Hauptinhalt überspringenNavigation überspringenFooter überspringen
Logo der Fachhochschule Nordwestschweiz
Studium
Weiterbildung
Forschung und Dienstleistungen
Internationales
Die FHNW
De
Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien

      Logo der Fachhochschule Nordwestschweiz
      • Studium
      • Weiterbildung
      • Forschung und Dienstleistungen
      • Internationales
      • Die FHNW
      De
      Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien
      Hochschulen
      Hochschule für Wirtschaft FHNW
      Institut für Wirtschaftsinformatik
      Systems Engineering
      SEEK!Sem

      SEEK!Sem

      Zuordnung und das Auffinden von Informationsobjekten durch automatisierte Techniken

      Die BDH Solutions AG (Glattbrugg) bietet Methoden, Dienstleistungen und Applikationen an, die unternehmensbezogene Daten filtern, aufzubereiten und intelligent zusammenführen. BDH Solutions vertreibt dazu eine Data-Management-Software genannt SEEK! sowie begleitende Dienstleistungen. SEEK! verwaltet Ressourcen wie z. B. Personen, Dokumente, (Wiki-)Artikel und verwendet Ordnungselemente wie Dossiers, Themen und Themenbäume.

      Die Vergabe von Tags und die Zuordnung von Ressourcen zu Dossiers erfolgte bislang weitgehend manuell, was zur Folge haben kann, dass Kunden den Pflegeaufwand scheuen und infolgedessen nicht alle interessanten Ressourcen von einem Benutzer gefunden werden können.

      Ziele

      Ziel dieses Projekts ist es, die Zuordnung und das Auffinden von Informationsobjekten durch automatisierte Techniken zu unterstützen. Hierzu werden Informationen aufgrund einer Keyword Extraction und mittels Taxonomien basierend auf den gängigsten Dokumentenformaten sowie internen Datenstrukturen genutzt. Mittels geeigneter Methoden aus dem Bereich des Machine Learning soll die Suche und Zuordnung von Informationsobjekten besser unterstützt werden. Hierbei soll auch eine Personalisierung dieser Prozesse ermöglicht werden.

      Praxis

      Neben der manuellen Zuordnung von Informationsobjekten innerhalb von bestehenden Data-Management-Lösungen wird die Suche nach Informationen oft durch eine automatisierte Keyword-Extraction für Dokumente unterstützt (ähnlich einer Suchmaschine). Eine solche Suche ist oft nicht sehr effizient, da viele „Fehltreffer“ ausgewiesen werden. Eine Kombination der Suche oder Zuordnung von Informationsobjekten mit manuell vergebenen Zusatzinformationen oder aufgrund der Nutzungspraxis innerhalb eines Unternehmens könnte diese Prozesse deutlich effizienter gestalten.

      Theorie

      Die Suche oder Zuordnung von Informationsobjekten erfolgt häufig aufgrund von Ähnlichkeitsmassen. Beispielsweise kann die Ähnlichkeit von zwei Dokumenten aufgrund der Übereinstimmung der darin enthaltenen Keywords gemessen werden. Keywords wiederum können mit gängigen Techniken aus Dokumenten extrahiert werden. Bei dieser Vorgehensweise sind verschiedene Bereinigungen notwendig, z. B. das Ausfiltern von Nicht-Keywords oder die Höhergewichtung einer Übereinstimmung bei selten verwendeten Begriffen.

      Daneben kann die Ähnlichkeit von Dokumenten basierend auf expliziten Zuordnungen gemessen werden, z. B. mittels manuell vergebener Tags oder Zuordnungen untereinander bzw. mittels spezifischer Datenstrukturen (z.B. Dossiers, Themenbäume, Navigationspfade). Beispielweise kann eine Ähnlichkeit aufgrund der Weglänge in einem Graphen bestimmt werden, der aus den bestehenden Verknüpfungen von Informationsobjekten abgeleitet wird. Darüber hinaus kann es sinnvoll sein, verschiedene dieser Ähnlichkeitsmasse miteinander zu kombinieren.

      Ähnlichkeitsmasse können verwendet werden, um neue Informationsobjekte (z. B. Dokumente) bestehenden (z. B. Dossiers) zuzuordnen. Mittels weiterer Techniken wie z. B. dem Clustering können Gruppen von einander ähnlichen Informationsobjekten automatisch generiert werden. Ferner können Regeln in Bezug auf die Zuordnung von Informationsobjekten gelernt werden. Dabei können unter anderem verschiedene graphenbasierte Methoden angewendet werden.

      Ein weiterer grundsätzlicher Ansatz zur Unterstützung des Information Retrieval besteht in der Nutzung transaktionsbezogener Daten. Mittels historischer Informationen z. B. über die Zugriffshäufigkeit auf Informationsobjekte lassen sich diese hinsichtlich ihrer Relevanz besser beurteilen (beispielsweise für die Darstellung in einer Tag-Cloud). Auch ist es so möglich, Informationen personalisiert aufzubereiten.

      Projektpartner und Sponsor(en)

      Das Projekt wird von der Kommission für Technologie und Innovation (KTI) finanziell gefördert.

      Das IWI führt das Projekt in Zusammenarbeit mit dem Institut für 4D-Technologien (i4DS, Hochschule für Technik) und der BDH Solutions AG durch.

      Kontakt

      laden

      Social Media des Instituts für Wirtschaftsinformatik

      No social media links available.

      Hochschule für Wirtschaft FHNW

      Institut für Wirtschaftsinformatik
      hsw_iwi_systemsengineering_teaserhsw_iwi_systemsengineering_projekt

      Angebot

      • Studium
      • Weiterbildung
      • Forschung & Dienstleistungen

      Über die FHNW

      • Hochschulen
      • Organisation
      • Leitung
      • Facts and Figures

      Hinweise

      • Datenschutz
      • Accessibility
      • Impressum

      Support & Intranet

      • IT Support
      • Login Inside-FHNW

      Member of: