Assoziative Suche für das Semantic Web - Ein netzbasierter Suchansatz unter Berücksichtigung semantischer und inhaltsbasierter Ähnlichkeiten

Während im gegenwärtigen Web das Sammeln von Information großteils von Menschen durchgeführt wird, soll es das Semantic Web ermöglichen diese Aufgabe durch Computerprogramme erledigen zu lassen. Zu diesem Zweck wird Information im Web mit maschinen-interpretierbaren Daten angereichert, welche Aufschluss über deren Bedeutung (Semantik) geben. Ansätze für die Suche im Semantic Web bauen auf diesen semantischen Metadaten auf und binden sie als zusätzliche Information in den Suchprozess ein um eine Steigerung der Retrieval-Leistung zu erzielen. Während die Vergabe von semantischen Metadaten zu Ressourcen im Web als eine zentrale Komponente für die Realisierung des Semantic Web gilt, ist im gegenwärtigen Web nur ein kleiner Anteil an Ressourcen mit semantischen Metadaten annotiert und somit für Maschinen interpretierbar.

In der vorliegenden Arbeit wird ein Beitrag zu dem sich derzeit noch in einer frühen Phase befindlichem Forschungsfeld der Suche im Semantic Web geleistet, indem ein Suchansatz für das Semantic Web entwickelt und evaluiert wird. Als Ergänzung zur exakten Suche basierend auf semantischen Metadaten sind in das entwickelte Modell Methoden aus dem assoziativen Retrieval integriert. Assoziatives Retrieval ist ein Such-Paradigma aus dem Information Retrieval, welches versucht ausgehend von einer Menge an relevanter Information potentiell relevante Zusatzinformation zu identifizieren, um die Suchergebnisse durch zusätzliche relevante Information zu verbessern. Im konkreten Fall werden Assoziationen basierend auf semantischer Ähnlichkeit zwischen Konzepten aus einer Ontologie und inhaltsbasierter Ähnlichkeit zwischen Ressourcen erzeugt. Neben einer generellen Steigerung der Retrieval-Leistung werden mit diesem Ansatz Situationen, in denen wenige Ressourcen mit semantischen Metadaten annotiert sind adressiert, um die Ergebnisse eines Retrieval-Systems auf Basis des entwickelten Modells zu verbessern. Das entwickelte Modell wird anhand eines Systems für die Suche am Semantic Desktop umgesetzt und basierend auf dieser Implementierung evaluiert.

Peter Scheir

 Semantic Web, Information Retrieval, Assoziatives Retrieval

Kontakt

Wenn Sie diese Seite nutzen stimmen Sie der Verwendung von Cookies zu mehr Information

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close