Semantische Co-Annotation und Videosuche mit yovisto.com

892 views
827 views

Published on

Multimediaforum, 51. DFN Betriebstagung 2009, 07. Oktober 2009

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
892
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
11
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Semantische Co-Annotation und Videosuche mit yovisto.com

  1. 1. Semantische Co-Annotation und Videosuche mit yovisto.com Dr. Harald Sack Hasso-Plattner-Institut für Softwaresystemtechnik Universität Potsdam 51. DFN-Betriebstagung Forum Multimedia-Dienste Berlin, 7. Oktober 2009
  2. 2. Semantische Co-Annotation und Videosuche mit yovisto.com 2 •Etwas Statistik ... • Aufzeichnung und Archivierung universitärer Lehrveranstaltungen • Suche in audiovisuellen Daten • Automatische AV-Analyse • Benutzergenerierte Co-Annotation • Metadatenstandards • Semantische Annotation von Videodaten • Yovisto.com - akademische Videosuche • Explorative Suche mit yovisto 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  3. 3. Etwas Statistik ... 3 • Aktuelle Video-Nutzungsstatistiken für USA, August 2009 • 82% aller Internet-Nutzer in den USA haben Videos im WWW angesehen • 25 Milliarden Video Abrufe (Google/YouTube mit 40% Marktanteil) • 161 Millionen Benutzer durchschnittlich jeweils 157 Videos aus dem WWW konsumiert • der monatliche online Videokonsum betrug durchschnittlich 582 Minuten pro Internet-Nutzer • die durchschnittliche Videolänge betrug 3.7 Minuten.... Quellen: comscore.com, Google Sites Surpasses 10 Billion Video Views in August 2009 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  4. 4. Etwas Statistik ... 4 • Aktuelle Video-Nutzungsstatistiken für Deutschland, Dezember 2008 • 28,5 Millionen Deutsche haben im Dezember 2008 3,4 Milliarden Videos abgerufen • die durchschnittliche Videolänge betrug 4,1 Minuten.... • Google erhielt im Juli 2008 von über 100 Milliarden Suchanfragen alleine 3 Milliarden aus Deutschland • Bereits 1.6 Millionen dieser Suchabfragen fanden über Mobiltelefone statt..... Quellen: comscore.com, Germany had 28 Million Online Video Viewers Watch More Than 3 Billion Videos in December 2008 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  5. 5. Semantische Co-Annotation und Videosuche mit yovisto.com 5 • Etwas Statistik ... •Aufzeichnung und Archivierung universitärer Lehrveranstaltungen • Suche in audiovisuellen Daten • Automatische AV-Analyse • Benutzergenerierte Co-Annotation • Metadatenstandards • Semantische Annotation von Videodaten • Yovisto.com - akademische Videosuche • Explorative Suche mit yovisto 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  6. 6. Aufzeichnung und Archivierung universitärer Lehrveranstaltungen 6 • An den Universitäten wird die Präsenzlehre seit mehr als einer Dekade durch Vorlesungsaufzeichnungen ergänzt, die über das WWW zur Verfügung gestellt werden 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  7. 7. Aufzeichnung und Archivierung universitärer Lehrveranstaltungen 6 • An den Universitäten wird die Präsenzlehre seit mehr als einer Dekade durch Vorlesungsaufzeichnungen ergänzt, die über das WWW zur Verfügung gestellt werden 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  8. 8. Aufzeichnung und Archivierung universitärer Lehrveranstaltungen 7 tele-TASK -- Teleteaching Anywhere Solution Kit • seit 2002 zuerst an der Universität Trier, dann am HPI im Einsatz • mobile (low-cost) Aufzeichnung, Encoding, Streaming out-of-the-box 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  9. 9. Aufzeichnung und Archivierung universitärer Lehrveranstaltungen 8 tele-TASK -- Videoportal • Zugriff auf >2000 Kurse, Einzelvorlesungen, Vorträge, Events von über 440 Dozenten 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  10. 10. Aufzeichnung und Archivierung universitärer Lehrveranstaltungen 9 HPI on iTunes U • Zusätzlicher Distributionskanal für Video-Podcasts mit weltweiter Reichweite 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  11. 11. Semantische Co-Annotation und Videosuche mit yovisto.com 10 • Etwas Statistik ... • Aufzeichnung und Archivierung universitärer Lehrveranstaltungen •Suche in audiovisuellen Daten • Automatische AV-Analyse • Benutzergenerierte Co-Annotation • Metadatenstandards • Semantische Annotation von Videodaten • Yovisto.com - akademische Videosuche • Explorative Suche mit yovisto 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  12. 12. Suche in audiovisuellen Daten 11 Wie findet man etwas in einem audiovisuellen Archiv? • Damit audiovisuelle Daten einer computergestützten gezielten Suche zugänglich werden, müssen Beschreibungen, Schlüsselwörter, etc. üblicherweise Textform vorliegen. 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  13. 13. Suche in audiovisuellen Daten 11 Wie findet man etwas in einem audiovisuellen Archiv? • Damit audiovisuelle Daten einer computergestützten gezielten Suche zugänglich werden, müssen Beschreibungen, Schlüsselwörter, etc. üblicherweise Textform vorliegen. Manuelle Analyse und Annotation 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  14. 14. Suche in audiovisuellen Daten 12 Retrieval in Audiovisuellen (zeitabhängigen) Daten automatische inhaltliche Analyse ist • schwierig und • • berechnungs-/speicheraufwändig © Friedrich Wilhelm Murnau Stiftung, DFI 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  15. 15. Suche in audiovisuellen Daten 12 Retrieval in Audiovisuellen (zeitabhängigen) Daten automatische inhaltliche Analyse ist • schwierig und • • berechnungs-/speicheraufwändig © Friedrich Wilhelm Murnau Stiftung, DFI 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  16. 16. Suche in audiovisuellen Daten 12 Retrieval in Audiovisuellen (zeitabhängigen) Daten automatische inhaltliche Analyse ist • schwierig und • • berechnungs-/speicheraufwändig © Friedrich Wilhelm Murnau Stiftung, DFI 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  17. 17. Suche in audiovisuellen Daten 12 Retrieval in Audiovisuellen (zeitabhängigen) Daten automatische inhaltliche Analyse ist • schwierig und • • berechnungs-/speicheraufwändig Marlene Dietrich © Friedrich Wilhelm Murnau Stiftung, DFI 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  18. 18. Suche in audiovisuellen Daten 12 Retrieval in Audiovisuellen (zeitabhängigen) Daten automatische inhaltliche Analyse ist • schwierig und • • berechnungs-/speicheraufwändig Marlene Dietrich ???? © Friedrich Wilhelm Murnau Stiftung, DFI 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  19. 19. Suche in audiovisuellen Daten 12 Retrieval in Audiovisuellen (zeitabhängigen) Daten automatische inhaltliche Analyse ist • schwierig und • • berechnungs-/speicheraufwändig ???? ???? Marlene Dietrich © Friedrich Wilhelm Murnau Stiftung, DFI 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  20. 20. Suche in audiovisuellen Daten 12 Retrieval in Audiovisuellen (zeitabhängigen) Daten automatische inhaltliche Analyse ist • schwierig und • • berechnungs-/speicheraufwändig ???? ???? Marlene Dietrich { „...ich bin von Kopf bis Fuß...“ © Friedrich Wilhelm Murnau Stiftung, DFI 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  21. 21. Suche in audiovisuellen Daten Automatische AV-Analyse 13 Strukturelle (temporäre) Segmentierung • Grobsegmentierung (rein strukturell) • --> Zerlegung Einzelbilder/Blöcke, Histogrammvergleich Zeit • Feinsegmentierung (inhaltsbasiert) • --> Objekterkennung/-verfolgung • --> OCR/ICR • --> Korrelation Audio/Video (NLP) Zusammenfassen Verfeinern Zusammenfassen Zeit 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  22. 22. Suche in audiovisuellen Daten Automatische AV-Analyse 14 Inhaltsbezogene Videoanalyse • Ergebnis: Videosegmente mit zugeordneten, zeitbezogenen Metadaten Zeit Metadaten Metadaten Metadaten Metadaten Metadaten Metadaten • Metadaten setzen sich zusammen aus kombinierten Low Level/ High Level Deskriptoren • Metadaten als Basis für traditionelles Information Retrieval 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  23. 23. Suche in audiovisuellen Daten Automatische AV-Analyse 15 Automatische Metadatenextraktion 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  24. 24. Suche in audiovisuellen Daten Automatische AV-Analyse 15 Automatische Metadatenextraktion ICR / OCR 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  25. 25. Suche in audiovisuellen Daten Automatische AV-Analyse 15 Automatische Metadatenextraktion ICR / OCR ASR 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  26. 26. Suche in audiovisuellen Daten Automatische AV-Analyse 15 Automatische Metadatenextraktion ICR / OCR Keyterm Spotting Dictionary ASR 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  27. 27. Suche in audiovisuellen Daten Benutzergenerierte Co-Annotation 16 Benutzergenerierte Metadaten • automatische Analyse nur begrenzt leistungsfähig • mangelnde Genauigkeit / Vollständigkeit • Benutzergenerierte Metadaten können qualitativ zuverlässiger sein • autoritative Metadaten • strukturierte Daten • unstrukturierte (textuelle) Daten • nicht-autoritative Metadaten • Tags • Kommentare • Diskussionen • Rezensionen • Feedback • etc... 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  28. 28. Suche in audiovisuellen Daten Benutzergenerierte Co-Annotation 17 Kollaborative Annotation Apfel Quelle: wikipedia.de apple Apfel Obst Frühstück Frucht Autor Benutzer kaufen Ressource nicht-autoritative autoritative Metadaten Metadaten 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  29. 29. Suche in audiovisuellen Daten Metadatenstandards 18 Metadaten für Audiovisuelle Medien • Dublin Core • LOM / SCORM Zeit Metadaten Metadaten Metadaten Metadaten Metadaten Metadaten • Metadaten beziehen sich auf Zeitpunkt / Ort in den AV-Daten (spatio-temporale Annotation) • Metadaten sind benutzerbezogen (Social Tagging, autoritative vs. nicht-autoritative Metadaten) 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  30. 30. Suche in audiovisuellen Daten Metadatenstandards 19 Spatiale Annotation audiovisueller Daten (xmin, ymin, xmax, ymax) Hieroglyphen mit Königskartusche, Haute-Relief (xmin, ymin, xmax, ymax) Harald Sack 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  31. 31. Suche in audiovisuellen Daten Metadatenstandards 20 MPEG-7 Metadata Description Framework • umfassender XML-basierter Standard zur strukturellen und inhaltlichen Beschreibung von multimedialen Daten <!xml version=“1.0“ encoding=“iso-8859-1“> <Mpeg7 xmlns=urn:mpeg:mpeg7:schema:2001 …> … <AudioVisualSegment> <TextAnnotation type=“heading“ xml:lang=“de“> <FreeTextAnnotation> Der Computer als universales Kommunikationsmedium </FreeTextAnnotation> </TextAnnotation> ….. <MediaTime> <MediaTimePoint> T00:03:42.2 </MediaTimePoint> <MediaDuration> PT1M28.6S </MediaDuration> </MediaTime> …. 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  32. 32. Semantische Co-Annotation und Videosuche mit yovisto.com 21 • Etwas Statistik ... • Aufzeichnung und Archivierung universitärer Lehrveranstaltungen • Suche in audiovisuellen Daten • Automatische AV-Analyse • Metadatenstandards • Benutzergenerierte Co-Annotation •Semantische Annotation von Videodaten • Yovisto.com - akademische Videosuche • Explorative Suche mit yovisto 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  33. 33. Semantische Annotation von Videodaten 22 Die ursprüngliche Vision des World Wide Web Tim Berners-Lee, Semantic Web Roadmap, Sept 1998 „The Web was designed as an information space, with the goal that it should be useful not only for human-human communication, but also that machines would be able to participate and help… “ Tim Berners-Lee Voraussetzung: • Inhalte können maschinell gelesen und korrekt interpretiert (= verstanden) werden Wie kann das funktionieren? 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  34. 34. Semantische Annotation von Videodaten 23 Inhalte im Web maschinell „verstehen“ •um Inhalte im Web maschinell „verstehen“ zu können werden zwei unterschiedliche Ansätze verfolgt Natural Language Processing Semantic Web • Natürliche Sprache soll mit • (Natürlichsprachliche) Web- Techniken der Linguistik und Inhalte werden explizit mit Hilfe Statistik analysiert werden von semantischen Metadaten • Die Bedeutung (Semantik) soll annotiert implizit (oder auch explizit) • semantische Metadaten tragen daraus erschlossen werden die Bedeutung (Semantik) der • Techniken kommen im Web-Inhalte und lassen sich klassischen Information maschinell lesen und korrekt Retrieval (WWW-Such- interpretieren maschinen) zum Einsatz 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  35. 35. Semantische Annotation von Videodaten 24 Inhalte im Web maschinell „verstehen“ Text: „Diego zu Bayern?“ Entitäten- zuweisung Diego Ribas da Cunha (Instanz) Klassen- ist ein zugehörigkeit Fußballspieler (Klasse) Subklasse ist eine ist eine • Die Bedeutung (Semantik) der Klassen Superklasse muss ebenfalls explizit definiert werden. • Bedeutung wird über geeignete Wissens- Person (Klasse) repräsentationen (Ontologien) kodiert 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  36. 36. Semantische Annotation von Videodaten 25 Ontologien als Wissensrepräsentation verwenden gemeinsames Konzept Konzept ruft hervor referenziert Symbol Gegenstand steht für „Golf“ Ogden, Richards, semiotisches Dreieck, 1923 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  37. 37. Semantische Annotation von Videodaten 26 Ontologien als Wissensrepräsentation „Philosophische Disziplin, die sich primär mit dem Sein, dem Seienden als solchem und mit den fundamentalen Typen von Entitäten beschäftigt…“ (wikipedia) "An ontology is an explicit, formal specification of a shared conceptualization. The term is borrowed from philosophy, where an Ontology is a systematic account of Existence. For AI systems, what ‘exists’ is that which can be represented.“ (Thomas R. Gruber, 1993) Konzeptualisierung: abstraktes Modell (Domäne, identifizierte relevante Begriffe, Beziehungen) Explizit: Bedeutungen aller Begriffe definiert Formal: maschinenverstehbar Gemeinsam: Konsens bzgl. Ontologie 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  38. 38. Semantische Annotation von Videodaten 27 Das Semantic Web - Datenzentrierte Verarbeitung •Die Bedeutung der Informationen (Semantik) wird durch standardisierte Wissensrepräsentationen (Ontologien) explizit formalisiert (strukturiert) • Damit wird es möglich, •die Bedeutung der Informationen maschinell zu verarbeiten •unterschiedliche (heterogene) Daten miteinander in Beziehung zu setzen •implizite (nicht offensichtliche) Information aus der vorhandenen (offensichtlichen) Information automatisch zu folgern Das Semantic Web ist eine Art globaler Datenbank, die ein universales Netz semantischer Aussagen bereit hält 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  39. 39. Semantische Annotation von Videodaten 28 Inhalte im Semantic Web Webseite <?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML+RDFa 1.0//EN" "http://www.w3.org/MarkUp/DTD/xhtml-rdfa-1.dtd"> <html xmlns="http://www.w3.org/1999/xhtml" xmlns:foaf="http://xmlns.com/foaf/0.1/" version="XHTML+RDFa 1.0" xml:lang="en"> ... <body> ... <div class=“content“ about=“http://www2.diego10.com.br/diego“ instanceof=“foaf:Person“> <span property=“foaf:givenname“>Diego</span> zu Bayern?“ ... <img rel=“foaf:depiction“ src=“http://www.bild.de/xyz.jpg /> ... </div> ... </body> </html> foaf:Person Diego rdf:type foaf:givenname http://www2.diego10.com.br/diego http://www.bild.de/xyz.jpg foaf:depiction Semantic Web Schichtenarchitektur 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  40. 40. Semantische Annotation von Videodaten 29 Linked Data - Datenzentrierte Verarbeitung •Ziel des Semantic Web: ...to create a ,Web of Data‘ 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  41. 41. Semantische Annotation von Videodaten 29 Linked Data - Datenzentrierte Verarbeitung •Ziel des Semantic Web: ...to create a ,Web of Data‘ 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  42. 42. Semantische Co-Annotation und Videosuche mit yovisto.com 30 • Etwas Statistik ... • Aufzeichnung und Archivierung universitärer Lehrveranstaltungen • Suche in audiovisuellen Daten • Automatische AV-Analyse • Metadatenstandards • Benutzergenerierte Co-Annotation • Semantische Annotation von Videodaten •Yovisto.com - akademische Videosuche • Explorative Suche mit yovisto 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  43. 43. Yovisto.com - Akademische Videosuche 31 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  44. 44. Yovisto.com - Akademische Videosuche 32 yovisto.com • Videosuchmaschine mit dem Schwer- punkt akademischer Lehrveranstaltungen • aktuell mehr als 6.000 Vorlesungen und wissenschaftliche Vorträge aus der ganzen Welt • automatische Segmentierung und Videoanalyse • benutzergenerierte Co-Annotation • Social Tagging www.yovisto.com • Diskussionen • Rezensionen • Wikis • Lernmaterialien • Zielgenauer Zugriff auf gesuchte Videoinhalte 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  45. 45. Yovisto.com - Akademische Videosuche 33 Arbeitsweise search engine frontend search for analyze and link to video content any available academic WWW video recording in the WWW browse, play, and annotate video results video analysis and search index creation upload your own academic video recording 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  46. 46. Yovisto.com - Akademische Videosuche 34 Yovisto Video Player 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  47. 47. Yovisto.com - Akademische Videosuche 35 Semantische Annotation • Entitätenerkennung in den textuellen Metadaten des Grunddatenbestand Zeit Metadaten Metadaten Metadaten Metadaten Metadaten Person xy Metadaten Person yz Ort xyz Ereignis abc Person xy Ort yz semantische Metadaten (z.B. als DC-RDF / MPEG7-COMM u.a.) 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  48. 48. Yovisto.com - Akademische Videosuche 36 Semantische Annotationen • Entitätenerkennung in den textuellen Metadaten des Grunddatenbestand • Mapping der erkannten Entitäten gegen vorhandene Ontologien Person xy Person yz Person xy Ort xyz Ort yz Ereignis abc z.B. bibliografische Daten, geografische Daten, enzyklopädische Daten, .... 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  49. 49. Semantische Co-Annotation und Videosuche mit yovisto.com 37 • Etwas Statistik ... • Aufzeichnung und Archivierung universitärer Lehrveranstaltungen • Suche in audiovisuellen Daten • Automatische AV-Analyse • Metadatenstandards • Benutzergenerierte Co-Annotation • Semantische Annotation von Videodaten • Yovisto.com - akademische Videosuche •Explorative Suche mit yovisto 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  50. 50. Explorative Suche mit yovisto 38 Das „Google Paradigma“ • Eingabe einer Suchphrase • Boolesche Verknüpfung einzelner Suchbegriffe • Volltextsuche 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  51. 51. Explorative Suche mit yovisto 39 Das „Google Paradigma“ 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  52. 52. Explorative Suche mit yovisto 39 Das „Google Paradigma“ 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  53. 53. Explorative Suche mit yovisto 40 Das „Google Paradigma“ • Erzeugung einer linearen (nach Relevanz gewichteten) Ergebnisliste • TFIDF / PageRank • Personalisierung (Logdatenanalyse) 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  54. 54. Explorative Suche mit yovisto 40 Das „Google Paradigma“ • Erzeugung einer linearen (nach Relevanz gewichteten) Ergebnisliste • TFIDF / PageRank • Personalisierung (Logdatenanalyse) 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  55. 55. Explorative Suche mit yovisto 41 Semantisch unterstütztes Information Retrieval • Semantische Annotationen ermöglichen eine Verbesserung der traditionellen Schlüsselwort-basierten Suche durch • Erweiterung / Präzisierung der Suchergebnisse • Herleitung von impliziten Informationen durch logische Schlussfolgerungen • Herstellung von Querverweisen • Nutzung von semantischen Beziehungen zur • Visualisierung und • Navigation durch den Suchraum (Explorative Suche) 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  56. 56. Explorative Suche mit yovisto 41 Semantisch unterstütztes Information Retrieval • Semantische Annotationen ermöglichen eine Verbesserung der traditionellen Schlüsselwort-basierten Suche durch • Erweiterung / Präzisierung der Suchergebnisse • Herleitung von impliziten Informationen durch logische Schlussfolgerungen • Herstellung von Querverweisen • Nutzung von semantischen Beziehungen zur • Visualisierung und • Navigation durch den Suchraum (Explorative Suche) 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  57. 57. Explorative Suche mit yovisto 42 Herstellung von Querverweisen □ Bereitstellung von Suchergebnissen, die zwar den Suchbegriff nicht notwendigerweise enthalten, aber mit diesem in inhaltlichem Zusammenhang stehen □ Nutzung von Domain Ontologien □ Nutzung von Thesauri und Kookurrenzanalysen repräsentativer Dokumentenkorpora Suchphrase: Hemingway ermittelter Oberbegriff zu Hemingway: amerikanischer Autor Ausweitung der Suche auf andere amerikanische Autoren dbpedia:AmericanNovelists rdf:type rdf:type Instanzerkennung Hemingway dbpedia:Ernest_Hemingway dbpedia:Edgar_Allen_Poe 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  58. 58. Explorative Suche mit yovisto 43 Explorative Suche • Abkehr vom „Google Paradigma“ • Visualisierung von Querverbindungen zwischen • Suchbegriffen (Ontologieebene) • Suchergebnissen (Instanzebene) • Ermöglicht es dem Benutzer • Suchergebnisse „zufällig“ zu entdecken, die er eigentlich gar nicht gesucht hat (Serendipity) • einen besseren Überblick über den Suchraum / Ergebnisraum zu gewinnen 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  59. 59. Explorative Suche mit yovisto 44 Explorative Suche - ein einfaches Beispiel • Suche im Grunddatenbestand nach ,Ernest Hemingway‘ • Identifikation einer Entität dbpedia:Ernest_Hemingway • Bestimmung gleichartiger Entitäten dbpedia:Ernest_Hemingway foaf:name “Ernest Hemingway“ . dbpedia:Ernest_Hemingway rdfs:type dbpedia:class/yago/AmericanNovelist . dbpedia:Ernest_Hemingway dbpedia:ontology/influences dbpedia:Ezra_Pound . dbpedia:J._D._Salinger dbpedia:ontology/influences dbpedia:Ernest_Hemingway . Finde weitere Ressourcen vom selben Typ, d.h. (1) finde weitere amerikanische Autoren (2) finde Ressourcen (Videos) mit weiteren amerikanischen Autoren 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  60. 60. Explorative Suche mit yovisto 45 Explorative Suche - ein einfaches Beispiel • Suche im Grunddatenbestand nach ,Ernest Hemingway‘ • Identifikation einer Entität dbpedia:Ernest_Hemingway • Bestimmung eines geeigneten „Properties“ • Nutzung des Properties zur Navigation/Visualisierung Ezra Pound Ernest Hemingway J.D. Salinger dbpedia:ontology/influences dbpedia:ontology/influences • Erweitere Suche mit asoziierten Entitäten 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  61. 61. 29 Prototyp unter http://testing.yovisto.com/ 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  62. 62. history 29 Prototyp unter http://testing.yovisto.com/ 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  63. 63. history search term 29 Prototyp unter http://testing.yovisto.com/ 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  64. 64. history search term related resources with properties 29 Prototyp unter http://testing.yovisto.com/ 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam
  65. 65. Semantische Co-Annotation und Videosuche mit yovisto.com 47 • Etwas Statistik ... • Aufzeichnung und Archivierung universitärer Lehrveranstaltungen • SucheVielen Dank für Ihre Aufmerksamkeit ! in audiovisuellen Daten Fragen....? • Automatische AV-Analyse • Metadatenstandards • Benutzergenerierte Co-Annotation Links: • Semantische Annotation von Videodaten • HPI Homepage: http://www.hpi.uni-potsdam.de/meinel/sack.html • Yovisto: www.yovisto.com • Yovisto.com - akademische Videosuche • Blogs: http://moresemantic.blogspot.com/ • Explorative Suche http://yovisto.blogspot.com/ 51. Betriebstagung des DFN-Vereins, 07. Oktober 2009, Dr. Harald Sack, HPI Potsdam

×