OVIDIUS Info-Service Co Ltd.

Az előadások a következő témára: "OVIDIUS Info-Service Co Ltd."— Előadás másolata:

1 OVIDIUS Info-Service Co Ltd.
© Tefko Saracevic, Rutgers University I. AZ INTERNET MINŐSÉGI FELTÁRÁSÁHOZ GEGES JÓZSEF OVIDIUS Info-Service Co Ltd. 1

2 KÉRDÉSEK ÉS VÁLASZOK Ismerjük az információ halmaz jellemzőit?
Hány keresőgépet ismerünk és használunk? Hány kulcsszót használunk az információ kereséséhez? Hány találatot tekintünk meg? Használjuk-e a Boole-operátorokat? Ellenőrizzük a hatékonyságot? (precise, recall) Vizsgáljuk az információ minőségét?

3

4

5

6

7 A TECHNOLÓGIÁRÓL KERESŐ ROBOT TARTALOMJEGYZÉK
a tartalom változás feltárása (24/7/365) új, régi, változott oldalak, ismétlések szűrése TARTALOMJEGYZÉK tartalom leíró adatbázis, indexelés sajátos algoritmussal létrehozott ontológiai elemzés előkészítése NINCS FÜGGETLEN KERESŐGÉP

8 A KERESÉS ESZKÖZTÁRA KERŐGÉPEK METAKERESŐK SPECIALIZÁLT KERESŐK * * *
* * * Könyvtárak Társaságok, szervezetek honlapjai Portálok és referáló források Privát források

9 METAKERESŐK dogpile.com Yippy.com metacrawler.com excite.com
© Tefko Saracevic, Rutgers University METAKERESŐK dogpile.com Yippy.com metacrawler.com excite.com stb. CSALÓDÁS - ELVETÉS 9

10 GRAFIKUS (VIZUÁLIS) KERESŐK
touchgraph.com carrot2.org eyeplorer.com (???)

11 SZAKMAI KERESŐGÉPEK Tipp - Google: „medical search engines”
/

12 INTERAKTÍV TECHNOLÓGIÁKRÓL
II. WEB 2.0 INTERAKTÍV TECHNOLÓGIÁKRÓL Semmelweis Egyetem Doktori Iskola 2018 12

13 WEB 2.0 RSS Wiki alapú szolgáltatások Blogok – szakmai
Podcast – verbális információk Chat – szakmai konzultáció Semmelweis Egyetem Doktori Iskola 2018 13

14 Podcast Semmelweis Egyetem Doktori Iskola 2018 . 14

15

16 . 16

17 Wiki AskDrWiki EyeWiki Ganfyd HemOnc.org Radiopaedia WikiDoc WikEM
WikiLectures Defunct 17

18 WEB 2.0 - közösségi hálózat
Tipp: “list of social networking website”

19 Ajánlott közösségi hálózat
Mendeley (ex.BiomedExperts) ResearchID(ORCID) ResearchGate Academia.edu Epernicus LinkedIn Twitter

20 WEB 2.0 -Tartalom megosztás
Google Scholar Semantic Scholar Microsoft Academic SlideShare BASE Search ArXiv.org etc.

21

22

23

24

25

26

27 III. WEB 3.0 A SZEMATIKUS JÖVŐ

28

29 MEGOLDÁS S Z E M A N T I K U S K E R E S É S Grafikus osztályozás
Kér(d)és elemzés Szakmai adatbázisok ??? S Z E M A N T I K U S K E R E S É S

30 Medline & web 3.0 A MESH BIZTOSÍTJA, HOGY AZONOS NYELVEN BESZÉLJÜNK – „SZABVÁNYOSÍTOTT CÍMSZÓ KÉSZLET” KELLŐEN NAGY TÖMEGŰ ADAT ÁLL RENDELKEZÉSRE (A NLM ÁLTAL MINDENKI SZÁMÁRA ELÉRHETŐ) NAGYON KÖNNYEN ELLENŐRIZHETŐ AZ ALGORITMUSOK MŰKÖDÉSE, HATÉKONYSÁGA, A HALMAZOK ALKALMAZHATÓSÁGA KIALAKULT FELHASZNÁLÓI KERESÉSI TÍPUSOK ÉS GYAKORLAT JELLEMEZI A HASZNÁLÓKAT

31 A PubMed változása

32 MEDLINE találatkezelés
SEMMED  RefMed* 2010 A visszajelzések típusától független elemzés, pontosítás + egészségipari adatbázis  Quertle 2009 Elméleti kategóriák szerinti keresés  MedlineRanker Osztályozásokkal pontosított eredménylista  MiSearch* Visszacsatolásokkal javított halmaz  Hakia 2008 Szemantikus keresés továbbfejlesztése SemanticMED  A kognitív technológia alkalmazásának kezdete  MScanner Több szintű osztályozás révén nyert plusz találatok  eTBLAST 2007 Hasonló témájú teljes szövegek keresése (unikális)  PubFocus 2006 IF és idézettség szerinti osztályozás  Twease 2005 Keresőszavak kiterjesztett készlete, bővítése

33 Szemantikus web keresői „Find what I mean not what I type”
- német fejlesztésűek (2010-ben Német Ipari Nagydíj) - MESH alapok mellett használ saját ontológiai adatbázist - Generikus szoftver, amelynek algoritmusa más adatbázisokra is áttehető - grafikai megjelenítés, kezelhetősége, áttekinthetősége miatt sokan kedvelik GO Keresők

34

35

36 Szemantikus web keresői „Find what I mean not what I type”
- a „deep web” birodalmában tudományos folyóiratok feltárására is hatékonyan használható - tudományterületi előválogatással rendelkezik - hosszú kereső kifejezést használhatunk - a nagyon komplex találati halmaz ellenére is jól tájékozódhatunk benne DeepDyve

37 A megvalósulás két útja
Dr. WATSON Dr. HOUSE „The WellPoint application will combine data from three sources: a patient's chart and electronic records that a doctor or hospital has, the insurance company's history of medicines and treatments, and Watson's huge library of textbooks, medical journals and databases.”

38 További Sok Sikert!