Semi-Automatische Inhaltsübersicht für XML-Kollektionen

Status


Abgeschlossene Diplomarbeit

Bearbeiter


  • Igor Jacy Lino Campista

Verwandte Projekte


  • CLASSIX
    Classification and Intelligent Search on Information in XML
  • CYCLADES
    Verteilte und kollaborierende Dienste für offene digitale Archive
  • DAFFODIL
    Nutzerorientiertes Zugangssystem für heterogene Digitale Bibliotheken

Verwandte Lehrveranstaltungen


Yahoo für das Invisible Web: Scatter/Gather-Clustering für semistrukturierte Daten
Studien-/Praxisprojekt: Yahoo für das Invisible Web: Scatter/Gather-Clustering für semistrukturierte Daten
Prof. Dr.-Ing. Norbert Fuhr, Dipl.-Inform. Gudrun Fischer

Abgabetermin


2005 - 06

Formalia


Voraussetzungen
  • Vorlesung Data Mining, Informationssysteme oder Information Retrieval
  • Gute Programmierfähigkeiten (notwendig)
  • Programmiersprache Java (notwendig)
  • XML (wünschenswert)

Aufgabenstellung


Um eine Menge von Dokumenten überblicksmäßig einschätzen zu können, benötigt man eine inhaltliche Zusammenfassung oder wenigstens eine Inhaltsangabe - eine kompakte, für den Anwender verständliche Darstellung des Inhalts der Dokumentenmenge. Die Aufgabe, eine solche Darstellung zu erstellen, nennt man Summarization. Anwendungsfälle, wo in unseren Forschungsprojekten Mengen von Dokumenten zusammenfassend dargestellt werden müsssen, sind zum Beispiel:

  • Digitale Bibliotheken, aus denen der Anwender eine oder mehrere Quellen für eine Suche auswählen kann (in DAFFODIL und CYCLADES)
  • Ergebnismengen von Suchanfragen (in DAFFODIL und CYCLADES)
  • Cluster (Gruppen) von Dokumenten (im Praxisprojekt Invisible Web)

Im Fall von XML sind neben dem textuellen Inhalt von Dokumenten auch deren Struktur und eventuell andere Datentypen zu berücksichtigen. Verschiedene Datentypen lassen ggf. verschiedene Zusammenfassungsverfahren zu. So ist denkbar, eine Menge von Zahlen durch ihren Durchschnitt oder ihre Summe zusammenzufassen, oder eine Menge von Jahreszahlen als Intervall.

In dieser Arbeit soll ein Werkzeug entwickelt werden, mit dem ein Anwender Zusammenfassungsregeln für eine Kollektion definieren kann. Anhand solcher Regeln soll eine Kollektion danach automatisch zusammengefasst werden. Vereinfachend darf von einer strukturell homogenen Kollektion ausgegangen werden.

Die Aufgabenstellung umfasst insbesondere folgende Aspekte:

  • Einarbeitung in die Literatur und Sichtung bestehender Summarization-Ansätze
  • Enwurf von Zusammenfassungsregeln für verschiedene Datentypen
  • Prototypische Implementierung des Regelentwurfswerkzeugs
  • Prototypische Implementierung der automatischen Zusammenfassung
  • Evaluierung

Fertiger Text


  • Igor Jacy Lino Campista (2005).
    Semi-Automatic Summarization of XML collections. Diplomarbeit