Finished diploma thesis: Semi-Automatische Inhaltsübersicht für XML-Kollektionen

Supervisor(s)

Student

Igor Jacy Lino Campista

Related projects

CLASSIX: Classification and Intelligent Search on Information in XML
CYCLADES: An Open Collaborative Virtual Archives Environment
DAFFODIL: Distributed Agents for User-Friendly Access of Digital Libraries

Related courses

Student project: Yahoo für das Invisible Web: Scatter/Gather-Clustering für semistrukturierte Daten: Prof. Dr.-Ing. Norbert Fuhr, Dipl.-Inform. Gudrun Fischer

Finished

2005-06

Formalia

Preconditions

Vorlesung Data Mining, Informationssysteme oder Information Retrieval
Gute Programmierfähigkeiten (notwendig)
Programmiersprache Java (notwendig)
XML (wünschenswert)

Task description

Um eine Menge von Dokumenten überblicksmäßig einschätzen zu können, benötigt man eine inhaltliche Zusammenfassung oder wenigstens eine Inhaltsangabe - eine kompakte, für den Anwender verständliche Darstellung des Inhalts der Dokumentenmenge. Die Aufgabe, eine solche Darstellung zu erstellen, nennt man Summarization. Anwendungsfälle, wo in unseren Forschungsprojekten Mengen von Dokumenten zusammenfassend dargestellt werden müsssen, sind zum Beispiel:

Digitale Bibliotheken, aus denen der Anwender eine oder mehrere Quellen für eine Suche auswählen kann (in DAFFODIL und CYCLADES)
Ergebnismengen von Suchanfragen (in DAFFODIL und CYCLADES)
Cluster (Gruppen) von Dokumenten (im Praxisprojekt Invisible Web)

Im Fall von XML sind neben dem textuellen Inhalt von Dokumenten auch deren Struktur und eventuell andere Datentypen zu berücksichtigen. Verschiedene Datentypen lassen ggf. verschiedene Zusammenfassungsverfahren zu. So ist denkbar, eine Menge von Zahlen durch ihren Durchschnitt oder ihre Summe zusammenzufassen, oder eine Menge von Jahreszahlen als Intervall.

In dieser Arbeit soll ein Werkzeug entwickelt werden, mit dem ein Anwender Zusammenfassungsregeln für eine Kollektion definieren kann. Anhand solcher Regeln soll eine Kollektion danach automatisch zusammengefasst werden. Vereinfachend darf von einer strukturell homogenen Kollektion ausgegangen werden.

Die Aufgabenstellung umfasst insbesondere folgende Aspekte:

Einarbeitung in die Literatur und Sichtung bestehender Summarization-Ansätze
Enwurf von Zusammenfassungsregeln für verschiedene Datentypen
Prototypische Implementierung des Regelentwurfswerkzeugs
Prototypische Implementierung der automatischen Zusammenfassung
Evaluierung

Result text

Igor Jacy Lino Campista (2005).: Semi-Automatic Summarization of XML collections. Masterthesis