Informatik-Spektrum

, Volume 36, Issue 2, pp 136–143 | Cite as

Semantische Suche

HAUPTBEITRAG SEMANTISCHE SUCHE
  • 528 Downloads

Zusammenfassung

Die klassische Volltextsuche sucht nach Vorkommen der eingegebenen Suchwörter in einer gegebenen Menge von Texten. Dieser Ansatz funktioniert bei vielen Anfragen sehr gut, hat aber auch seine offensichtlichen Grenzen. Bei der semantischen Suche versucht man, sowohl die Suchanfrage als auch die Texte in denen gesucht wird zu ,,verstehen“. Dieser Artikel gibt einen Überblick über dieses sehr aktuelle und sehr breite Forschungsgebiet, und die dabei auftretenden in der Praxis relevanten Teilprobleme. Viele dieser Probleme sind auch algorithmisch interessant, in der Algorithmenforschung aber wenig bekannt.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. 1.
    Automatic content extraction (ACE) (2004–2008) http://www.itl.nist.gov/iad/mig/tests/ace, letzter Zugriff 20.2.2013Google Scholar
  2. 2.
    Agichtein E, Gravano L (2000) Snowball: Extracting Relations from Large Plain-Text Collections. In: ACM DL, June 2–7, 2000, San Antonio, TX, USA, pp 85–94Google Scholar
  3. 3.
    Auer S, Bizer C, Kobilarov G, Lehmann J, Cyganiak R, Ives ZG (2007) DBpedia: A Nucleus for a Web of Open Data. In: ISWC/ASWC, November 11–15, 2007, Busan, Korea, pp 722–735Google Scholar
  4. 4.
    Baeza-Yates RA, Ribeiro-Neto BA (2011) Modern Information Retrieval – The Concepts and Technology Behind Search, 2nd edn. Pearson Education Ltd, Harlow, EnglandGoogle Scholar
  5. 5.
    Bast H, Bäurle F, Buchhold B, Haussmann E (2012) Broccoli: Semantic full-text search at your fingertips. CoRR abs/1207.2615, http://arxiv.org/abs/1207.2615, letzter Zugriff 20.2.2013Google Scholar
  6. 6.
    Bizer C, Heath T, Berners-Lee T (2009) Linked data – the story so far. Int J Semant Web Inf Syst 5(3):1–22Google Scholar
  7. 7.
    Blanco R, Zaragoza H (2010) Finding support sentences for entities. In: SIGIR, July 19–13, 2010, Geneva, Switzerland, pp 339–346Google Scholar
  8. 8.
    Fariña A, Brisaboa NR, Navarro G, Claude F, Places ÁS, Rodríguez E (2012) Word-based self-indexes for natural language text. ACM Trans Inf Syst 30(1):1Google Scholar
  9. 9.
    Google Rich Snippets (2009) http://www.google.com/webmasters/tools/richsnippets, letzter Zugriff 20.2.2013Google Scholar
  10. 10.
    Hausenblas M (2009) Anreicherung von Webinhalten mit Semantik – Microformats und RDFa. In: Social Semantic Web, ISBN 978-3-540-72215-1, Springer, pp 147–158Google Scholar
  11. 11.
    Neumann T, Weikum G (2008) RDF-3X: a risc-style engine for RDF. PVLDB 1(1):647–659Google Scholar
  12. 12.
    Pound J, Mika P, Zaragoza H (2010) Ad-hoc object retrieval in the web of data. In: WWW, April 26–30, 2010, Raleigh, NC, USA, pp 771–780Google Scholar
  13. 13.
    Prud’hommeaux E, Seaborne A (2008) SPARQL query language for RDF. W3C recommendation, W3C. http://www.w3.org/TR/2008/REC-rdf-sparql-query-20080115, letzter Zugriff 20.2.2013Google Scholar
  14. 14.
    Sarawagi S (2008) Information extraction. Found Trend Datab 1(3):261–377Google Scholar
  15. 15.
    TREC Entity Track 2010 + 2011 (2011) http://trec.nist.gov/data/entity.html, letzter Zugriff 20.2.2013Google Scholar
  16. 16.
    Wang H, Liu Q, Penin T, Fu L, Zhang L, Tran T, Yu Y, Pan Y (2009) Semplore: A scalable IR approach to search the web of data. J Web Semant 7(3):177–188Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2013

Authors and Affiliations

  1. 1.Institut für InformatikAlbert-Ludwigs-Universität FreiburgFreiburgDeutschland

Personalised recommendations