Extractor ist ein außergewöhnliches Werkzeug zur Analyse von Text-Dokumenten. Basierend auf der patentierten Technologie GenEx (genetische Extraktion) werden aus Texten, e-Mails und HTML-Seiten gewichtete Listen mit Schlüsselworten und Schlüsselbegriffen zusammengestellt. Dokumente mit beliebiger Länge und Inhalt können verarbeitet werden, der genaue Inhalt der Seite wird kontextbezogen als Extrakt von Schlüssel-Wörtern und -Begriffen dargestellt. Damit ist Extractor besonders für Internet-Anwendungen geeignet. Ohne erneutes Training und ohne menschlichen Eingriff liefert die patentierte Technologie von Extractor genaue Zusammenfassungen zu jedem Thema.
Informationen im Kontext
Eine Möglichkeit
der GenEx-Technologie ist besonders hervorzuheben: Extractor kann die
wichtigen Schlüssel-Worte und -Begriffe im ursprünglichen Dokument
hervorheben und zeigt so, wie sie im Kontext des Dokuments benutzt werden.
Damit ist eine einmalige Relevanz zum jeweiligen Thema erreicht. Diese
spezielle Funktion ermöglicht zum Beispiel den analytischen Vergleich
zweier Dokumente. Auch bei einer Sammlung von Dokumenten können so ähliche
oder unterschiedliche Merkmale gefunden werden. Damit ist Extractor ideal
geeignet für Zusammenfassungen in Web-Portalen, für Indizierung von
Dokumenten, für Linklisten und für Informationssysteme,
basierend auf semantischen Informationen.
Relevante Informationen
im Gegensatz zu den von Menschen erstellten Analysen sind die Ergebnisse von Extractor schon bedingt durch das Design objektiv. Extractor liefert zu 85% bis 93% genaue Ergebnisse, unabhängig vom Themenbereich. Die Fähigkeit, relevante und sinnvolle Informationen schnell herauszufiltern, ist der Eckstein der Technologie von Extractor.
Definition der Schlüsselbegriffe
Viele Zeitschriften bitten ihre Autoren um eine Liste von Schlüsselworten.
Wir bezeichnen diese als Schlüsselbegriffe und nicht Schlüsselworte, da es sich meist nicht um einzelne Worte sondern um
Begriffe, bestehend aus zwei oder mehr Wörtern handelt. Wir definieren
eine Liste von Schlüsselbegriffen als eine kurze Liste von meist fünf bis
fünfzehn Begriffen, die die wichtigen Themen innerhalb eines
Dokuments darstellen. Wir definieren als automatische
Extraktion von Schlüsselbegriffen die Auswahl von wichtigen,
relevanten Begriffen aus dem Hauptteil eines Dokumentes. Die automatische
Extraktion von Schlüsselbegriffen ist ein spezieller Fall der automatischen
Erzeugung von Schlüsselbegriffen, bei der die erzeugten Begriffe nicht
unbedingt im Hauptteil des gegebenen Dokumentes enthalten sind.
Schlüsselbegriffe
als Metadaten
Die Mehrheit der Forschergemeinde
geht davon aus, dass Metadaten grundlegend zur Verwaltung von
Dokumenten sind. Unter Metadaten werden dabei übergeordnete Informationen
zu einem Dokument oder einen Satz von Dokumenten verstanden. Es gibt eine Reihe von
Standards zu Metadaten für Dokumente. Dazu gehören das Dublin Core
Metadata Element Set (bevorzugt vom US Online Computer Library
Center), das MARC- (Machine-Readable Cataloging) Format der US
Kongressbibliothek , der GILS- (Government Information Locator Service) Standard
des US Amtes für Soziale und ökonomische Datenanalyse, und der CSDGM (Content Standards for Digital Geospatial Metadata)
des US Federal Geographic Data Committees. Alle diese Standards enthalten einen
Bereich für Schlüsselbegriffe - auch wenn sie hierfüg verschiedene
Namen haben.
Schlüsselbegriffe
hervorheben
Wenn wir ein Dokument schnell erfassen, suchen wir
nach Schlüsselbegriffen, mit denen wir das Thema des Dokumentes bestimmen.
Mit dem Hervorheben ist allgemein gemeint, dass Schlüsselbegriffe und
Schlüsselpassagen, beispielsweise Sätze oder Absätze mit Unterstreichung, einem
speziellen Font oder einer Farbe markiert werden. So wird das schnelle Erfassen
eines Textes leicht möglich. Die automatische Extraktion von Schlüsselbegriffen
ermöglicht, Schlüsselbegriffe in gedruckten Texten hervorzuheben.
Aber auch Systeme zur Sprachsynthese können damit um Funktionen zum schnellen
Erfassen des Textes erweitert werden.
Schlüsselbegriffe
zur Indexierung
Eine alphabetische Liste von Schlüsselbegriffen, die aus einer Dokumentsammlung oder von Teilen eines
einzelnen langen Dokumentes (Kapitel in einem Buch) stammt, kann
als Index dienen.
Anfragen an Suchmaschinen mit
Schlüsselbegriffen interaktiv verfeinern
Die Nutzung einer Suchmaschine ist oft ein iterativer Prozeß. Der
Anwender gibt eine Frage ein, untersucht die
entstehende Trefferliste, modifiziert die Frage und versucht es dann wieder.
Die meisten Suchmaschinen haben keine speziellen Funktionen, die den
iterativen Aspekt unterstützen. Ein Ansatz zu interaktiver
Frageverfeinerung besteht darin, die zu der Frage des Anwenders passenden
Dokumente zu bestimmen, deren Schlüsselbegriffe zu extrahieren und die
Dokumente dem Anwender zusammen mit Vorschlägen zur Verfeinerung der
Suche zu präsentieren. Die Vorschläge basieren dabei aus der Kombination
der ersten Suchanfrage und den extrahierten Schlüsselbegriffen.
Schlüsselbegriffe zur Analyse von Log-Dateien
Die Betreiber einer
Web-Site wollen oft wissen, was die Besucher Besucher der
Site eigentlich suchen. Die meisten Web-Server erstellen Protokolldateien, die Informationen über Besucher
einschließlich der Internetadresse des Client-PCs, der angeforderen
Seiten und der Zeit der Anforderung enthalten. Es gibt mehrere
kommerzielle Produkte, die diese Protokolle
analysieren. Normalerweise wird ein solches Werkzeug einen Ãœberblick zu
den allgemeinen Verkehrsmustern der Site liefern und eine sortierte Liste der beliebtesten
Seiten der Site erstellen. Um eine tieferen Einblick in den
Besucher-Verkehr zu ermöglichen, kann ein Analyseprogramm Schlüsselbegriffe
benutzen.
Anstatt eine geordnete Liste der beliebtesten Seiten liefert das
Analyseprogramm dann eine Liste der
beliebtesten Schlüsselbegriffe der Site her. Dies ermöglicht dem
Betreiber einen besseren Eindruck zu den häufig angefragten Themen der Web-Site.
"Semantik ist aktuell ein
wichtiger Industriesektor - Ein Markt mit einem Umfang von derzeit zwei 2 Milliarden
US Dollar pro
Jahr, für den eine Steigerung auf 50 Milliarden US Dollar bis 2010
erwartet wird."
http://www.semantic-conference.com/
"Semantik ist das
Studium der Bedeutung. Es ist so alt wie die alten Griechen. Für die meisten von
uns war es eine tödlich langweilige Unterdisziplin der
Philosophie, die man vermeinden wollte. Aber es stellt sich heraus, dass wir
sie nicht
vermeiden können. Wir ertrinken in einem Meer von Daten, das
gelegentlich großzügig "Information" genannt wird. Die Wahrheit
ist aber, dass fast alles von Menschen interpretiert werden muß, um von
irgendeinem Nutzen zu
sein. Das Wachstum und die Verfügbarkeit von Daten wächst
exponentiell; und damit auch die Notwendigkeit, sie in Entscheidungsfindung und Planung zu berücksichtigen.
Unsere Systeme tragen größtenteils zu dem Dilemma mit bei, statt Abhilfe
zu schaffen."
CIO's Guide to Semantics, Copyright 2004 & 2005 Semantic Arts. Der
vollständige Bericht:
CIOs-guide-to-semantics.pdf
"Nicht Inhalt
sondern Kontext wird in etwa einem Jahrzehnt am wichtigsten sein. Die
knappesten Ressourcen werden nicht Materialien sondern Standpunkte
sein."
Paul Safo, "It's the Context
Stupid" -
Der vollständige Artikel:
http://www.saffo.com/essays/contextstupid.php
Definition Schlüsselworte und Anwendungsbeispiele mit freundlicher Genehmigung von Dr. Peter Turney