Médiatartalom-kezelő rendszerek kidolgozás 2012 forrásának megtekintése

==Alapfogalmak==
* adat: a valóság nem értelmezett (de értelmezhető) tükörképe; nyers (feldolgozatlan) tény, ami valakinek vagy valaminek a jellemzéséhez hozzásegít (pl. 5)
* információ: értelmezett adat; (pl. 5 cm)
* tudás: az ember által kontextusba helyezett információ (pl. Pisti haja 5 cm hosszú, és tudom ki Pisti)

* adatkezelés: a nyers adatok tárolása, lekérdezése, manipulálása
* információmenedzsment: az információk előállítása, rendszerezése, értékelése és visszakeresése
* tudásmenedzsement: a szervezeti tudástőke növelését célzó törekvések

==Adatmodellek==
* strukturált adatok: a tárolás struktúrája jól illeszkedik az információ struktúrájához (pl. adatbázis)
* félstrukturált adatok: nem jól illeszkedik (pl. táblázat a HTML oldalban)
* strukturálatlan adatok: nem strukturálható, az adat egésze hordozza az információt (pl. arcképet ábrázoló pixelek)

===A félstrukturált adatok tulajdonságai===
* szabálytalan adatstruktúra (új elemek, változó típusok)
* implicit struktúra (tag-ek a HTML-ben a formázást adják meg általában)
* részleges struktúra: vannak nem strukturálható részek (pl. képek egy HTML szöveges elemzésekor)
* csak a posteriori sémainformáció: adatbetöltés után lehet kinyerni a sémát

===A félstrukturált séma tulajdonságai===
* nagy
* változékony
* laza (opcionális és alternatív adatelemek)
* böngészhetőnek kell lennie

==Jelölő nyelvek==
===SGML - Standard Generalized Markup Language===
* Előnyök
** Tartalom és forma szétválasztása (szöveges adatbázis)
** Független (hardver, oprendszer, szoftver verzió)
** Sokféle médiumra dolgozhat (www, CD, papír, WAP)
* Hátrányok
** Bonyolult, nehezen integrálható
** Körülményes terjesztés
** Speciális szaktudást igényel
** Drága
** A megjelenítéshez külön modulok kellenek

==Tudásmenedzsment==
===Tudásmenedzsment===
* Egy olyan megközelítés, mely lehetővé teszi személyek, csoportok, szervezetek számára, hogy tudást rendszerezetten és kollektívan létrehozzanak, megosszanak és alkalmazzanak üzleti céljaik elérése érdekében.

===Tudás fajtái===
* '''Tacit tudás'''
** Az egyén személyes tudása
** Tapasztalat
** Know-how
** Nem megfogható
* '''Explicit tudás'''
** Formalizált
** Strukturált
** Kódolt
** Leírható
** Könnyen átadható

===Tudásteremtés és konverzió===
{| border="1"
|||||MIVÉ?|||
|-
||||| '''Tacit tudás''' || '''Explicit tudás''' 
|-
|MIBŐL?|| '''Hallgatólagos (tacit) tudás''' || Szocializáció || Externalizáció 
|-
||| '''Kifejezett (explicit) tudás''' || Internalizáció || Kombináció 
|}

===Tudásmenedzsment megközelítések===
* '''Kodifikációs''' - dokumentált tudás újrafelhasználása (rendszerező)
* '''Perszonalizációs''' - munkatársak fejében levő tudás felhasználása (kapcsolati)

===Tudástérkép===
* dokumentumokra, emberekre és adatbázisokra si utalhatnak
* segítségükkel könnyebb eljutni tudásforrásokhoz

===Tudástranszfer===
* Tudásátvitel két lehetséges módja:
** Információ
*** szavakba öntött információt ad át
*** független az egyéntől
*** statikus
*** gyors
*** nem kodifikálta
*** könnyű a tömeges terjesztés
** Hagyományos
*** szavakon túl képességeket ad át
*** egyéntől függ
*** dinamikus
*** lassú
*** nem kodifikált
*** nehéz a tömeges terjesztés

==Információ keresés és feltárás==
* információ visszakeresés (infromation retrieval, IR): a felhasználó információs igényének minél pontosabb kielégítése; általában félstrukturált és strukturálatlan adatokon

===Információ keresés típusai===
* ad hoc visszakeresés: meglévő dokumentumokon
* filtering: értesítés újonnan érkező releváns dokumentumokról
* böngészés
* push-típusú keresés
* pull-típusú keresés


===Információ keresés minősége===
* IR célja: felhasználói igények minél teljesebb és pontosabb kielégítése
* relevancia, releváns dokumentum: kielégíti az adott információ visszakeresési feladatban megfogalmazott információs igényt
* fedés (recall - R): a releváns dokumentumok hány százalékát adja vissza a rendszer
		 * R = TP/TP+FN
* pontosság (precision P): a visszaadott dokumentumok hány százaléka releváns
		 * P = TP/TP+FP
* rangsorolás (ranking): a relevancia szerinti rendezés
* term: egy kulcsszó a rendszerben
* normalizált term frekvencia (tf): egy term milyen relatív gyakorisággal fordul elő egy dokumentumban (a dokumentum leggyakoribb termjére nézve)
* inverz dokumentum frekvencia (idf): annak az inverze, hogy milyen gyakran szerepel egy term a rendszer dokumentumai között, Együtt: tf-idf

===IR modellek===
* *Boolean modell*: megmondjuk, hogy melyik szavak legyenek benne a válaszként visszaadott dokumentumokban, és melyikek ne (diszjunktív normálforma (ÉS-ek VAGY-a) segítségével)
** Előnyök
*** logikailag tiszta (felhasználó könnyen megértheti, hogy miért pont azt a válaszhalmazt kapta vissza)
** Hátrányok
*** a tipikus felhasználónak nehézséget okoz kérdését Boolean-formulában megfogalmazni
*** nem lehet a dokumentumok hasonlósága szerint rangsorolni az ereményhalmazt (a hasonlósági függvény bináris)
*** nem lehet csak részlegesen illeszkedő dokumentumokat válaszként kapni 
* *Vektor modell*: a dokumentum term-vektora és a keresés termvektora által bezárt szög koszinusza alapján sorrendezzük a válaszokat
** célja: hogy tudjuk mérni a részleges illeszkedést is
* Kiterjesztett Boolean-modell
* Valószínűségi modellek
** Klasszikus valószínűségi modell
** Következtetési háló modell (Inference Network)
** Valószínűségi háló modell (Belief Network)

==Keresési algoritmusok==
===PageRank és HITS különbségek===

{| border="1"
| '''PageRank''' || '''HITS''' 
|-
| A bejárható összes weblapból számítják kérdezés előtt) ||  Egy lekérdezett weblap-készleten számolják, minden kérdésre.  
|-
| Csak hitelességet számít. ||  Hitelességet és hub-értéket számít.  
|-
| Nem triviális kiszámolni. ||  Könnyű számolni, de valós idejű elvégzése nehéz.  
|}

-- Main.ssophie - 2012.01.04.

[[Category:InfoMsc]]