Überblick über das Lehrangebot des Fachgebiets

Studierende, die diese Vorlesung
hören, haben sich auch für
folgende Lehrveranstaltungen
interessiert:
Lehrangebot des FG
Informationssysteme
Modellierung
Datenbanken
Internet-Suchmaschinen
Information Retrieval
Information Mining
Information Engineering
Datenbanken:
Beispiel-Schema
voraussetzen
NachVorgänger
folger
MatrNr
Name
Semester
N
Studenten
N
N
hören
M
Note
Name
Fachgebiet
1
Assistenten
N
arbeitenFür
N
SWS
Titel
lesen
prüfen
PersNr
M
Vorlesungen
M
VorlNr
1
1
Professoren
PersNr
Name
Rang
Raum
Professoren
Rang Raum MatrNr
PersNr
Name
2125
Sokrates
C4
226
2126
Russel
C4
232
2127 Kopernikus
C3
310
2133
C3
52
2134 Augustinus
C3
309
2136
Curie
C4
36
2137
Kant
C4
7
Popper
voraussetzen
Vorgänger Nachfolger
5001
5041
5001
5043
5001
5049
5041
5216
5043
5052
5041
5052
5052
5259
Vorlesungen
Studenten
Name
Semester
24002
Xenokrates
18
25403
Jonas
12
26120
Fichte
10
26830
Aristoxenos
8
27550 Schopenhaue
r
6
28106
3
Carnap
29120 Theophrastos
2
29555
2
Feuerbach
hören
prüfen
MatrNr VorlNr PersNr Note
VorlNr
Titel
SWS gelesen
Von
5001
Grundzüge
4
2137
5041
Ethik
4
2125
5043
Erkenntnistheorie
3
2126
5049
Mäeutik
2
2125
4052
Logik
4
2125
5052
Wissenschaftstheori
e
3
2126
5216
Bioethik
2
2126
5259
Der Wiener Kreis
2
2133
5022
Glaube und Wissen
2
2134
4630
Die 3 Kritiken
4
2137
MatrNr
VorlNr
26120
5001
27550
5001
27550
4052
28106
5041
PersNr
Name
Fachgebiet
Boss
28106
5052
3002
Platon
Ideenlehre
2125
28106
5216
28106
5259
3003
Aristoteles
Syllogistik
2125
29120
5001
3004
Wittgenstein
Sprachtheorie
2126
29120
5041
3005
Rhetikus
Planetenbewegung
2127
Assistenten
28106
5001
2126
1
29120
5049
3006
Newton
Keplersche Gesetze
2127
25403
5041
2125
2
29555
5022
3007
Spinoza
Gott und Natur
2126
27550
4630
2137
2
25403
5022
Datenbank-Definition und -Anfragen
Definition:
create table Professoren
(PersNr integer not null,
Name varchar (30) not
null
Rang character (2) )
Anfrage:
SELECT PersNr, name
FROM Professoren
WHERE Rang =’C4’;
Professoren
PersNr
Name
Rang Raum
2125
Sokrates
C4
226
2126
Russel
C4
232
2127
Kopernikus
C3
310
2133
Popper
C3
52
2134
Augustinus
C3
309
2136
Curie
C4
36
2137
Kant
C4
7
Transaktionen
Schritt
T1
1.
read(A,a1)
2.
a1 := a1 – 300
T2
3.
read(A,a2)
4.
a2 := a2 * 1.03
5.
write(A,a2)
6.
write(A,a1)
7.
read(B,b1)
8.
b1 := b1 + 300
9.
write(B,b1)
 Fehler bei fehlender Synchronisation
(hier: lost update)

Internet-Suchmaschinen/
Einf. in Information Retrieval
(Bachelor)
 Information Retrieval
(Master)
Das WWW – wie alles begann
Internet-Suchmaschinen:
Anwendungen
WebSuchmaschinen
Internet-Suchmaschinen:
Anwendungen
WebSuchmaschinen
Internet-Shops
Internet-Suchmaschinen:
Anwendungen
WebSuchmaschinen
Internet-Shops
Digitale
Bibliotheken
Internet-Suchmaschinen:
Anwendungen
WebSuchmaschinen
Internet-Shops
Digitale
Bibliotheken
MultimediaWebdienste
(FlickR, iTunes,
LastFM,
YouTube)
Internet-Suchmaschinen:
Anwendungen
WebSuchmaschinen
Internet-Shops
Digitale
Bibliotheken
MultimediaWebdienste
(FlickR, iTunes,
LastFM,
YouTube)
Internet-Suchmaschinen:
Fragestellungen
 Verständnis
welche Dokumente sind suchbar?
Das Suchwort steht gar nicht auf der Seite?
'Rathaus Duisburg' → 'Duisburger Rathaus'?
Internet-Suchmaschinen:
Fragestellungen
 Verständnis
welche Dokumente sind suchbar?
Das Suchwort steht gar nicht auf der Seite?
'Rathaus Duisburg' → 'Duisburger Rathaus'?
 Suchkompetenz
Operatoren: “...“, *, OR, NOT, inurl:, filetype:
ähnliche Seiten
Suchoptionen
Internet-Suchmaschinen:
Fragestellungen
 Verständnis
welche Dokumente sind suchbar?
Das Suchwort steht gar nicht auf der Seite?
'Rathaus Duisburg' → 'Duisburger Rathaus'?
 Suchkompetenz
Operatoren: “...“, *, OR, NOT, inurl:, filetype:
ähnliche Seiten
Suchoptionen
 Anbietersicht
Wie kommt meine Seite bei Google nach oben?
Wie setze ich eine eigene Suchmaschine auf?
Wie sollte ich das Benutzerinterface gestalten?
Learning to Rank
Learning to Rank
Fuhr 1992
Apple vs. Samsung 2014
US patent 6847959 [2000]
Apple vs. Samsung 2014
US patent 6847959 [2000]
[Fuhr et al. 1995]
Unterstützung bei Anfragen
Google 2010-
Unterstützung bei Anfragen
Google 2010-
Schaefer, Fuhr et al. 2005
khresmoi App
khresmoi App
khresmoi App
khresmoi App
khresmoi App
Task 3.6: UI component evaluation
 Eyetracking experiments to
test usability of search and
collaboration functionalities
 User experiments on
suggestion dialog
 User experiments to compare
variants for result item
presentations
 User experiments to compare
variants for result list
presentations (tabs vs. single
grouped list)
Information Mining
 Aufgabenstellungen:
Klassifikation
Nummerische Vorhersage
Assoziation
Clustering
 Anwendung im Bereich „Business Intelligence“
 Effektivere Ausnutzung vorhandener Ressourcen
(insbes. Handel, Dienstleistungen)
 Big Data Analytics
Beispiele für
Klassifikationsaufgaben
Wird es morgen regnen?
Beispiele für
Klassifikationsaufgaben
Wird es morgen regnen?
Verursacht der Antragsteller im nächsten Jahr
einen Haftpflichtschaden?
Beispiele für
Klassifikationsaufgaben
Wird es morgen regnen?
Verursacht der Antragsteller im nächsten Jahr
einen Haftpflichtschaden?
Beispiele für
Klassifikationsaufgaben
Wird es morgen regnen?
Verursacht der Antragsteller im nächsten Jahr
einen Haftpflichtschaden?
Ist der Kunde in der Lage, den Kredit
zurückzuzahlen?
Beispiele für
Klassifikationsaufgaben
Wird es morgen regnen?
Verursacht der Antragsteller im nächsten Jahr
einen Haftpflichtschaden?
Ist der Kunde in der Lage, den Kredit
zurückzuzahlen?
Liegt ein Stau vor?
Beispiele für
Klassifikationsaufgaben
Wird es morgen regnen?
Verursacht der Antragsteller im nächsten Jahr
einen Haftpflichtschaden?
Ist der Kunde in der Lage, den Kredit
zurückzuzahlen?
Liegt ein Stau vor?
Beispiele für nummerische
Vorhersage
 Wie viele Brötchen werden wohl morgen verkauft?
Beispiele für nummerische
Vorhersage
 Wie viele Brötchen werden wohl morgen verkauft?
 Wie viele Touristen und Geschäftsreisende brauchen
am xx.xx. ein Hotel in unserer Stadt?
Beispiele für nummerische
Vorhersage
 Wie viele Brötchen werden wohl morgen verkauft?
 Wie viele Touristen und Geschäftsreisende brauchen
am xx.xx. ein Hotel in unserer Stadt?
 Wieviele Menschen wollen am
xx.xx. von A nach B fliegen?
Beispiele für nummerische
Vorhersage
 Wie viele Brötchen werden wohl morgen verkauft?
 Wie viele Touristen und Geschäftsreisende brauchen
am xx.xx. ein Hotel in unserer Stadt?
 Wieviele Menschen wollen am
xx.xx. von A nach B fliegen?
Beispiele für Assoziationen
Warenkorb-Analyse:
Männer, die Windeln
einpacken, kaufen häufig auch
Bier
Analyse der Transaktionen
von Kreditkarten,
Kundenkarten, PaybackKarten
Internet der Dinge
Information Engineering
 Information Life Cycle
 Information Behavior,
Seeking, Searching
 Modelle
 Methoden
 Systeme
 Evaluierung
Lehrangebot
Datenbanken (Bachelor)
Internet-Suchmaschinen (Bachelor)
Information Retrieval (Master)
Information Mining (Master)
Information Engineering (Master)
Studien/Praxisprojekte
Seminare
Bachelor-/Masterarbeiten