Folie 1

Multiagentensysteme in der Informationssuche berblick ber bestehende Technologien und Entwicklungsperspektiven Dariusz Kordoski Seminar Agentensysteme

Folie 2

2 Agenda I. traditionelle Informationssuche im Internet Einfhrung in Information Retrieval Grundlagen von IR Web-Suchmaschinen das Problem des Informationsberflusses II. Agenten in der Informationssuche Grundlagen berblick ber Technologien Mngel der Suchagenten III. Multiagentensysteme Grundlagen Vorteile der Multiagentensystemen

Folie 3

3 Agenda IV. der biologische Ansatz in der KI neuronale Netze der genetische Ansatz V. praktische MAS-Anwendungen in der Suche die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die Entwicklung Entwicklungsperspektiven der Konzept einer evolutionren Suchmaschine VII. Fazit

Folie 4

4 Einfhrung in die IR Traditionelle IR im Internet Agenten im Suchen Multiagentensysteme Praxisbeispiele Biologie in KI Fazit Entwicklung Information Retrieval InformationswiedergewinnungInformationsbeschaffung Informationsrckgewinnung die Nutzende mit Informationen zu versorgen computergesttzte, inhaltsorientierte Suche

Folie 5

5 Einfhrung in die IR Agenten im Suchen Multiagentensysteme Praxisbeispiele Fazit Herausforderungen des Internets: verteilte Daten grer Anteil der wandelbaren Daten riesige Ausmae unstrukturierte und berflssige Daten niedrige Qualitt von Daten heterogene Daten Die wichtigste Methoden: Web-Suchmaschinen Webkataloge Hyperlink-Suchen Traditionelle IR im Internet Biologie in KI Entwicklung

Folie 6

6 Grundlagen von IR Traditionelle IR im Internet Agenten im Suchen Multiagentensysteme Praxisbeispiele Fazit Biologie in KI Entwicklung das Vektorraummodell die tf-idf-Gewichtung precision und recall technische Tools (parsing, noise-word-Beseitigung, stemming)

Folie 7

7 Traditionelle IR im Internet Web-Suchmaschinen Agenten im Suchen Multiagentensysteme Praxisbeispiele Fazit Die Architektur sofortige Antwort auf die Anfrage Rangliste der Ergebnisse Kostensenkung durch Indizierung SKALIERBARKEITSMANGEL Biologie in KI Entwicklung

Folie 8

8 Traditionelle IR im Internet Informationsberfluss Agenten im Suchen Multiagentensysteme Praxisbeispiele Fazit die im vorigen Punkt besprochen wurden, bedingen stndige Beteiligung des Benutzers am Suchprozess. Oft sogar sehr ausfhrliche Anfragen rufen Ergebnislisten hervor, die aus Millionen von Links bestehen. Dabei ist Internet-Surfing nur ein winziger Teil der allen Bedrfnissen, die Entwicklung des Internets nach sich gezogen hat. E-commerce, news groups, Web Services, (jeszcze?) alle diese Internetbezogenen Technologien bedingen stndige Informationssuche. Man kann sich nicht mehr gnnen, auf manuelle Suche die Zeit zu verschwenden. Diese Situation wird sehr bildlich durch das Zitat dargestellt: Zusammengefasst fhrt das Web zu der paradoxen Situation, dass der Einzelne jetzt unbeschrnkten Zugang zu unendlich vielen Informationen hat, aber die meiste Zeit verbringt, das Gesuchte zu finden. Ein anderes Beispiel fr die Verfolgung der Natur in KI sind die genetischen Algorithmen, die ursprnglich zur Problemlsung durch Suche entwickelt worden sind. Sie verwenden die Hauptprinzipien der Theorie vom berleben des Strkeren. Problemlsung ist ein Zweig von KI, der sich mit Herausfindung des besten mglichen Zustandes in einem bestimmten Zustandsraum, die erlaubte Zustande eines Problems umfasst, beschftigt, wobei blicherweise die Regeln zum bergang von einem Zustand in den anderen vorliegen Der beste bedeutet nicht immer der optimale. In sehr komplexen Problemen, mit denen man berall immer mehr zu tun hat, gibt es Unmenge von Zustnde, bergreifende und komplizierte bergangsregeln. Sehr besteht das Ziel darin, eine Lsung zu finden, die bestimmte Kriterien zufrieden stellend erfllt und nicht unbedingt global die beste ist. In solchen Fllen sind die genetischen Algorithmen besonders geeignet, da sie den Zustandsraum sozusagen parallel die im vorigen Punkt besprochen wurden, bedingen stndige Beteiligung des Benutzers am Suchprozess. Oft sogar blicherweise die Regeln zum bergang von einem Zustand in den anderen vorliegen Der beste bedeutet nicht immer der optimale. In sehr komplexen Problemen, mit denen stellend erfllt sehr ausfhrliche Anfragen rufen Ergebnislisten hervor, die aus Millionen von Links bestehen. Dabei ist Internet-Surfing nur ein winziger Teil der allen Bedrfnissen, die Entwicklung des Internets nach sich gezogen hat. E-commerce, news groups, Web Services, (jeszcze?) alle diese Internetbezogenen Technologien bedingen stndige Informationssuche. Man kann sich die im vorigen Punkt besprochen wurden, bedingen stndige Beteiligung des Benutzers am Suchprozess. Oft sogar blicherweise die Regeln zum bergang von einem Zustand in den anderen vorliegen Der beste bedeutet nicht immer der optimale. In sehr komplexen Problemen, mit denen stellend erfllt die im vorigen Punkt besprochen wurden, bedingen stndige Beteiligung des Benutzers am Suchprozess. Oft sogar nicht mehr gnnen, auf manuelle Suche die Zeit zu verschwenden. Diese Situation wird sehr bildlich durch das Zitat dargestellt: Zusammengefasst fhrt das Web zu der paradoxen Situation, dass der Einzelne jetzt unbeschrnkten Zugang zu unendlich vielen Informationen hat, aber die meiste Zeit verbringt, das Gesuchte zu finden. Gre des Internets vs. Mglichkeiten der Suchmaschine Zeit des Wiederbesuches durch einen crawler Menge und Relevanz der gelieferten Links Web Index Biologie in KI Entwicklung

Folie 9

9 Agenda I. traditionelle Informationssuche im Internet II. Agenten in der Informationssuche Grundlagen berblick ber Technologien Mngel der Suchagenten III. Multiagentensysteme Einfhrung in Information Retrieval Grundlagen von IR Web-Suchmaschinen das Problem des Informationsberflusses Grundlagen Vorteile der Multiagentensystemen

Folie 10

10 Grundlagen der Agenten Traditionelle IR im Internet Agenten in Suche Multiagentensysteme Praxisbeispiele Fazit Aufgabedelegierungautonome Erfllung Entlastung des Benutzers selbstndige Bewertung der Relevanz Filterung der Ergebnisse. Wissensdarstellung Schlussfolgerung Lernen Kontexterkennung Autonomie Intelligenz Reaktivitt Proaktivitt Kommunikation Mobilitt Sozialverhalten Adaptivitt lokale Zugriff auf Information Leistungssteigerung (Zukunft) Biologie in KI Entwicklung

Folie 11

11 berblick ber Technologien Traditionelle IR im Internet Multiagentensysteme Praxisbeispiele Fazit Web-Roboter Informationssuchagenten Informationsfilteragenten kollaborative Agenten Biologie in KI Entwicklung Agenten in Suche

Folie 12

12 Agenten in Suche Mngel der Suchagenten Traditionelle IR im Internet Multiagentensysteme Praxisbeispiele Fazit Beruhung auf den traditionellen Tools Erweiterung Intelligenz Teilentlastung precision recall Teilentlastung Das Problem des Informationsberflusses wird nicht gelst! Biologie in KI Entwicklung

Folie 13

13 Agenda II. Agenten in der Informationssuche Grundlagen berblick ber Technologien Mngel der Suchagenten III. Multiagentensysteme I. traditionelle Informationssuche im Internet Einfhrung in Information Retrieval Grundlagen von IR Web-Suchmaschinen das Problem des Informationsberflusses Grundlagen Vorteile der Multiagentensystemen

Folie 14

14 Grundlagen Traditionelle IR im Internet Agenten in Suche Multiagentensysteme Praxisbeispiele Fazit mehrere AgentenMehragentensysteme beschrnkte Sicht auf die Umgebung keine globale Steuerung Dezentralisierung der Daten asynchrones Handeln Multiagentensysteme DPS vs. MAS Biologie in KI Entwicklung

Folie 15

15 Vorteile der MAS Traditionelle IR im Internet Agenten in Suche Multiagentensysteme Praxisbeispiele Fazit InternetMAS verteilte Daten niedrige Qualitt von Daten riesige Ausmae unstrukturierte und berflssige Daten heterogene Daten schnelle, lokale Anpassung Skalierbarkeit heterogene Architektur Mangel der zentralen Planung stndige dezentrale Entwicklung verteilte Daten dynamische Struktur Biologie in KI Entwicklung

Folie 16

16 Agenda IV. der biologische Ansatz in der KI neuronale Netze der genetische Ansatz V. praktische MAS-Anwendungen in der Suche die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die Entwicklung Entwicklungsperspektiven der Konzept einer evolutionren Suchmaschine VII. Fazit

Folie 17

17 Neuronale Netze Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Multiagentensysteme Vorbild: menschliches Gehirn Neurone durch gewichtete Synapsen verbunden nderung des Zustandes (Aktivierung) durch Eingabe (input) von anderen Zellen Ausgabe (output) aufgrund einer bestimmten Aktivierung Haupteigenschaft - Lernfhigkeit Biologie in KI Entwicklung

Folie 18

18 Der genetische Ansatz Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Multiagentensysteme Vorbild: die Evolution in Natur Chromosome bilden die Population Bewertung von Fitness (Gte) Charles Darwin berleben des Strkeren Probabilistische Auswahl der Fitness-strken Chromosomen Biologie in KI Entwicklung stndige Steigerung von Fitness: Reproduktion Cross-over Mutation

Folie 19

19 Der genetische Ansatz Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Multiagentensysteme Eigenschaften paralleles Verfahren Rauschen Flexibilitt dezentrale Anpassung InternetMultiagentensysteme Biologie in KI Entwicklung

Folie 20

20 Agenda IV. der biologische Ansatz in der KI neuronale Netze der genetische Ansatz V. praktische MAS-Anwendungen in der Suche die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die Entwicklung Entwicklungsperspektiven der Konzept einer evolutionren Suchmaschine VII. Fazit

Folie 21

21 InfoSpiders/MySpiders Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Multiagentensysteme Multiagentensystem zur Suche im Internet InfoSpiders - Einleitung Hyperlink-Suchen-Ansatz Realisierung der genetischen Methoden Parallele, autonome Informationsauffindung Verfolgung der Graf-Struktur, ohne Indizierung Bewertung von Fitness Reproduktion, Mutation, Crossover, Elimination Anpassung Verwendung von NN, Lernen mit Relevanzrckmeldung Dynamische Anpassung der Querende Biologie in KI Entwicklung

Folie 22

22 Biologie in KI Relevanzrckmeldung InfoSpiders/MySpiders Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Multiagentensysteme InfoSpiders Architektur eines Spider HTML Parser noise-word-Eliminator Stemmer Dokumentvektor Der Genotyp Stichwrter Energie Adresse und Zurck-Link Entwicklung

Folie 23

23 Biologie in KI odge Wrterbuch - bersetzung Deutsch-Englisch Beginnend mit "a" Kostenlose bersetzungen beim Deutsch-Englisch online Wrterbuch odge.de - Aktuell mit mehr als 420.000 Begriffen. Czlmcsalc;szkc;azlsc ;ascs;,aszclsa;ldxas Restposten-Plattform.de Cazsasxcx Zxxczczxc InfoSpiders/MySpiders Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme InfoSpiders der Algorithmus (1/4) Moment N + Gewinn- Kosten odge Wrterbuch - bersetzung Deutsch-Englisch Beginnend mit "a" Kostenlose bersetzungen beim Deutsch-Englisch online Wrterbuch odge.de - Aktuell mit mehr als 420.000 Begriffen. Czlmcsalc;szkc;azlsc ;ascs;,aszclsa;ldxas Restposten-Plattform.de Cazsasxcx Zxxczczxc

Folie 24

24 Biologie in KI odge Wrterbuch - bersetzung Deutsch-Englisch Beginnend mit "a" Kostenlose bersetzungen beim Deutsch-Englisch online Wrterbuch odge.de - Aktuell mit mehr als 420.000 Begriffen. Czlmcsalc;szkc;azlsc ;ascs;,aszclsa;ldxas Restposten-Plattform.de Cazsasxcx Zxxczczxc InfoSpiders/MySpiders Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme Moment N InfoSpiders der Algorithmus (2/4)

Folie 25

25 Biologie in KI odge Wrterbuch - bersetzung Deutsch-Englisch Beginnend mit "a" Kostenlose bersetzungen beim Deutsch-Englisch online Wrterbuch odge.de - Aktuell mit mehr als 420.000 Begriffen. Czlmcsalc;szkc;azlsc ;ascs;,aszclsa;ldxas Restposten-Plattform.de Cazsasxcx Zxxczczxc InfoSpiders/MySpiders Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme Moment N InfoSpiders der Algorithmus (3/4)

Folie 26

26 InfoSpiders/MySpiders Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme InfoSpiders der Algorithmus (4/4) Evolution: globale Energieschwelle fr Reproduktion Crossover der Stichwortvektor Mutation der Stichwortvektor und das neuronale Netz (Gewichten) der lokale Kontext bei der Mutation Haltbedingungen: Aussterben der Population MAX_PAGES wird erreicht Anweisung des Benuzters Biologie in KI Rangfolge der Ergebnisse: hnlichkeit zum Genotyp Fitness des spider

Folie 27

27 Biologie in KI InfoSpiders/MySpiders Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme MySpiders - Einleitung Realisierung von IS als Java Applett Verwendung von Multithreading

Folie 28

28 Biologie in KI InfoSpiders/MySpiders Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme MySpiders die Architektur Benutzerschnittstelle Manager Spiders Gemeinsame Objekte Cache Namensgeber Ergebnistabelle Log Hilfsprogramme Dokumentenwiedergewinnung, Parsing, Stemming usw. Gemeinsame XML Daten

Folie 29

29 Biologie in KI InfoSpiders/MySpiders Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme Eigenschaften Evolution Anpassung lokale Selektion lokale Verinnerlichung selektive Expansion der Querende Personalisierbarkeit Skalierbarkeit Aktualitt Mobilitt (Zukunft) Suchmaschinen-Abhngigkeit Geschwindigkeit

Folie 30

30 Amalthaea Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme Einleitung Multiagentensystem zum Informationsfiltern knstliches Ekosystem zwei Populationen von Agenten Marktorientierte Kontrolle Informationsfilteragenten (IFA) Informationsrckgewinnungsagenten (IDA) Empfehlungssystem (Informationsrckgewinnung und Filtern) Benutzerrckmeldung bedeutsam Kooperation und Wettbewerb Biologie in KI Meta-Suche-Ansatz Realisierung des evolutionren Ansatzes

Folie 31

31 Amalthaea Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme IFA -Architektur IFA - Architektur Agent IDint Fitness dateEntstehungsdatum bool Benutzererschaffungsflag Stichwort Schlsselwortvektor mov cx,1 int 21 add cx,dx mov dx,2 Der Ausfhrungskode Biologie in KI

Folie 32

32 Amalthaea Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme fordert an und bekommt die Dokumente von IDAs Vergleich mit dem eigenen Stichwortvektor (Kosinusma) entscheidet, ob der Benutzer an dem Dokument IFA -Algorithmus IFA - Algorithmus interessiert wre (Vertrauensniveau von Fitness abhngig) Benutzerrckmeldung ins Kredit umgesetzt (vom Vertrauensniveau abhngig) Biologie in KI Teil des bekommenen Kredits als Bezahlung an IDA weitergegeben

Folie 33

33 Amalthaea Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme IDA -Architektur IDA - Architektur Agent IDint Fitness date array Transaktionsgeschichte Suchdaten mov cx,1 int 21 add cx,dx mov dx,2 Der Ausfhrungskode Suchmaschine Anzahl der Stichwrter Min Treffer Max Treffer Kombinationsmethode Biologie in KI Entstehungsdatum

Folie 34

34 Amalthaea Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme bekommt Suchauftrge von IFAs drei grundlegende Arten: selbstndige Wahl des Auftrages aufgrund der Geschichte IDA -Algorithmus IDA - Algorithmus der Transaktionen (80% der Zeit) Beobachten Auffindung Strmung Biologie in KI

Folie 35

35 Amalthaea Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme das System (1/2) Benutzer Benutzerschnittstelle Informationsfilteragenten Informationsrckgewinnungsagenten Informationsquellen BeobachtenAuffindungStrmung Dokumente gefilterte Dokumente Digest Ekosystem Kredit Rckmeldung Hilfs- programme Biologie in KI

Folie 36

36 Amalthaea Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme Anfang: verschiedene Methoden zur Erzeugung der ersten das System (2/2) Generation der IFAs Erzeugung der IDAs durch zuflliges Zugeben vom Genotyp Biologie in KI Kredit/Fitness: Weitergeben an IDAs durch IFAs (Bezahlung) lineare Verringerung von Fitness als Handelnsansto Strafen fr Empfehlung derselben Dokumente Evolution: Reproduktion, Cross-over, Mutation, Elimination Dynamik abhngig von der allgemeinen Fitness Bewertung der IFAs in Interessengruppen

Folie 37

37 Amalthaea Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme Anpassung Eigenschaften Biologie in KI Konvergenz zum Gleichgewichtspunkt Evolution Personalisierbarkeit Aktualitt Suchmaschinen-Abhngigkeit Meta-Suche

Folie 38

38 Agenda IV. der biologische Ansatz in der KI neuronale Netze der genetische Ansatz V. praktische MAS-Anwendungen in der Suche die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die Entwicklung Entwicklungsperspektiven der Konzept einer evolutionren Suchmaschine VII. Fazit

Folie 39

39 Die Entwicklungsperspektiven Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme die zurzeit entwickelten Systeme sind nur als Komplementierung der blichen Methoden vorgesehen die beiden vorgestellten Systeme werden nicht mehr Biologie in KI weiterentwickelt sie greifen mehr oder weniger auf die Indexe der Suchmaschinen zurck die grundlegende Anstze knnten unter Umstnden benutzt werden, um eine selbstndige, evolutionre Suchmaschine zu erschaffen, die die Mngel der traditionellen search engines vermeidet

Folie 40

40 Eine evolutionre Suchmaschine Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme Evolution Biologie in KI marktorientierte Kontrolle Hauptkonzepte zwei Populationen von Agenten IDAs und IFAs Gestaltung der Populationen durch Anfragen und globale Fitness kollaborativer Ansatz bei Klassifizierung der Anfragen (Interessengruppen)

Folie 41

41 Eine evolutionre Suchmaschine Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme auf dem InfoSpiders-Konzept basiert Fitness von zwei Faktoren abhngig Biologie in KI Wahl der Auftrge der IFAs dynamische Gestaltung des Zahlbestandes Auftragsannahme verursacht Mutation Informationsrckgewinnungsagenten Entdeckung der relevanten Seiten Kredit von Auftraggeber

Folie 42

42 Eine evolutionre Suchmaschine Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme auf dem Amalthaea-Konzept basiert Wettbewerb in Gruppen Biologie in KI Kampf um den Benutzer (Versteigerung) hnlichkeit der Querende mit dem eigenen Stichwortvektor Fitness kollaborativer Ansatz bei Klassifizierung der Anfrage Informationsfilteragenten Geschichte der Transaktionen die erste Quelle der Antwort Kredit aufgrund Rckmeldung

Folie 43

43 Agenda IV. der biologische Ansatz in der KI neuronale Netze der genetische Ansatz V. praktische MAS-Anwendungen in der Suche die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die Entwicklung Entwicklungsperspektiven der Konzept einer evolutionren Suchmaschine VII. Fazit

Folie 44

44 Das Fazit Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme Information Retrieval im Web ist heutzutage eines der bedeutendsten Fachgebiete der IT die Gre und Dynamik des Internets machen ein extrem schwieriges Problem fr leistungsfhige Informations- beschaffung aus die Web-Suchmaschinen, die traditionell das populrste Tool zum Suchen im Internet sind, leiden unter Mngel der Skalierbarkeit die Agenten werden schon seit lngerem in Web-IR benutzt, bieten aber keine vollstndige Lsung des Problems der Informationsberfluss Multiagentensysteme erfllen eine Menge von Voraus- setzungen fr ein innovatives Internet-Suchsystem Biologie in KI

Folie 45

45 Das Fazit Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Entwicklung Multiagentensysteme die moderne Technologien der KI, die Lsungen der Natur nachahmen, erweisen sich als sehr hilfreich bei Realisierung eines dezentralen Multiagentensystemes die schon seit des Enden des letzten Jahrhunderts vorgenommene Forschung hat zur Entwicklung einiger MAS zur Suche gefhrt, die erheblich hhere Leistung als traditionelle Suchmaschinen vorweisen diese Systeme greifen aber mehr oder weniger auf die Dienste der Suchmaschinen zurck und werden eher als eine Untersttzung der klassischen Methoden angesehen der Konzept von MAS im Suchen knnte aufgrund der erreichten Ergebnisse weiterentwickelt werden und zur Realisierung eines vllig unabhngigen Systems zur Informationssuche fhren Biologie in KI

Folie 46

46 THE END Seminar Agentensysteme Danke fr Eure Aufmerksamkeit! Danke fr Eure Aufmerksamkeit! Dariusz Kordoski

Folie 47

47 HILFSFOLIEN Seminar Agentensysteme Dariusz Kordoski

Folie 48

48 Einfhrung in IR Traditionelle IR im Internet Agenten im Suchen Multiagentensysteme Praxisbeispiele Fazit Schwerpunkt: Suche verstndliche Form Umsetzung des Ergebnisses in eine fr den Benutzer Form Hauptprobleme: Vagheit Umsetzung des Bedarfs in fr die Maschine verstndliche Unsicherheit Biologie in KI Entwicklung

Folie 49

49 Grundlagen von IR Traditionelle IR im Internet Agenten im Suchen Multiagentensysteme Praxisbeispiele Fazit Das Vektorraummodell Gewichtung zwischen den beiden Vektoren kalkuliert. Da alle die Gewichtungen gleich oder grer als 0 sind, nimmt der Kosinus die Werte zwischen 0 und 1 an. Daher kann man auf diese Weise feststellen, inwieweit der Dokument die Abfrage erfllt und die herausgefundene Dokumente in Hinsicht auf ihre Relevanz ordnen. Einer der bedeutendsten Probleme dabei ist die entsprechende Gewichtung der Schlsselwrter. Am hufigsten benutzt man eine der Variationen der so genannten term-frequency-inverted document frequency-Gewichtung (tf-idf- Gewichtung). Die Gewichtung des Terms wird aus zwei Werten zusammengestellt. (Termhufigkeit des Terms im Dokument) ist einfach die relative Hufigkeit des Auftretens des Wortes im Dokument Gewichtung Abfrage zwischen Dokument als eine Kollektion der Schlsselwrter in einem bestimmten Dokument gewichtet ( ) Gleich wird die Querende dargestellt ( ) Jedes Stichwort im Vektor wird in Hinsicht aufs Auftreten Biologie in KI Entwicklung

Folie 50

50 Grundlagen von IR Agenten im Suchen Multiagentensysteme Praxisbeispiele Fazit Das Vektorraummodell Das hnlichkeitsma der Anfrage mit einem bestimmten Dokument Kosinus des Winkels: VorteileNachteile Rckgewinnung nur teilweise bereinstimmenden Dokumente Erschaffung einer Rangfolge in Hinsicht auf Relevanz mglich Relativ gute Leistung Annahme der unabhngigen Terme (umstritten) Traditionelle IR im Internet Biologie in KI Entwicklung

Folie 51

51 Grundlagen von IR Agenten im Suchen Multiagentensysteme Praxisbeispiele Fazit Die tf-idf-Gewichtung Fragestellung: Wie soll man die Terme im Vektor gewichten? Proportional zu Hufigkeit im Dokument (term frequency): Umgekehrt proportional zu Hufigkeit in der ganzen Sammlung (inverted document frequency): das zusammengestellte Gewicht: (daher: tf-idf) Traditionelle IR im Internet Biologie in KI Entwicklung

Folie 52

52 Grundlagen von IR Agenten im Suchen Multiagentensysteme Praxisbeispiele Fazit Die Bewertungsmethoden Die Sammlung Relevante Dokumente |R| Gelieferte Dokuente |A| Aufgefundene relevante Dokumente |Ra| Traditionelle IR im Internet Biologie in KI Entwicklung

Folie 53

53 Grundlagen von IR Agenten im Suchen Multiagentensysteme Praxisbeispiele Fazit Die Bewertungsmethoden Precision (Przision): Recall (Vollstndigkeit): Precision-Recall-Diagramm - Beispiel Traditionelle IR im Internet Biologie in KI Entwicklung

Folie 54

54 011000011001 001110110111 Der genetische Ansatz Traditionelle IR im Internet Agenten in Suche Praxisbeispiele Fazit Multiagentensysteme Das genetische Rauschen Reproduktion Crossover 010 111 001110110111 011000011001 010 111 Mutation 1001 101111010001 100101011110100 Biologie in KI Entwicklung