Reichenberger Kompendium semantische Netze

Konzepte, Technologie, Modellierung
1. Auflage 2010
ISBN: 978-3-642-04315-4
Verlag: Springer
Format: PDF
Kopierschutz: 1 - PDF Watermark

E-Book, Deutsch, 208 Seiten

Reihe: Computer Science and Engineering (German Language)

Semantische Technologien werden als die zukünftige Form menschlichen Wissens gehandelt. Gleichzeitig haftet ihnen etwas von einer Geheimwissenschaft an. Dieses Kompendium bietet eine - auch für Einsteiger verständliche - Einführung in das Thema. Es präsentiert verschiedene semantische Techniken, von automatischen Text-Mining-Verfahren bis hin zu komplexen Ontologien. Leser werden anhand von Beispielen in die Lage versetzt, selbst zu beurteilen, was semantische Technologien leisten. Im praktischen Teil lernen sie, semantische Netze zu modellieren.

Klaus Reichenberger ist Mitgründer und Geschäftsführer der intelligent views gmbh, wo er neben Vertrieb und Marketing den Bereich Knowledge Engineering verantwortet. In den letzten Jahren hat er bei intelligent views ein Team von Knowledge-Engineers aufgebaut, das einmalige Erfahrung in der praktischen Umsetzung semantischer Technologie versammelt: von der Modellierung semantischer Netze und Konfiguration intelligenter Applikationen bis zur Verknüpfung von Ontologien mit Suchmaschinen, Text-Mining-Techniken und user generated semantics.Klaus Reichenberger hat über 12 Jahre Erfahrung in den Gebieten Semantik und Wissensmanagement und ist einer der führenden Experten in semantischer Modellierung. Sein persönlicher Schwerpunkt liegt im Thema 'business semantics' - wie bringe ich semantische Technologie ins Unternehmen und seine Prozesse hinein, welchen Nutzen kann ich damit stiften?Vor der Gründung von intelligent views forschte Klaus Reichenberger bei der Fraunhofer Gesellschaft in den Bereichen Visualisierung und Wissensrepräsentation. Er ist Autor zahlreicher Publikationen und Vorträge zum Thema Wissensmanagement und Semantik.

Autoren/Hrsg.

Reichenberger, Klaus

Inhaltsverzeichnis

1;Inhaltsverzeichnis;6
2;1 Warum dieses Buch?;10
2.1;1.1 Was erwartet Sie in diesem Buch?;10
3;2 Grundlagen semantischer Netze;12
3.1;2.1 Objekte;12
3.2;2.2 Eigenschaften;13
3.3;2.3 Kernideen und Grundstze semantischer Modellierung;15
3.3.1;2.3.1 Der Grundsatz der Objektidentitat;16
3.3.2;2.3.2 Die Trennung von Objekt und Benennung;18
3.3.3;2.3.3 Redundanzfreiheit durch Ableitungen;19
3.4;2.4 Basisleistungen Verstehen der Nutzerfrage;19
3.5;2.5 Basisleistungen Themenraum;21
3.6;2.6 Andere Ordnungssysteme Thesauri und Taxonomien;22
3.7;2.7 Semantische Netze in der Unternehmens-IT-Landschaft;23
3.8;2.8 Semantic Web vs. semantische Netze im Unternehmen;25
3.9;2.9 Leichtgewichtige und schwergewichtige Netze;26
3.10;2.10 Zusammenfassung Grundlagen semantischer Netze;27
3.11;Literatur;28
4;3 Tagging und assoziative Netze;29
4.1;3.1 Tagging;29
4.2;3.2 Automatisch generierte assoziative Netze;30
4.2.1;3.2.1 Grundprinzip Cluster-Analyse;31
4.2.2;3.2.2 Statistisches Text-Mining -- Kookkurrenzen;35
4.3;3.3 Nutzungsmglichkeiten und Bewertung;35
4.4;3.4 Zusammenfassung -- Tagging und assoziative Netze;36
4.5;Literatur;37
5;4 Ausbaustufe Themennetz;38
5.1;4.1 Kernideen von Themennetzen;38
5.2;4.2 Nutzungsmglichkeiten;39
5.3;4.3 Aufbau und Quellen;42
5.3.1;4.3.1 Text-Mining: Cluster-Analyse;43
5.3.2;4.3.2 Halbstrukturierte Quellen;44
5.3.3;4.3.3 Auswertung der Endnutzer-Interaktionen und -Suchen;45
5.3.4;4.3.4 Enduser-Tagging und -Editing;46
5.3.5;4.3.5 Knowledge-Engineering;47
5.3.6;4.3.6 Kombinationen;47
5.4;4.4 Der Aufwand fr den Aufbau eines Themennetzes;48
5.5;4.5 Zusammenfassung -- Themennetze;49
5.6;Literatur;49
6;5 Ausbaustufe Faktennetz;51
6.1;5.1 Kernideen von Faktennetzen;51
6.1.1;5.1.1 Vereinheitlichung;53
6.1.2;5.1.2 Die Ober-/Unterbegriffsrelation;54
6.1.3;5.1.3 Vererbung;56
6.2;5.2 Nutzungsmglichkeiten;57
6.2.1;5.2.1 Strukturierte Abfragen;57
6.2.2;5.2.2 Anwendung von strukturierten Abfragen;59
6.2.3;5.2.3 Spezifische Sichten;60
6.2.4;5.2.4 Navigationsbaume und Reports;60
6.2.5;5.2.5 Ähnlichkeitsermittlung;62
6.2.6;5.2.6 Exkurs -- Semantische Netze und Datenbanken;65
6.3;5.3 Aufbau und Quellen;66
6.3.1;5.3.1 Text-Mining: gezieltes Parsing;67
6.3.2;5.3.2 Strukturierte Quellen im Unternehmen;68
6.3.3;5.3.3 Knowledge-Engineering;70
6.4;5.4 Zusammenfassung -- Faktennetze;70
6.5;Literatur;70
7;6 Expertensysteme und Ontologien;72
7.1;6.1 Komplexittsfaktoren;72
7.2;6.2 Detailgrad des Modells;72
7.2.1;6.2.1 Funktionale Detaillierung;74
7.2.2;6.2.2 Zeitabhängige Aussagen;75
7.2.3;6.2.3 Differenzierte Aussagen;76
7.2.4;6.2.4 Komplexe Aussagen;77
7.3;6.3 Allgemeingltigkeit des Modells;78
7.3.1;6.3.1 Dynamik modellieren;81
7.3.2;6.3.2 Komplexere Instrumente;82
7.3.3;6.3.3 Description logic;83
7.3.4;6.3.4 Komplexere Instrumente -- upper ontologies;85
7.4;6.4 Aufbau und Quellen;87
7.5;6.5 Zusammenfassung -- Expertensysteme und Ontologien;87
7.6;Literatur;87
8;7 Bewertung und Kombination der Ausbaustufen;89
8.1;7.1 Kosten und Nutzen im Vergleich;89
8.2;7.2 Kombinationen;92
8.2.1;7.2.1 Zusammenwirken von Themen und Fakten;92
8.2.2;7.2.2 Beimischungen von Expertensystem-Anteilen;94
8.3;Literatur;94
9;8 Projekt- und Anwendungsbeispiele;95
9.1;8.1 Typische Einsatzszenarien fr semantische Netze;95
9.2;8.2 Welche Ausbaustufe brauche ich?;99
9.3;8.3 Projektbeispiel Pressearchiv;100
9.4;8.4 Projektbeispiel Technologie-Atlas;102
9.5;8.5 Projektbeispiel SAP Research Net;104
9.6;8.6 Projektbeispiel Reklamationen und Qualittssicherung;107
9.7;8.7 Projektbeispiel Vorentwicklung;109
9.8;8.8 Nutzung semantischer Technologie in der Industrie;111
9.9;Literatur;114
10;9 Knowledge-Engineering;116
10.1;9.1 Die Wahl des Ausgangspunkts;116
10.2;9.2 Iteratives Vorgehen;117
10.3;9.3 Die Interaktion mit Fachexperten;119
10.4;9.4 Dokumentation der Modellierungsentscheidungen;121
10.5;9.5 Konsistenzprfungen des Modells;121
10.6;9.6 Grundlagen der Aufwandsabschtzung;122
10.7;9.7 Die Werkzeuge;123
10.8;9.8 Exkurs: Textbasiertes versus unabhngiges Editing;124
10.9;9.9 Zusammenfassung Knowledge-Engineering;125
10.10;Literatur;126
11;10 Erschlieung von Dokumenten;127
11.1;10.1 Suchmaschinen und ihre semantische Lcke;127
11.2;10.2 Ebenen der Interpretation;129
11.2.1;10.2.1 Die Interpretation der Nutzerfrage;130
11.3;10.3 Makrotechniken;132
11.3.1;10.3.1 Semantisch angereicherte Volltextsuche;132
11.3.2;10.3.2 Automatische Klassifikation mit Cluster-Analyse;135
11.4;10.4 Mikrotechniken;137
11.5;10.5 Kombinationen und Varianten;139
11.5.1;10.5.1 Der Zeitpunkt der Anwendung;139
11.5.2;10.5.2 Prakoordination versus Postkoordination;140
11.6;10.6 Vertiefung Texterschlieung;142
11.7;10.7 Zusammenfassung -- Erschlieung von Dokumenten;142
11.8;Literatur;143
12;11 Modellierungsdetails;144
12.1;11.1 Begriffe und Individuen;144
12.2;11.2 Die Ober-/Unterbegriffsrelation;147
12.3;11.3 Rollen;150
12.4;11.4 Charakteristika von Relationen;151
12.5;11.5 Die Rolle der Benennungen;153
12.5.1;11.5.1 Kunstbegriffe zur Gruppierung;154
12.5.2;11.5.2 Ausfaktorisieren von Eigenschaften durch Kunstbegriffe;156
12.6;11.6 Mehrstellige Relationen;156
12.7;11.7 Metamodelle und Mehrsprachigkeit;160
12.8;11.8 Zusammenfassung -- Modellierungsdetails;162
12.9;Literatur;163
13;12 Unsicheres Wissen;164
13.1;12.1 Unsicherheit, systematisch betrachtet;164
13.2;12.2 Umgang mit fehlerbehafteter Information;165
13.3;12.3 Der Anspruch auf Vollstndigkeit;166
13.4;12.4 Formale Definitionen und unvollstndiges Wissen;168
13.5;12.5 Ungenauigkeit und Robustheit;169
13.6;12.6 Modelle unterschiedlicher Granularitt;170
13.7;12.7 Przision im Schema;174
13.8;12.8 Unsicherheit bei Ableitungen;175
13.8.1;12.8.1 Kontextfreiheit und Ableitungen;177
13.8.2;12.8.2 Ableitungen auf Begriffshierarchien;180
13.9;12.9 Ausnahmen und Negativaussagen;183
13.10;12.10 Zusammenfassung -- unsicheres Wissen;184
13.11;Literatur;185
14;13 bungen;186
14.1;13.1 Übung 1: ein einfaches Automobilnetz;186
14.2;13.2 Übung 2: ein kleines Geo-Modell;186
14.3;13.3 Übung 3: Ableitungen;187
14.4;13.4 Übung 4: Kombinationen;188
14.5;13.5 Übung 5: Übersetzung einer MindMap;188
14.6;13.6 Übung 6: Vertriebsmandate;189
14.7;13.7 Auflsung Übung 1;190
14.8;13.8 Auflsung Übung 2;191
14.9;13.9 Auflsung Übung 3;193
14.10;13.10 Mgliche Lsungen Übung 4;195
14.11;13.11 Mgliche Lsung Übung 5;196
14.12;13.12 Mgliche Lsung Übung 6;198
15;Glossar;201
16;Danksagung;206
17;Register;207

Leseproben

"Kapitel 3 Tagging und assoziative Netze (S. 21-22)

3.1 Tagging

Lassen Sie uns in die Übersicht über die verschiedenen Grade der semantischen Informationserschließung mit einer Vorstufe semantischer Netze einsteigen, dem Tagging von Informationen. Tags sind Schlagworte, mit denen beliebige Objekte charakterisiert werden können. Tags sind nichts grundsätzlich Neues, wir kennen sie als Teil einer klassischen Kombination aus jeder Bibliothek.

Hier sind die Bücher nach einer Aufstellungssystematik in Regale (= in Ordner) eingeordnet, daneben aber auch in einem Schlagwortkatalog verzeichnet (= mit Tags versehen). Diese Schlagworte werden entweder vom Verlag vorgeschlagen oder von einem Mitarbeiter der Bibliothek vergeben, der das Buch gelesen oder mindesten überflogen hat; als Dienstleistung für die Nutzer der Bibliothek. Die Praxis der Verschlagwortung bzw. des Tagging erleichtert das Finden relevanter Informationen ungemein; besonders zwingend natürlich dort, wo die Gegenstände, die gefunden werden sollen, sich anderen Techniken wie etwa der Volltextsuche verweigern.

Das ist z.B. der Fall bei einer der ersten und immer noch populärsten Anwendungen des Tagging, der Web-Bilddatenbank flickr,2 hier wird eine sehr große Sammlung von Bildern erst dadurch handhabbar gemacht, dass diese getagged sind. Das Neue am Tagging gegenüber dem Schlagwortkatalog der Bibliothek ist der dezentrale Charakter – nicht ein Redaktionsteam vergibt die Tags, sondern alle Nutzer einer Community.

Entsprechend setzt das Tagging in der Frage der Qualität auf der Prinzip der wisdom of crowds (auch crowdsourcing): worauf sich eine Mehrheit von Nutzern bei der Vergabe von Tags einigen kann, ist bestimmt auch für eine Mehrheit von Nutzern bei der Suche gut. Dieser Ansatz hat allerdings seine Grenzen. Welche das sind, zeigt uns am besten ein Beispiel: Wie bei den Verzeichnisstrukturen im letzten Abschnitt gelingt es auch dem Tagging i.d.R. nicht Objektidentität herzustellen, wenn auch aus anderen Gründen: Hier nämlich finden Synonyme wie Coffee Makers und Coffee Machines, hier finden Einzahl, Mehrzahl und Schreibfehler nicht zueinander.

Die Folgen sind ähnlich: Ein Nutzer steigt vielleicht mit dem Begriff Coffee Machine ein und weiß nicht, dass ihm wertvolle Dokumente entgehen, die aber mit Coffee Maker getagged sind. Dokumente mit Tags wie Coffee Makers (Plural) oder Coffe (Schreibfehler) sind wie falsch eingeordnete Bücher in einer Bibliothek – sie werden höchstens durch Zufall wiedergefunden. Dieses Problem ist untrennbar mit dem Ansatz verbunden, sich das Instrumentarium der Erschließung durch die Nutzer aufbauen zu lassen. Dann wären für unseren Nutzer noch Beziehungen (z.B. zwischen Coffee und Coffee Machine) hilfreich, denen er aufWunsch nachgehen könnte. Und schließlich würde eine Gruppierung der Tags, etwa in Getränke, Komponenten und Maschinentypen die Übersichtlichkeit und Eindeutigkeit erhöhen. Beides sind Instrumente, die uns das Tagging nicht ohne weiteres bieten kann."