Topic>....</RDF>
Category structure:<RDF xmlns:r="http://www.w3.org/TR/RDF/" xmlns:d="http://purl.org/dc/elements/1.0/" xmlns="http://directory.mozilla.org/rdf"><Topic r:id="Top"> <tag catid="1"/> <d:Title>Top</d:Title> <narrow r:resource="Top/Arts"/> ....</Topic><Topic r:id="Top/Arts"> <tag catid="2"/> <d:Title>Arts</d:Title> <narrow r:resource="Top/Arts/Books"/> ... <narrow r:resource="Top/Arts/Artists"/> <symbolic r:resource="Typography:Top/Computers/Fonts"/></Topic>....</RDF>
Resources:<RDF xmlns:r="http://www.w3.org/TR/RDF/" xmlns:d="http://purl.org/dc/elements/1.0/" xmlns="http://directory.mozilla.org/rdf"> ...<Topic r:id="Top/Arts"> <tag catid="2"/> <d:Title>Arts</d:Title> <link r:resource="http://www3...ca/…./file.html"/></Topic><ExternalPage about="http://www…ca/file .html"> <d:Title>John phillips Blown glass</d:Title> <d:Description>A small display of glass by John Phillips</d:Description></ExternalPage><Topic r:id="Top/Computers"> <tag catid="4"/> <d:Title>Computers</d:Title> <link r:resource="http://www.cs.tcd.ie/FME/"/> <link r:resource=”http://foo.asdfsa….."/></Topic></RDF>
Resources:<RDF xmlns:r="http://www.w3.org/TR/RDF/" xmlns:d="http://purl.org/dc/elements/1.0/" xmlns="http://directory.mozilla.org/rdf"> ...<Topic r:id="Top/Arts"> <tag catid="2"/> <d:Title>Arts</d:Title> <link r:resource="http://www3...ca/…./file.html"/></Topic><ExternalPage about="http://www…ca/file .html"> <d:Title>John phillips Blown glass</d:Title> <d:Description>A small display of glass by John Phillips</d:Description></ExternalPage><Topic r:id="Top/Computers"> <tag catid="4"/> <d:Title>Computers</d:Title> <link r:resource="http://www.cs.tcd.ie/FME/"/> <link r:resource=”http://foo.asdfsa….."/></Topic></RDF>
Semantic Web:Beispiel
Warum Semantic Web?Bsp. strukturierte
Suche (1) – Metadaten gemäß DC
Semantische Suche: Bsp. 2 – Metadaten
gem. DC + Domänenontologie
Was ist eine Ontologie?
An ontology is „an explicit specification of a shared conceptualisation.“ (Gruber, 1993)
Gruber, T.R. (1993). Towards principles for the design of ontologies used for knowledge sharing. In N. Guarino & R. Poli (Eds.), Formal Ontologies in Conceptual Analysis and Knowledge Representation Deventer, NL: Kluwer.
Bozsak, Ehrig, Handschuh, Hotho, Maedche, Motik, Oberle, Schmitz, Staab, Stojanovic, Stojanovic, Studer, Stumme, Sure,Tane, Volz, & Zacharias (2002). KAON - Towards a Large Scale Semantic Web. In Kurt Bauknecht, A. Min Tjoa, & Gerald Quirchmayr (Eds.), E-Commerce and Web Technologies, Third International Conference, EC-Web 2002, Aix-en-Provence, France, September 2-6, 2002, Proceedings (pp. 304-313). Springer: LNCS 2455
Relational Metadata
DAMLPROJ
COOPERATES-WITH
URI-GST
URI-SWMining
COOPERATES-WITH
WORKS-IN
PROJECT
RESEARCHER
PERSON
OBJECT
COOPERATES--WITH
TITLE
NAME
RESEARCHER
PERSON
OntologyCOOPERATES--
WITH
Semantic Web Mining
WWW
-URI-AHO
Andreas Hotho
cooperateswith(X,Y)
cooperateswith(Y,X)
WORKS-IN
WORKS-IN
Ontologie-basierte Website-Modellierung
Das Hauptproblem des Semantic Web
<HTML><HEAD><META NAME="DC.Creator" CONTENT="(Scheme=Freetext) Thomas Seilnacht
<[email protected]>"><META NAME="DC.Title" CONTENT="(Scheme=Freetext) 10 Schritte zum Bau
der eigenen Homepage"><META NAME="DC.Date.Created" CONTENT="(Scheme=Freetext) 1998-10-02"><META NAME="DC.Form" CONTENT="(Scheme=IMT) text/html"><META NAME="DC.Identifier" CONTENT="(Scheme=URL)
http://www.seilnacht.tuttlingen.com/HTML/Homepage.htm"><META NAME="DC.Description" CONTENT="(Scheme=Freetext) Anleitung zum
Bau einer Homepage mit dem Netscape Communicator"><META NAME="DC.Subject.Keywords" CONTENT="(Scheme=Freetext)
Homepage, HTML, Internet, FTP, Polyview, Programmieren, Frames, JavaScript, CGI-Script, Grundbegriffe, Grafik, Freeware, INFORMATISCHE GRUNDBILDUNG">
<META NAME="DC.Type" CONTENT="Kurs/Onlinekurs/Virtuelles Seminar"><META NAME="DC.Language" CONTENT="Deutsch"><META NAME="DC.Description" CONTENT="(Scheme=URL)
http://dbs.schule.de/db/mlesen.html?Id=7915&KATEGORIE=medien">
“Wer soll das alles machen?”“Wer soll das alles machen?”
Strategien zur Schaffung des Semantic Web
“institutionell”: Zwang / extrinsische Motivation
“sozial”: Verteilte Autorenschaft à la Open Source (example: dmoz.org) / intrinsische Motivation
“informatisch / HCI”: Tool-Support
“informatisch / Informationsverarbeitung” …
... Semantic Web Mining
Semantic Web Mining: Eine Definition
(1) Mining of the Semantic Web
(2) Mining for the Semantic Web
(3)The iterative process of (1) and (2), in which the semantics obtained by mining are re-used for mining again.
Berendt, Stumme, & Hotho, Proc. ISWC 2002; Stumme, G., Hotho, A., & Berendt, B. (submitted). Semantic Web Mining – State of the Art and Future Directions.
“Mikrokosmos EDOC”
Wissensbeiträge: Daten und Metadaten
<BIBLIOGRAPHY><FLOAT><PAGENUMBER>136</PAGENUMBER></FLOAT>
<HEAD>Literaturverzeichnis</HEAD>
...
<CITATION WORKTYPE="journal" PUBLISHED="PUBLISHED">
<CUT ID="bib-45-">[2] </CUT><WORKAUTHOR>Albrecht, T. F.; Bott, K.; Meier, T.; Schulze, A.; Koch, M.; Cundiff, S. T.; Feldmann, J.; Stolz, W.; Thomas, P.; Koch, S. W.; Göbel; E. O.</WORKAUTHOR> <ARTICLETITLE>Disorder mediated biexcitonic beats in semiconductor quantum wells</ARTICLETITLE>, <WORKTITLE>Phys. Rev. B</WORKTITLE>, <PUBDATE>1996</PUBDATE>, <NUMBER>54</NUMBER>, <PAGES>4436</PAGES>,
</CITATION> ...
<BIBLIOGRAPHY><FLOAT><PAGENUMBER>136</PAGENUMBER></FLOAT>
<HEAD>Literaturverzeichnis</HEAD>
...
<CITATION WORKTYPE="journal" PUBLISHED="PUBLISHED">
<CUT ID="bib-45-">[2] </CUT><WORKAUTHOR>Albrecht, T. F.; Bott, K.; Meier, T.; Schulze, A.; Koch, M.; Cundiff, S. T.; Feldmann, J.; Stolz, W.; Thomas, P.; Koch, S. W.; Göbel; E. O.</WORKAUTHOR> <ARTICLETITLE>Disorder mediated biexcitonic beats in semiconductor quantum wells</ARTICLETITLE>, <WORKTITLE>Phys. Rev. B</WORKTITLE>, <PUBDATE>1996</PUBDATE>, <NUMBER>54</NUMBER>, <PAGES>4436</PAGES>,
</CITATION> ...
http://edoc.hu-berlin.de/diml/dtd/xdiml.dtd
Dissertation Markup Language DiMLhttp://edoc.hu-berlin.de/diml/dtd/xdiml.dtd
...<!ELEMENT citation (#PCDATA | email | url | note | workauthor | worktitle | articletitle | serialtitle | address | editor | publisher |
edition | volume | number | version | pages | pubdate | bible | court | law | cut | pagenumber)*><!ATTLIST citation id ID #IMPLIED label CDATA #IMPLIED workType (Book | Journal | Misc) #IMPLIED published (yes|no) 'yes'><!ELEMENT note (#PCDATA | em | u | strong | br | sup | tt | sub | link | name | email | organization | term | foreign | url |
footnote | endnote | glossref | indexref | pagenumber | q | citation | imath | im)*><!ATTLIST note id ID #IMPLIED><!ELEMENT workauthor (#PCDATA | given | surname | suffix | organization)*><!ATTLIST workauthor role CDATA #IMPLIED ref IDREF #IMPLIED id ID #IMPLIED>...
<!ELEMENT worktitle (#PCDATA | em | u | strong | br | sup | tt | sub | pagenumber)*><!ATTLIST worktitle id ID #IMPLIED type CDATA #IMPLIED><!ELEMENT articletitle (#PCDATA | em | u | strong | br | sup | tt | sub | pagenumber)*><!ATTLIST articletitle id ID #IMPLIED type CDATA #IMPLIED>...
Das Potenzial
Wenn es diese Daten und Metadaten einmal gibt ...
... dann unterstützen sie leistungsfähige Suchen in verteilten Archiven (z.B.) elektr. Abschlussarbeiten u. Dissertationen (ETDs)
i.d.R. mit OAI-Metadaten-Harvesting Beispiele:
o www.ndltd.org• z.Z. 154 Mitglieder / Repositorien
o http://www.cybertesis.net• z.Z. 27 Mitglieder / Repositorien
Vorteile für die Autoren:o Kostenfreie Publikation, hochwertige Archivierungo Garantie der langfristigen Lesbarkeit (50 Jahre)o Authentizität & Integritäto Semantische Durchsuchbarkeit
... aber wie bekommt man die (Meta)Daten?
Die Probleme
Befragung
Problem 1: Es ist nicht einfach (und es macht keinen Spaß)
Seit Beginn von EDOC (1997): Anteil der Online-Diss. ~20% (13% incl. Medizinische Fakultät)
Befragung aller DoktorandInnen und HabilitandInnen (knapp 2500 Personen, 12-14% antworteten)
Hauptergebnisse bzgl. Bekanntheit und Nutzung von EDOC-Diensten:o Probleme im Informationsfluss Marketing und Serviceo Die Erstellung der Metadaten wird als mühselig und
schwierig empfunden – insbesondere die I.d.R. nachträglich vorgenommene Literatur-Formatierung
[Berendt, Brenstein, Li, & Wendland, Proc. ETD 2003; Berendt, Proc. AAAI Spring Symposium KCVC, 2005]
… und das hat Folgen
<BIBLIOGRAPHY><FLOAT><PAGENUMBER>136</PAGENUMBER></FLOAT>
<HEAD>Literaturverzeichnis</HEAD>
<CITATION WORKTYPE="journal" PUBLISHED="PUBLISHED">
<CUT ID="bib-15-">[1] </CUT><WORKAUTHOR>Agarwal, R.; Krueger, B. P.; Scholes, G. D.; Yang, M.; Yom, J.; Mets, L.; Fleming, G. R.</WORKAUTHOR>U<ARTICLETITLE>ltrafast energy transfer in LHC-II revealed by three-pulse photon echo peak shift measurements</ARTICLETITLE>, <WORKTITLE>J. Phys. Chem. B</WORKTITLE>, <PUBDATE>2000</PUBDATE>, <NUMBER>104</NUMBER>, <PAGES>2908</PAGES>,
</CITATION>
...
Warum ist das ein Problem?
Cardona, M., & Marx, W. (2004).Verwechselt,vergessen,wiedergefunden.
Referenzen–das fehlerhafte Gedächtnis[...] Physik Journal, 3 (11), 27-29.
Semantics Mining / usage mining
Ein 3. Hauptergebnis der Befragung:o weitgehend unbekannt und ungenutzt sind
• strukturiertes Schreiben• strukturierte Suche
Frage: Macht die Site Leser zu Autoren? Daten aus dem Webserver-Log 10,992 Sessions (210,655 Seiten) aus einer Woche 2003
(gegen Ende der ersten Befragung) Methoden: semantische Anreicherung, Assoziationsregel- und
Sequenzmining (Tools: WEKA, WUM); Clustering, Klassifikation
Q: Wissensbereitstellung als Nebeneffekt anderer Aktivitäten?
(hier: Websuche)
Non-semantic Web Usage Mining
80.136.155.126 - - [29/Mar/2003:00:02:00 +0100] "GET /favicon.ico HTTP/1.1" 200 1406 "-" "Mozilla/5.0 (Windows; U; Win 9x 4.90; de-DE; rv:1.0.1) Gecko/20020823 Netscape/7.0"
80.136.155.126 - - [29/Mar/2003:00:02:00 +0100] "GET /dissertationen/style/did.css HTTP/1.1" 200 10301 "http://edoc.hu-berlin.de/conferences/conf2/Kuehne-Hartmut-2002-09-08/HTML/kuehne-ch1.html" "Mozilla/5.0 (Windows; U; Win 9x 4.90; de-DE; rv:1.0.1) Gecko/20020823 Netscape/7.0"
66.196.72.44 - - [29/Mar/2003:00:02:38 +0100] "GET /../projekte/epdiss/kolloqu/schu/slide4.html HTTP/1.0" 400 379 "-" "Mozilla/5.0 (Slurp/cat; [email protected]; http://www.inktomi.com/slurp.html)"
66.196.72.44 - - [29/Mar/2003:00:03:09 +0100] "GET /humboldt-vl/hofmann-hasso/PDF/Hofmann.pdf HTTP/1.1" 200 94881 "-" "Mozilla/4.0 (compatible; MSIE 6.0; Windows 98; Q312461)"
66.196.72.21 - - [29/Mar/2003:00:04:14 +0100] "GET /dissertationen/biologie/kernekewisch-michaela/HTML/kernekewisch-vita.html HTTP/1.0" 200 7418 "-" "Mozilla/5.0 (Slurp/cat; [email protected]; http://www.inktomi.com/slurp.html)"
64.68.82.27 - - [29/Mar/2003:00:04:21 +0100] "GET /download/kume/r-lailach-hesse.PDF HTTP/1.0" 200 179357 "-" "Googlebot/2.1 +http://www.googlebot.com/bot.html)"
193.7.255.242 - - [29/Mar/2003:00:07:08 +0100] "GET /dissertationen/radspieler-alexander-2000-09-20/HTML/radspieler-ch2.html HTTP/1.1" 304 - "-" "Firefly/1.0 (compatible; Mozilla 4.0; MSIE 5.5)"
Problem: URLs sind nicht semantisch. Eine Analyse der Daten in dieser Form bringt keine Erkenntnis!
Ontologie-basierte Verhaltensmodellierung: URLs und Anwendungsereignisse
URL Webseite mit Inhalt
Gewünschter Dienst
Berendt, B., Stumme, G., & Hotho, A. (2004). Usage mining for and on the Semantic Web. In H. Kargupta, A. Joshi, K. Sivakumar, & Y. Yesha (Eds.), Data Mining: Next Generation Challenges and Future Directions. Menlo Park, CA: AAAI/MIT Press.
Erhaltener Inhalt
Datenvorbereitung: Semantische Anreicherung
TOP
AUTHOR SEARCH DOC OTHER
OAI OTHERDISSFULLTEXT
LIST
DNB
AUTHOR
KEYWORD
META PROJECTOTHER DOC
MASTER
ABSTRACT
ADVICE
TEMPLATE
FAQ
LATEX
HINWEISE
DIML
README
…
…
…
…
…
…
ACCESS
CONFERENCE
PUBLIC READ
STUDY
CMS
ABSTRACT
ACCESS
RESULT
…
…
…
…
…
…
regexpr.txt: mapping from URLs to concepts
HOME edoc\.hu-berlin\.de\/$ AUTHOR-START \/e_autoren_en\/$ DISS-ABSTRACT \/abstract\.php3\/habilitationen\/ AUTHOR-ADVICE \/e_autoren\/hinweise\.php\?nav=.* AUTHOR-ADVICE \/e_rzm\/hinweise\.php.*...
regexpr.txt: mapping from URLs to concepts
HOME edoc\.hu-berlin\.de\/$ AUTHOR-START \/e_autoren_en\/$ DISS-ABSTRACT \/abstract\.php3\/habilitationen\/ AUTHOR-ADVICE \/e_autoren\/hinweise\.php\?nav=.* AUTHOR-ADVICE \/e_rzm\/hinweise\.php.*...
HOME
1. Ein Zugriff (request) entspricht [dem Interesse an]a) einem Konzept
b) einer (Multi-)Menge von Konzepten
c) einer strukturierten Menge von Konzepten
2. Ein Merkmalsträger isti. eine Session, betrachtet als eine (Multi-)Menge von Zugriffen
ii. eine Session, betrachtet als eine Sequenz von Zugriffen
iii. eine Session, betrachtet als ein Graph von Zugriffen
iv. ein Nutzer, modelliert durch – (ggf. aggregierte) Attribute seiner Session(s)
+ ggf. – andere Attribute (z.B. Wohnort, Einkommen, Transaktionshistorie)
Resultat der Datenvorbereitung: Datenmodellierung
A B A
A B C
A
B C
C
A B C
Semantic Web Usage Mining – Schritt 2: Musterentdeckung – Bsp. Sequenzmining
“Find out pages that are usually visited together and inspect the navigation paths between them.”
Sequence miner WUM (http://www.hypknowsys.de)
select t from node as a b, template # _ a * b as twhere a.accesses > 100 and a.support > 100and b.accesses > 50 and b.support > 50and ( b.support / a.support ) > 0.5and a.url startswith “AUTHOR”
- only paths starting from author-relevant content
Beliebte Eintrittspunkte und 1. Schritte
“Leser“ gehen direkt zu Dissertationen u. bleiben dort. “Leser“ gehen direkt zu Dissertationen u. bleiben dort.
Pfade zur Formatvorlage
“Autoren“ bleiben bei Autoren-Inhalten. “Autoren“ bleiben bei Autoren-Inhalten.
Leser und Autoren sind unterschiedliche Gruppen; Leser werden nicht zu Autoren (jedenfalls nicht in einer Session)
Nur wenige Besucher nutzen die interne Suchmaschine, und sie erfahren die strukturierte Suche nicht als effektive oder effiziente Suchoption.
Eine separate Fragebogenstudie unterstützt diesen Befund.
Die Nutzung externer Suchmaschinen macht den Zugang zu Dissertations-Volltexten wahrscheinlicher.
Problem 2: Wissensbereitstellung ergibt sich nicht als Nebeneffekt
anderer Aktivitäten (hier: Websuche)
Exkurs: Analyse bei gegebener Domänen-Ontologie: ka2portal.aifb.uni-karlsruhe.de
Gibt es verschiedene “Suchtypen”
in diesem Onlinekatalog?
Welche (Kombinationen von)
Suchoptionen sind populär?
Was signalisiert dieses über
das inhaltliche Interesse der Nutzer?
Semantics of requestsStep 1: Domain ontology
[Oberle, Berendt, Hotho, & Gonzalez, Proc. AWIC 2003]
• community portal ka2portal.aifb.uni-karlsruhe.de
• ontology-based:
• Knowledge base in F-Logic
• Static pages: annotations
• Dynamic pages: generated
from queries
• Queries also in F-Logic
• Logs contain these queries
affiliation
RESEARCHER PERSON PROJECT PUBLICATION RESEARCHTOPIC EVENT ORGANIZATION RESEARCHINTEREST LASTNAME TITLE ISABOUT EVENTS EVENTTITLE WORKSATPROJECT AUTHOR AFFILIATION ISWORKEDONBY PROGRAMCOMMITTE
E EMPLOYS NAME RESEARCHGROUPS EMAIL
An example query with concepts and relations:
FORALL N,PEOPLE <-PEOPLE:Employee[affiliation->> "http://www.anInstitute.org"] and PEOPLE:Person[lastName->>N].
Query = feature vector of concepts + relations
Session = feature vector of concepts + relations, summed over all queries in the session
Semantics of requests Step 2: Modelling requests and sessions-as-sets
Clustering,Association rules,Classification, ...
Der Lösungsansatz
Mach es einfacher
Semantics Mining / content mining
Welche Art von Programmen und Nutzungsschnittstellen unterstützen
Autoren und motivieren sie zur Mitarbeit?
... Und wie können weitere Daten gesammelt werden, um den Schreibprozess zu verstehen und zu unterstützen?
Ein intelligentes Autorentool zur Schaffung von Semantik
Prototyp: Fokus auf Bibliographie-Annotationo Kern & fehleranfälligster Teil der Formatvorlagen-Benutzung in
EDOC
Basierend auf Informationsextraktion
[Berendt, Proc. AAAI Spring Symposium KCVC, 2005]
System-Architektur
Web serviceWeb service
citeseerciteseer
paratoolsparatools
TTTTTT
other WS and info. sources
VBA macroVBA macro
Nutzungsschnittstelle
corrected, XML annotated, and formatted
Informationsextraktion: Referenz-Parsing in 3 Tools
Paratools-Zitations-Parsinghttp://paracite.eprints.org
Eine Datenbank von Templates der Form
'_AUTHORS_ (_YEAR_). _TITLE_.
_PUBLICATION_,_VOLUME_(_ISSUE_):_PAGES_' jedes _XXX_ ist assoziiert mit einem regulären Ausdruck
o Bsp.: _YEAR_ ([[:digit:]]{4}) 2 Gewichtungsfaktoren
o reliability: „syntaktische Festgelegtheit“ eines regulären Ausdrucks• Ex.: _URL_ > _TITLE_
o concreteness = Anzahl fixierter Symbole• Ex.: '_AUTHORS_,_PUBLICATION_, in press' > '_AUTHORS_,
_PUBLICATION_'
Templates werden gegen die Referenz gematcht. Wähle das Template mit der höchsten reliability, oder (wenn
diese gleich sind) mit der höchsten concreteness.
Mach es lohnender
Semantics Mining / content + structure mining: RDI – Rosetta
Bradshaw, S. (2003). Reference Directed Indexing: Redeeming Relevance for Subject Search in Citation Indexes. In Proceedings of the 7th European Conference on Research and Advanced Technology for Digital Libraries.Bradshaw, S., & Hammond, K. (2000). Guiding people to information: Providing an interface to a digital library usingReference as a basis for indexing. In Proceedings of the Fifth International ACM Conference on Intelligent User Interfaces .
Versteh es richtig
Semantics Mining / content + structure mining: SSI
R. Navigli & P. Velardi. Structural Semantic Interconnections: a knowledge-based approach to word sense disambiguation. IEEE Transactions on Pattern Analysis and Machine Intelligence (27-7), July, 2005.
Basic idea: graphs of meanings induced by WordNetBasic idea: graphs of meanings induced by WordNet
Using SSI for word sense disambiguation
(“The driver turned on his heel and went back to the truck.“)
Using SSI for word sense disambiguation
(“The driver turned on his heel and went back to the truck.“)
Zusammenfassung und Ausblick
Um Freiwillige zu motivieren, müssen informatische, motivationale und institutionelle Aspekte berücksichtigt werden!
Erweiterung des Intelligenten Autoren-Tools: o Erweiterung der Leistungsfähigkeit (Zitationsstile, ...)o Integration weiterer Information-Retrieval- und Mining-
Verfahreno Laborstudien zur ersten Evaluationo Usage-Mining zur fortlaufenden Evaluationo Verstärkung des Community-Elements!
Ausblick 1: Stärkere Einbeziehung der Community
bibster.semanticweb.org
Recommendations based on items‘ semantics and their... similarity to the user‘s expertise measured by previous externalisations (content of personal database)... similarity to relevant items measured by previous internalisations (answers to a query) and combinations (addition to the personal database)
Haase, Ehrig, Hotho, & Schnizler, 2004
www.bibserv.org
Ausblick 2: Spaß!
Danke für die Aufmerksamkeit!
