Maschinelle Klassifikation: Unterschied zwischen den Versionen

Aus InfoWissWiki - Das Wiki der Informationswissenschaft
Zur Navigation springen Zur Suche springen
Zeile 3: Zeile 3:
  
 
==Ziele==
 
==Ziele==
 +
 +
Das Ziel einer Klassifikation besteht darin, einen Dokumentenbestand zu Strukturieren, um so leichter in diesem Bestand navigieren zu können. Automatische Verfahren  sollen dabei Zeit-, Personal und - damit verbunden - Kosteneinsparungen mit sich bringen.
  
 
==Arten==
 
==Arten==

Version vom 22. November 2014, 11:04 Uhr

Das maschinelle Klassifizieren kann als ein Teilaspekt automatischer Inhaltserschliessung verstanden werden und ist vom automatischen Clustern abzugrenzen, bei welchem kein fertiges Klassifikationssystem benutzt wird. Im Bibliotheksumfeld hingegen existieren feste Klassifikationssysteme, in welche die zu klassifizierenden Texte eingeordnet werden müssen. Ein rein automatisches Verfahren ist dabei nicht möglich, da die aus den Texten automatisch gewonnene Information immer im Bruch zur intellektuel erstellten Klassifikation stehen wird. Deshalb sind in diesem Zusammenhang semiautomatische Verfahren das Ziel, welche bestenfalls durch die Anwenderaktionen lernen können.

Ziele

Das Ziel einer Klassifikation besteht darin, einen Dokumentenbestand zu Strukturieren, um so leichter in diesem Bestand navigieren zu können. Automatische Verfahren sollen dabei Zeit-, Personal und - damit verbunden - Kosteneinsparungen mit sich bringen.

Arten

Grundsätzlich wird bei der maschinellen Klassifikation zwischen häufigkeitsbasierten, lineraren, prototypbasierten und hierarchischen Verfahren unterschieden. Dies umfasst hauptsächlich:

  • Naiver Bayes-Klassifikator
  • Lineare Diskriminanzanalyse
  • Support-Vektor-Maschine
  • Nächster Nachbar Klassifikator
  • Lernende Vektorquantisierung
  • Entscheidungsbäume

Ansätze

Verfahren

Schwierigkeiten

Quellen

  • Helmbrecht-Schaar, Anja (2007): Entwicklung eines Verfahrens der automatischen Klassifizierung für Textdokumente aus dem Fachbereich Informatik mithilfe eines fachspezifischen Klassifikationssystems. In: Umlauf, Konrad (Hrsg.): Berliner Handreichungen zur Bibliotheks- und Informationswissenschaft (Heft 200). Berlin: Humboldt-Universität.
  • Runkler, Thomas A. (2010): Data Mining. Methoden und Algorithmen intelligenter Datenanalyse. Wiesbaden: GWV Fachverlage.
  • Sommer, Maike (2012): Automatische Generierung von CCD-Notationen für Hochschulveröffentlichungen. Bacherlorarbeit: Hochschule Hannover.

Weiterführende Literatur

  • Nohr, Holger (2003): Grundlagen der automatischen Indexierung. Ein Lehrbuch. Berlin: Logos.
  • Heyer, Gerhard; Quasthoff, Uwe; Wittig, Thomas (2008): Wissensrohstoff Text. Konzepte, Algorithmen, Ergebnisse. 1. korrigierter Nachdr. Herdecke: W3L-Verl.

Weblinks

Verwandte Begriffe