Facilitating Collaborative Ontology-Based Annotations in Communities of Interest

  • If an automated system is tasked to provide services such as search or clustering of information on an information repository, the quality of the output depends a lot on the information that is available to the system in machine-readable form. Simple text, for example, is machine-readable only in a very limited sense. Advanced services typically need to derive other representations of the text (e.g., sets of keywords) as input for their core algorithms. Some services might need information that cannot be derived from the resource in question alone, but is available as separate metadata only, such as usage information. Annotations can be used to carry this information. This thesis focuses on so-called ontology-based annotations. In contrast to other forms of annotations such as Tags (arbitrary strings that users can assign to resources), ontology-based annotations conform to a predefined data structure and class hierarchy. An advantage of this approach is that rich information can be stored in a well-structured way in the annotations; a drawback is that users need to be familiar with the hierarchy and other design decisions of the underlying ontology used for annotations. Two scenarios are considered in this thesis: First, a document-based scenario in which text annotations are used to represent both information about the text content and usage and user context information in a multi-user setting with mostly objective annotation criteria; second, a resource-based scenario whose annotation model focuses on multi-user settings with subjective annotation criteria, using (dis-)similarities in user annotations to derive user similarity metrics, and building personalized views from this information. Finally, the prototypical systems that have been developed throughout this thesis get evaluated, proving the concepts presented in this thesis.
  • Soll ein automatisiertes System Dienste wie z.B. Suche oder das Zusammengruppieren von Informationen in einem Informations-Repository anbieten, so hängt die Qualität der Ergebnisse stark davon ab, welche Information dem System in maschinenlesbarer Form vorliegen. So ist zum Beispiel Text nur sehr beschränkt maschinenlesbar; die vorgenannten Dienste müssen typischerweise von diesem Text weitere Repräsentationen wie zum Beispiel Mengen von Schlüsselwörtern ableiten, die als Eingabe für die jeweiligen Kernalgorithmen dienen. Andere Dienste benötigen möglicherweise Informationen, die nur als separate Metadaten vorliegen, wie zum Beispiel Nutzungsinformationen. Annotationen können benutzt werden, um solche Informationen zu speichern. Diese Arbeit hat ihren Fokus auf sogenannten ontologiebasierten Annotationen. Im Gegensatz zu anderen Formen von Annotationen wie Tags (vom Benutzer frei wählbare Zeichenketten, die Ressourcen zugewiesen werden können) nutzen ontologiebasierte Annotationen eine wohldefinierte Datenstruktur und Klassenhierarchie. Ein Vorteil dieses Ansatzes ist es, dass reichhaltige Information auf eine klar definierte Weise in Annotationen gespeichert werden kann; ein Nachteil ist, dass Benutzer die Klassenhierarchie und Design-Entscheidungen der zugrundeliegenden Ontologie genau kennen müssen. In dieser Arbeit werden zwei Szenarien behandelt: Das erste Szenario ist ein dokumentbasiertes Szenario, in dem Textannotationen benutzt werden, um sowohl Informationen über den Inhalt des Textes als auch Benutzerkontext-Information in einem Mehrbenutzer-Szenario darzustellen, wobei größtenteils objektive Annotationen anfallen. Das zweite Szenario beschäftigt sich mit subjektiven Annotationen in Mehrbenutzer-Szenarien und benutzt Ähnlichkeiten der Benutzerannotationen, um Benutzerähnlichkeiten abzuleiten, mittels denen personalisierte Sichten auf die Inhalte des Systems generiert werden können. Schließlich werden die Prototypen, die im Laufe der Arbeit vorgestellt wurden, evaluiert, und die Gültigkeit der aufgestellten Thesen gezeigt.
Metadaten
Author:Malte Kiesel
URN:urn:nbn:de:hbz:386-kluedo-38712
Advisor:Andreas Dengel
Document Type:Doctoral Thesis
Language of publication:English
Date of Publication (online):2014/09/22
Year of first Publication:2014
Publishing Institution:Technische Universität Kaiserslautern
Granting Institution:Technische Universität Kaiserslautern
Acceptance Date of the Thesis:2014/05/16
Date of the Publication (Server):2014/09/24
Tag:Knowledge Management; Recommender Systems; Semantic Web; Semantic Wikis
Page Number:V, 234
Faculties / Organisational entities:Kaiserslautern - Fachbereich Informatik
CCS-Classification (computer science):H. Information Systems / H.4 INFORMATION SYSTEMS APPLICATIONS
DDC-Cassification:0 Allgemeines, Informatik, Informationswissenschaft / 004 Informatik
Licence (German):Standard gemäß KLUEDO-Leitlinien vom 10.09.2012