Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.
Ich spreche mit dir, doch du nicht mit mir Semantische Herausforderungen elektronischen Datenaustauschs Johann Höchtl Dona...
Die große Verwirrung <ul><li>Pieter Breugel, der Ältere:Der Turmbau zu Babel - 1563, im Kunsthistorischen Museum in Wien <...
Was ist Semantik? <ul><li>Chinesische Schriftzeichen </li></ul><ul><ul><li>Unterschiedliche Aussprache </li></ul></ul><ul>...
Sprachprobleme “ Our wines leave you nothing to hope for” Unsere Weine lassen nichts zu wünschen übrig! Bei unseren Weinen...
Brücken <ul><li>Konzepte.Verbinden </li></ul><ul><li>Weizen vs. Reis </li></ul><ul><li>Rotwein vs. Sake </li></ul><ul><li>...
Super / Sub - Concepts <ul><li>Weizen vs. Reis </li></ul><ul><li>Rotwein vs. Sake </li></ul><ul><li>Surströmming vs.  Taus...
Wer wir sind und was wir tun <ul><li>Zentrum für E-Government </li></ul><ul><ul><li>Vereinfachung von Abläufen innerhalb u...
Warum ist E-Kooperation notwendig für E-Government? <ul><li>Zuerst: Was sind die Funktionen des „Government“? </li></ul><u...
E-Zusammenarbeit: Warum tut sich ein Staat schwer(er) dabei? <ul><li>Staat ist  Monopolist </li></ul><ul><ul><li>In vielen...
E-Zusammenarbeit: Voraussetzung gegenseitiges „Verstehen“ http://healthbase.netbase.com
E-Zusammenarbeit: Voraussetzung gegenseitiges „Verstehen“ <ul><li>“ The tragi-comic failure of Netbase can teach a lot to ...
Ähnlichkeitsprobleme <ul><li>Wie kann ein Computersystem zwei Konzepte als “ähnlich” erkennen? </li></ul><ul><li>Ausgangsp...
Arten von Ähnlichkeiten <ul><li>Strukturelle  Ähnlichkeit </li></ul><ul><ul><li>„ Was ähnlich Aussieht, ist auch ähnlich“ ...
Dem Computer „Verständnis“ beibringen <ul><li>Computer können nicht denken und selbsttätig Schlüsse  ziehen </li></ul><ul>...
Beispiel: Das Auto und seine Verwandten Quelle: www.Opencyc.org
Anwendungen computerunterstützen semantischen Verstehens im E-Government
Unsere Station:  N – A18
Danke für die Aufmerksamkeit! Unser Stand:  N - A18  1. Stock Fragen?
Links <ul><li>Gerti Kappel, Horst Kargl, Gerhard Kramler, Andrea Schauerhuber, Martina Seidl, Michael Strommer, and Manuel...
Nächste SlideShare
Wird geladen in …5
×

Ich spreche mit dir doch du nicht mit mir - Sematische Verständigungsprobleme

1.035 Aufrufe

Veröffentlicht am

Veröffentlicht in: Bildung
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Ich spreche mit dir doch du nicht mit mir - Sematische Verständigungsprobleme

  1. 1. Ich spreche mit dir, doch du nicht mit mir Semantische Herausforderungen elektronischen Datenaustauschs Johann Höchtl Donau Universität Krems Zentrum für E-Government
  2. 2. Die große Verwirrung <ul><li>Pieter Breugel, der Ältere:Der Turmbau zu Babel - 1563, im Kunsthistorischen Museum in Wien </li></ul>
  3. 3. Was ist Semantik? <ul><li>Chinesische Schriftzeichen </li></ul><ul><ul><li>Unterschiedliche Aussprache </li></ul></ul><ul><ul><li>Eine gemeinsame semantische Bedeutung </li></ul></ul><ul><li>ChinesInnen können sich vielleicht nicht gemeinsam unterhalten (sprechen), aber sie können die selbe Zeitung lesen </li></ul>Natalie Behring-Chisholm/Getty Images für Life Magazine Semantik – Über die Bedeutung von „Zeichen“; Nicht nur Schrift-zeichen , sondern alles was „ begriffen “ werden kann © /cocoarmani@Flickr
  4. 4. Sprachprobleme “ Our wines leave you nothing to hope for” Unsere Weine lassen nichts zu wünschen übrig! Bei unseren Weinen besteht keine Hoffnung !? “ We take your Bags and send them in all directions” Wir versenden Ihr Gepäck überall hin! Wir nehmen Ihre Koffer und verschicken sie in alle Richtungen !? The Beatles:Magical Mystery Tour (1967) I say hello Hello, hello I don't know why you say goodbye I say hello
  5. 5. Brücken <ul><li>Konzepte.Verbinden </li></ul><ul><li>Weizen vs. Reis </li></ul><ul><li>Rotwein vs. Sake </li></ul><ul><li>Surströmming vs. Tausenjährige Eier </li></ul><ul><li>Lederhosen vs. Sari </li></ul><ul><li>Bachblüten vs. Reiki </li></ul><ul><li>. </li></ul><ul><li>. </li></ul>Istanbul Brücken Map by Openstreetmap.org Europa Asien
  6. 6. Super / Sub - Concepts <ul><li>Weizen vs. Reis </li></ul><ul><li>Rotwein vs. Sake </li></ul><ul><li>Surströmming vs. Tausendjährige Eier </li></ul>Experte in “eh-Alles” vs. bereichspezifisches Wissen Essen Kohlenhydrate Alkohol Natürlich konserviert Lederhosen vs. Sari Bekleidung Natürliche Materialien Bachblüten vs. Reiki Medizin Alternative Medizin Superconcept / Higher Ontology Sub-Concept / Lower Ontology Finanz  kaufen Logistik  lagern
  7. 7. Wer wir sind und was wir tun <ul><li>Zentrum für E-Government </li></ul><ul><ul><li>Vereinfachung von Abläufen innerhalb und zwischen behördlichen Institutionen sowie zu Bürgern, der Wirtschaft, … , unter Einsatz von Informations- und Kommunikationstechniken. </li></ul></ul><ul><li>Forschungsschwerpunkt: Elektronische Beteiligung im Administrations- und Gesetzgebungsprozess und die Auswirkungen auf die Gesellschaft </li></ul><ul><ul><li>www.donau-uni.ac.at/egov / </li></ul></ul><ul><ul><li>http://digitalgovernment.wordpress.com </li></ul></ul><ul><ul><li>Journal of E-Democrcy and Open Government http://www.jedem.org </li></ul></ul>
  8. 8. Warum ist E-Kooperation notwendig für E-Government? <ul><li>Zuerst: Was sind die Funktionen des „Government“? </li></ul><ul><ul><li>Staatliche Aufgaben wahrnehmen </li></ul></ul><ul><ul><li>Prämissen der Aufgabenerfüllung: effektiv, effizient, sparsam, zweckmäßig, verhältnismäßig </li></ul></ul><ul><li>Letztendlich geht es darum, Österreich als lebenswerten und zukunftstauglichen Staat zu erhalten </li></ul><ul><ul><li>unter rechtlichen, … , Einschränkungen (Innerstaatlich, EU) </li></ul></ul><ul><li>Treiber ist Konvergenz vieler Faktoren </li></ul><ul><ul><li>Fall der physischen Mauer(n) (Berliner Mauer) </li></ul></ul><ul><ul><li>Fall der virtuellen Mauern (Zölle, Handelsbeschränkungen) </li></ul></ul><ul><ul><li>Fall der Preise für elektronische Kommunikation (Speicher, Geschwindigkeit </li></ul></ul><ul><li>Ergebnis: wirtschaftliche Zusammenarbeit geprägt von globalem Denken und Handeln </li></ul>
  9. 9. E-Zusammenarbeit: Warum tut sich ein Staat schwer(er) dabei? <ul><li>Staat ist Monopolist </li></ul><ul><ul><li>In vielen Bereichen konkurrenzlos, daher keine Notwendigkeit zu wettbewerbsorientierten agieren </li></ul></ul><ul><ul><li>Jurisdiktion, Grunderwerb, Heirat, (Firmengründung), (Straßenbau), [Telekomunikationsnetzwerke] </li></ul></ul><ul><li>staatliche Hoheit als „sicherer Hafen“ </li></ul><ul><ul><li>Überbetonung hegemonialen Handelns : Sicherheitszölle </li></ul></ul><ul><li>+ innerstaatliche Souveränität ( Föderalismus ) </li></ul><ul><ul><li>fördert Vielfalt – aber </li></ul></ul><ul><ul><li>staatliche Strukturen folgen nur sehr langsam den geänderten Rahmenbedingungen </li></ul></ul><ul><li>Idee : Privatisierung! </li></ul><ul><ul><li>New Public Management, Reagan/Thatcher ~ 1980 </li></ul></ul>
  10. 10. E-Zusammenarbeit: Voraussetzung gegenseitiges „Verstehen“ http://healthbase.netbase.com
  11. 11. E-Zusammenarbeit: Voraussetzung gegenseitiges „Verstehen“ <ul><li>“ The tragi-comic failure of Netbase can teach a lot to every company in the Semantic space.” </li></ul><ul><li>Lesson 1 : Don’t even try to boil the ocean of the WWW with these technologies. [The] Internet is full of valuable information but crap (or opinions) is 90% [of it] , the cost of getting rid of this crap and save only the good stuff is very high </li></ul><ul><li>Lesson 2 : Linguistic approaches are likely going to fail because search engines (and machines) can’t distinguish joke/seriousness, sarcasm/shame and sentiments in general. The semantic meaning is right there not in the words of a text. </li></ul><ul><li>Lesson 3 : If you choose to apply such approaches to one specific topic like Medicine (good choice) then stick to that topic , that means accept as INPUT only medical terms and provide as OUTPUTS only medical terms. </li></ul><ul><li>This last point requires human intervention and predefined taxonomies/ontologies but Netbase claims that they don’t need them both, ]i.e., that] their engine is fully automatic the failure too.” </li></ul>Reddit: Source: http://marklogic.blogspot.com/2009/09/netbase-tragicomedy-perils-of-magic-and.html
  12. 12. Ähnlichkeitsprobleme <ul><li>Wie kann ein Computersystem zwei Konzepte als “ähnlich” erkennen? </li></ul><ul><li>Ausgangspunkt: Transformation in etwas “Berechenbares ” </li></ul><ul><ul><li>Computer können nur mit „Zahlen“ umgehen </li></ul></ul><ul><ul><li>Die geeignete Datenstruktur ist die Matrix, X and Y-Dimension enthalten identifizierte Konzepte und ihre Ähnlichkeit zueinander </li></ul></ul><ul><ul><li>Visualisierung als Baum oder gerichtete, azyklische Graphen </li></ul></ul><ul><li>Rechenaufwand ist sehr hoch ! </li></ul><ul><ul><li>Zwei Dokumente vergleichen: Jedes Wort mit jedem Wort vergleichen </li></ul></ul><ul><ul><li>Treiber: Bio-Medizin! </li></ul></ul><ul><ul><li>Neue Methoden aus der Genetik: Gensequenzierung </li></ul></ul><ul><li>Der Mensch ist im Erkennen von Ähnlichkeiten und Mustern unübertroffen! </li></ul>
  13. 13. Arten von Ähnlichkeiten <ul><li>Strukturelle Ähnlichkeit </li></ul><ul><ul><li>„ Was ähnlich Aussieht, ist auch ähnlich“ </li></ul></ul><ul><li>Element -basierte Ähnlichkeit </li></ul><ul><ul><li>„ Was ähnlich heißt, ist auch ähnlich“ </li></ul></ul><ul><li>Möglichkeiten um Ähnlichkeiten (computerbasiert) festzustellen </li></ul><ul><ul><li>Ähnliche Schreibweise </li></ul></ul><ul><ul><li>Ähnlicher „Klang“ (Aussprache) </li></ul></ul><ul><li>Problem!  Sprache!!! </li></ul><ul><ul><li>Was ähnlich „kling“, muss nicht ähnliche Bedeutung haben </li></ul></ul>ZielFlughafen  ZielFlghafen
  14. 14. Dem Computer „Verständnis“ beibringen <ul><li>Computer können nicht denken und selbsttätig Schlüsse ziehen </li></ul><ul><ul><li>„ Eine Frage der Erziehung“ </li></ul></ul><ul><ul><li>Verstehen : Begriffe („Wörtern“) Gewichte bezüglich Ihrer Verwandtschaft untereinander (zu)ordnen </li></ul></ul><ul><ul><li>In riesigen Datenbanken (vor allem für Englisch) sind diese Verwandtschaftsbeziehungen abgelegt. </li></ul></ul><ul><li>ABER : Abkürzungen, Kunstworte (AnkunftsZeitA, AnkunftsZeitB) Suffixe/Präfixe (hatName), fehlerhafte Wörter, frei erfundene Wörter lassen keine automatisierte Verarbeitung zu. </li></ul><ul><ul><li>Eingriff des Menschen ist notwendig </li></ul></ul>
  15. 15. Beispiel: Das Auto und seine Verwandten Quelle: www.Opencyc.org
  16. 16. Anwendungen computerunterstützen semantischen Verstehens im E-Government
  17. 17. Unsere Station: N – A18
  18. 18. Danke für die Aufmerksamkeit! Unser Stand: N - A18 1. Stock Fragen?
  19. 19. Links <ul><li>Gerti Kappel, Horst Kargl, Gerhard Kramler, Andrea Schauerhuber, Martina Seidl, Michael Strommer, and Manuel Wimmer, “Matching Metamodels with Semantic Systems - An Experience Report,” Mainz , 2007, pp. 38-52. </li></ul><ul><li>Fabien Duchateau and Zohra Bellahsène, “Designing a Benchmark for the Assessment of XML Schema Matching Tools,” Vienna, Austria: ACM, 2007. </li></ul><ul><li>Hong-Hai Do and Erhard Rahm, “Matching large schemas: Approaches and evaluation,” Science Direct , 2007, pp. 857-885. </li></ul><ul><li>www.opencyc.org </li></ul><ul><li>http://www.w3.org/2001/sw/ </li></ul>

×