Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Multiagentensysteme in der Informationssuche

Ähnliche Präsentationen


Präsentation zum Thema: "Multiagentensysteme in der Informationssuche"—  Präsentation transkript:

1 Multiagentensysteme in der Informationssuche
Seminar Agentensysteme Überblick über bestehende Technologien und Entwicklungsperspektiven Dariusz Kordoński

2 Agenda I. traditionelle Informationssuche im Internet
Einführung in Information Retrieval Grundlagen von IR Web-Suchmaschinen das Problem des Informationsüberflusses II. Agenten in der Informationssuche Grundlagen Überblick über Technologien Mängel der Suchagenten III. Multiagentensysteme Grundlagen Vorteile der Multiagentensystemen

3 Agenda IV. der „biologische Ansatz” in der KI
neuronale Netze der genetische Ansatz V. praktische MAS-Anwendungen in der Suche die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die Entwicklung Entwicklungsperspektiven der Konzept einer evolutionären Suchmaschine VII. Fazit

4 computergestützte, inhaltsorientierte Suche
Einführung in die IR Traditionelle IR im Internet Information Retrieval Informationswiedergewinnung Informationsrückgewinnung Informationsbeschaffung Agenten im Suchen Multiagentensysteme Biologie in KI Praxisbeispiele Entwicklung „… die Nutzende mit Informationen zu Fazit versorgen” computergestützte, inhaltsorientierte Suche

5 Einführung in die IR Herausforderungen des Internets:
Traditionelle IR im Internet verteilte Daten größer Anteil der wandelbaren Daten riesige Ausmaße unstrukturierte und überflüssige Daten niedrige Qualität von Daten heterogene Daten Agenten im Suchen Multiagentensysteme Biologie in KI Praxisbeispiele Entwicklung Die wichtigste Methoden: Fazit Web-Suchmaschinen Webkataloge Hyperlink-Suchen

6 Grundlagen von IR Traditionelle IR im Internet das Vektorraummodell
Agenten im Suchen Multiagentensysteme die tf-idf-Gewichtung Biologie in KI Praxisbeispiele precision und recall Entwicklung Fazit technische Tools (parsing, noise-word-Beseitigung, stemming)

7 Web-Suchmaschinen x x SKALIERBARKEITSMANGEL Die Architektur
Traditionelle IR im Internet Agenten im Suchen Multiagentensysteme Biologie in KI Praxisbeispiele Entwicklung sofortige Antwort auf die Anfrage Fazit x Rangliste der Ergebnisse SKALIERBARKEITSMANGEL Kostensenkung durch Indizierung x

8 Informationsüberfluss
Traditionelle IR im Internet üblicherweise die Regeln zum Übergang von einem Zustand in den anderen vorliegen Der beste bedeutet nicht immer der optimale. In sehr komplexen Problemen, mit denen stellend erfüllt üblicherweise die Regeln zum Übergang von einem Zustand in den anderen vorliegen Der beste bedeutet nicht immer der optimale. In sehr komplexen Problemen, mit denen stellend erfüllt die im vorigen Punkt besprochen wurden, bedingen ständige Beteiligung des Benutzers am Suchprozess. Oft sogar und nicht unbedingt global die beste ist. In solchen Fällen sind die genetischen Algorithmen besonders geeignet, da sie den Zustandsraum sozusagen parallel Index die im vorigen Punkt besprochen wurden, bedingen ständige Beteiligung des Benutzers am Suchprozess. Oft sogar sehr ausführliche Anfragen rufen Ergebnislisten hervor, die aus Millionen von Links bestehen. Dabei ist Internet-Surfing nur ein winziger Teil der allen Bedürfnissen, die Entwicklung des Internets nach sich gezogen hat. E-commerce, news groups, Web Services, (jeszcze?) alle diese Internetbezogenen Technologien bedingen ständige Informationssuche. Man kann sich die im vorigen Punkt besprochen wurden, bedingen ständige Beteiligung des Benutzers am Suchprozess. Oft sogar Ein anderes Beispiel für die Verfolgung der Natur in KI sind die genetischen Algorithmen, die ursprünglich zur Problemlösung durch Suche entwickelt worden sind. Sie verwenden die Hauptprinzipien der Theorie vom Überleben des Stärkeren. Problemlösung ist ein Zweig von KI, der sich mit Herausfindung des besten möglichen Zustandes in einem bestimmten Zustandsraum, die erlaubte Zustande eines Problems umfasst, beschäftigt, wobei sehr ausführliche Anfragen rufen Ergebnislisten hervor, die aus Millionen von Links bestehen. Dabei ist Internet-Surfing nur ein winziger Teil der allen Bedürfnissen, die Entwicklung des Internets nach sich gezogen hat. E-commerce, news groups, Web Services, (jeszcze?) alle diese Internetbezogenen Technologien bedingen ständige Informationssuche. Man kann sich die im vorigen Punkt besprochen wurden, bedingen ständige Beteiligung des Benutzers am Suchprozess. Oft sogar Agenten im Suchen nicht mehr gönnen, auf manuelle Suche die Zeit zu verschwenden. Diese Situation wird sehr bildlich durch das Zitat dargestellt: Zusammengefasst führt das Web zu der paradoxen Situation, dass der Einzelne jetzt unbeschränkten Zugang zu unendlich vielen Informationen hat, aber die meiste Zeit verbringt, das Gesuchte zu finden. nicht mehr gönnen, auf manuelle Suche die Zeit zu verschwenden. Diese Situation wird sehr bildlich durch das Zitat dargestellt: Zusammengefasst führt das Web zu der paradoxen Situation, dass der Einzelne jetzt unbeschränkten Zugang zu unendlich vielen Informationen hat, aber die meiste Zeit verbringt, das Gesuchte zu finden. nicht mehr gönnen, auf manuelle Suche die Zeit zu verschwenden. Diese Situation wird sehr bildlich durch das Zitat dargestellt: Zusammengefasst führt das Web zu der paradoxen Situation, dass der Einzelne jetzt unbeschränkten Zugang zu unendlich vielen Informationen hat, aber die meiste Zeit verbringt, das Gesuchte zu finden. die im vorigen Punkt besprochen wurden, bedingen ständige Beteiligung des Benutzers am Suchprozess. Oft sogar üblicherweise die Regeln zum Übergang von einem Zustand in den anderen vorliegen Der beste bedeutet nicht immer der optimale. In sehr komplexen Problemen, mit denen man überall immer mehr zu tun hat, gibt es Unmenge von Zustände, übergreifende und komplizierte Übergangsregeln. Sehr besteht das Ziel darin, eine Lösung zu finden, die bestimmte Kriterien zufrieden stellend erfüllt Multiagentensysteme Biologie in KI Web Praxisbeispiele Entwicklung Größe des Internets vs. Möglichkeiten der Suchmaschine Recall Fazit Zeit des Wiederbesuches durch einen crawler Aktualität Menge und Relevanz der gelieferten Links Precision

9 Agenda I. traditionelle Informationssuche im Internet
Einführung in Information Retrieval Grundlagen von IR Web-Suchmaschinen das Problem des Informationsüberflusses II. Agenten in der Informationssuche Grundlagen Überblick über Technologien Mängel der Suchagenten III. Multiagentensysteme Grundlagen Vorteile der Multiagentensystemen

10 Grundlagen der Agenten
Traditionelle IR im Internet Aufgabedelegierung autonome Erfüllung Agenten in Suche Multiagentensysteme Entlastung des Benutzers Autonomie Intelligenz Reaktivität Proaktivität Kommunikation Mobilität Sozialverhalten Adaptivität selbständige Bewertung der Relevanz Filterung der Ergebnisse. Biologie in KI Wissensdarstellung Schlussfolgerung Lernen Kontexterkennung Praxisbeispiele Entwicklung IR Fazit lokale Zugriff auf Information Leistungssteigerung (Zukunft)

11 Überblick über Technologien
Traditionelle IR im Internet Web-Roboter Agenten in Suche Multiagentensysteme Informationssuchagenten Biologie in KI Praxisbeispiele Informationsfilteragenten Entwicklung Fazit kollaborative Agenten

12 Mängel der Suchagenten
Traditionelle IR im Internet Beruhung auf den traditionellen Tools Agenten in Suche Multiagentensysteme Erweiterung Intelligenz Teilentlastung precision recall Teilentlastung Biologie in KI Praxisbeispiele Entwicklung Fazit Das Problem des Informationsüberflusses wird nicht gelöst!

13 Agenda I. traditionelle Informationssuche im Internet
Einführung in Information Retrieval Grundlagen von IR Web-Suchmaschinen das Problem des Informationsüberflusses II. Agenten in der Informationssuche Grundlagen Überblick über Technologien Mängel der Suchagenten III. Multiagentensysteme Grundlagen Vorteile der Multiagentensystemen

14 Grundlagen + = Multiagentensysteme mehrere Agenten Mehragentensysteme
Traditionelle IR im Internet mehrere Agenten Mehragentensysteme beschränkte Sicht auf die Umgebung keine globale Steuerung Dezentralisierung der Daten asynchrones Handeln Agenten in Suche + Multiagentensysteme Biologie in KI Praxisbeispiele Multiagentensysteme = Entwicklung Fazit DPS vs. MAS

15 Vorteile der MAS Traditionelle IR im Internet Internet MAS
verteilte Daten verteilte Daten Agenten in Suche Multiagentensysteme dynamische Struktur schnelle, lokale Anpassung Biologie in KI riesige Ausmaße Skalierbarkeit Praxisbeispiele Mangel der zentralen Planung niedrige Qualität von Daten Entwicklung unstrukturierte und überflüssige Daten Fazit ständige dezentrale Entwicklung heterogene Daten heterogene Architektur

16 Agenda IV. der „biologische Ansatz” in der KI
neuronale Netze der genetische Ansatz V. praktische MAS-Anwendungen in der Suche die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die Entwicklung Entwicklungsperspektiven der Konzept einer evolutionären Suchmaschine VII. Fazit

17 Neuronale Netze Vorbild: menschliches Gehirn
Traditionelle IR im Internet „Neurone” durch gewichtete „Synapsen” verbunden Agenten in Suche Multiagentensysteme Änderung des Zustandes („Aktivierung”) durch Eingabe Biologie in KI (input) von anderen Zellen Praxisbeispiele Ausgabe (output) aufgrund einer bestimmten Aktivierung Entwicklung Fazit Haupteigenschaft - Lernfähigkeit

18 Der genetische Ansatz Vorbild: die Evolution in Natur
Traditionelle IR im Internet „Chromosome” bilden die Population Agenten in Suche Bewertung von Fitness („Güte”) Multiagentensysteme Charles Darwin – Überleben des Stärkeren Biologie in KI Praxisbeispiele Entwicklung Probabilistische Auswahl der Fitness-stärken Chromosomen Fazit ständige Steigerung von Fitness: Reproduktion Cross-over Mutation

19 Der genetische Ansatz Eigenschaften Traditionelle IR im Internet
paralleles Verfahren Rauschen Agenten in Suche Flexibilität dezentrale Anpassung Multiagentensysteme Biologie in KI Praxisbeispiele Entwicklung Multiagentensysteme Internet Fazit

20 Agenda IV. der „biologische Ansatz” in der KI
neuronale Netze der genetische Ansatz V. praktische MAS-Anwendungen in der Suche die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die Entwicklung Entwicklungsperspektiven der Konzept einer evolutionären Suchmaschine VII. Fazit

21 InfoSpiders/MySpiders
InfoSpiders - Einleitung Traditionelle IR im Internet Multiagentensystem zur Suche im Internet Agenten in Suche Parallele, autonome Informationsauffindung Multiagentensysteme Hyperlink-Suchen-Ansatz Biologie in KI Verfolgung der Graf-Struktur, ohne Indizierung Praxisbeispiele Realisierung der genetischen Methoden Entwicklung Bewertung von Fitness Fazit Reproduktion, Mutation, Crossover, Elimination Anpassung Verwendung von NN, Lernen mit Relevanzrückmeldung Dynamische Anpassung der Querende

22 InfoSpiders/MySpiders
InfoSpiders – Architektur eines Spider Traditionelle IR im Internet Adresse und Zurück-Link Agenten in Suche Multiagentensysteme HTML Parser Biologie in KI Energie „noise-word”-Eliminator Stemmer Praxisbeispiele Dokumentvektor Relevanzrückmeldung Entwicklung Fazit Der Genotyp Stichwörter

23 InfoSpiders/MySpiders
InfoSpiders – der Algorithmus (1/4) Traditionelle IR im Internet Moment N Agenten in Suche <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "DTD/xhtml1-transitional.dtd"> <html> <head> <title>odge Wörterbuch - Übersetzung Deutsch-Englisch</title> <meta name="description" content="Englisch-Deutsch Übersetzungen kostenlos"> <meta name="keywords" content=" Übersetzung Deutsch-Englisch, übersetzung, übersetzungen, wörterbuch, wörterbücher, translation"> <LINK Rel=stylesheet TYPE="text/css" HREF="http://odge.de/styles.css"> </head> <body onload="document.s.kw.focus();"> <a name="oben"></a> <div style="background-color:#fff;border:1px solid #000;width:780px;height:100%;"> <A HREF="http://odge.de/"><img alt="Wörterbuch" src="http://odge.de/logo.jpg"></a><div style="background-color:#71BFFF;padding-left:10px;padding-right:10px;padding-top:3px;padding-bottom:3px;border-bottom:1px solid #999;margin-bottom:15px;overflow:hidden;height:18px;"> <A HREF="http://odge.de/deutsch/a/">Beginnend mit "a"</a> Kostenlose Übersetzungen beim Deutsch-Englisch online Wörterbuch odge.de - Aktuell mit mehr als Begriffen. Czlmcsalc;szkc’;azlsc ‘;ascs’;,aszclsa’;ldx’as <A HREF = "http://www.restposten-plattform.de">Restposten-Plattform.de</a> Cazsasxcx Zxxczczxc </html> <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "DTD/xhtml1-transitional.dtd"> <html> <head> <title>odge Wörterbuch - Übersetzung Deutsch-Englisch</title> <meta name="description" content="Englisch-Deutsch Übersetzungen kostenlos"> <meta name="keywords" content=" Übersetzung Deutsch-Englisch, übersetzung, übersetzungen, wörterbuch, wörterbücher, translation"> <LINK Rel=stylesheet TYPE="text/css" HREF="http://odge.de/styles.css"> </head> <body onload="document.s.kw.focus();"> <a name="oben"></a> <div style="background-color:#fff;border:1px solid #000;width:780px;height:100%;"> <A HREF="http://odge.de/"><img alt="Wörterbuch" src="http://odge.de/logo.jpg"></a><div style="background-color:#71BFFF;padding-left:10px;padding-right:10px;padding-top:3px;padding-bottom:3px;border-bottom:1px solid #999;margin-bottom:15px;overflow:hidden;height:18px;"> <A HREF="http://odge.de/deutsch/a/">Beginnend mit "a"</a> Kostenlose Übersetzungen beim Deutsch-Englisch online Wörterbuch odge.de - Aktuell mit mehr als Begriffen. Czlmcsalc;szkc’;azlsc ‘;ascs’;,aszclsa’;ldx’as <A HREF = "http://www.restposten-plattform.de">Restposten-Plattform.de</a> Cazsasxcx Zxxczczxc </html> Multiagentensysteme Biologie in KI - Kosten + Gewinn Praxisbeispiele Entwicklung Fazit

24 InfoSpiders/MySpiders
InfoSpiders – der Algorithmus (2/4) Traditionelle IR im Internet Moment N Agenten in Suche <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "DTD/xhtml1-transitional.dtd"> <html> <head> <title>odge Wörterbuch - Übersetzung Deutsch-Englisch</title> <meta name="description" content="Englisch-Deutsch Übersetzungen kostenlos"> <meta name="keywords" content=" Übersetzung Deutsch-Englisch, übersetzung, übersetzungen, wörterbuch, wörterbücher, translation"> <LINK Rel=stylesheet TYPE="text/css" HREF="http://odge.de/styles.css"> </head> <body onload="document.s.kw.focus();"> <a name="oben"></a> <div style="background-color:#fff;border:1px solid #000;width:780px;height:100%;"> <A HREF="http://odge.de/"><img alt="Wörterbuch" src="http://odge.de/logo.jpg"></a><div style="background-color:#71BFFF;padding-left:10px;padding-right:10px;padding-top:3px;padding-bottom:3px;border-bottom:1px solid #999;margin-bottom:15px;overflow:hidden;height:18px;"> <A HREF="http://odge.de/deutsch/a/">Beginnend mit "a"</a> Kostenlose Übersetzungen beim Deutsch-Englisch online Wörterbuch odge.de - Aktuell mit mehr als Begriffen. Czlmcsalc;szkc’;azlsc ‘;ascs’;,aszclsa’;ldx’as <A HREF = "http://www.restposten-plattform.de">Restposten-Plattform.de</a> Cazsasxcx Zxxczczxc </html> Multiagentensysteme Biologie in KI Praxisbeispiele Entwicklung Fazit

25 InfoSpiders/MySpiders
InfoSpiders – der Algorithmus (3/4) Traditionelle IR im Internet Moment N Agenten in Suche <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "DTD/xhtml1-transitional.dtd"> <html> <head> <title>odge Wörterbuch - Übersetzung Deutsch-Englisch</title> <meta name="description" content="Englisch-Deutsch Übersetzungen kostenlos"> <meta name="keywords" content=" Übersetzung Deutsch-Englisch, übersetzung, übersetzungen, wörterbuch, wörterbücher, translation"> <LINK Rel=stylesheet TYPE="text/css" HREF="http://odge.de/styles.css"> </head> <body onload="document.s.kw.focus();"> <a name="oben"></a> <div style="background-color:#fff;border:1px solid #000;width:780px;height:100%;"> <A HREF="http://odge.de/"><img alt="Wörterbuch" src="http://odge.de/logo.jpg"></a><div style="background-color:#71BFFF;padding-left:10px;padding-right:10px;padding-top:3px;padding-bottom:3px;border-bottom:1px solid #999;margin-bottom:15px;overflow:hidden;height:18px;"> <A HREF="http://odge.de/deutsch/a/">Beginnend mit "a"</a> Kostenlose Übersetzungen beim Deutsch-Englisch online Wörterbuch odge.de - Aktuell mit mehr als Begriffen. Czlmcsalc;szkc’;azlsc ‘;ascs’;,aszclsa’;ldx’as <A HREF = "http://www.restposten-plattform.de">Restposten-Plattform.de</a> Cazsasxcx Zxxczczxc </html> Multiagentensysteme Biologie in KI Praxisbeispiele Entwicklung Fazit

26 InfoSpiders/MySpiders
InfoSpiders – der Algorithmus (4/4) Traditionelle IR im Internet Evolution: Θ – globale Energieschwelle für Reproduktion Crossover – der Stichwortvektor Mutation – der Stichwortvektor und das neuronale Agenten in Suche Multiagentensysteme Biologie in KI Netz (Gewichten) Praxisbeispiele der lokale Kontext bei der Mutation Entwicklung Rangfolge der Ergebnisse: Ähnlichkeit zum Genotyp Fitness des spider Fazit Haltbedingungen: Aussterben der Population MAX_PAGES wird erreicht Anweisung des Benuzters

27 InfoSpiders/MySpiders
MySpiders - Einleitung Traditionelle IR im Internet Realisierung von IS als Java Applett Agenten in Suche Verwendung von Multithreading Multiagentensysteme Biologie in KI Praxisbeispiele Entwicklung Fazit

28 InfoSpiders/MySpiders
MySpiders – die Architektur Traditionelle IR im Internet Benutzerschnittstelle Gemeinsame Objekte Cache Namensgeber Ergebnistabelle Log Agenten in Suche Multiagentensysteme Biologie in KI Manager Praxisbeispiele Hilfsprogramme Entwicklung Dokumentenwiedergewinnung, Parsing, Stemming usw. Fazit Spiders Gemeinsame XML Daten

29 InfoSpiders/MySpiders
Eigenschaften Traditionelle IR im Internet Evolution Anpassung Agenten in Suche lokale Selektion Multiagentensysteme lokale Verinnerlichung Biologie in KI selektive Expansion der Querende Praxisbeispiele Personalisierbarkeit Entwicklung Skalierbarkeit Aktualität Fazit Mobilität (Zukunft) Geschwindigkeit Suchmaschinen-Abhängigkeit

30 Amalthaea Einleitung Traditionelle IR im Internet
Multiagentensystem zum Informationsfiltern Agenten in Suche Empfehlungssystem (Informationsrückgewinnung und –Filtern) Multiagentensysteme Benutzerrückmeldung bedeutsam Biologie in KI künstliches Ekosystem Praxisbeispiele zwei Populationen von Agenten Informationsfilteragenten (IFA) Informationsrückgewinnungsagenten (IDA) Entwicklung Fazit „Marktorientierte Kontrolle” Kooperation und Wettbewerb Realisierung des evolutionären Ansatzes Meta-Suche-Ansatz

31 Amalthaea Phenotyp Genotyp IFA - Architektur
Traditionelle IR im Internet int Agent ID Agenten in Suche int Fitness Multiagentensysteme date Entstehungsdatum Biologie in KI Praxisbeispiele bool Benutzererschaffungsflag Entwicklung Stichwort ……… Phenotyp Fazit Schlüsselwortvektor Genotyp mov cx,1 int 21 add cx,dx mov dx,2 …… Der Ausführungskode

32 Amalthaea IFA - Algorithmus Traditionelle IR im Internet
fordert an und bekommt die Dokumente von IDAs Agenten in Suche Vergleich mit dem eigenen Stichwortvektor (Kosinusmaß) Multiagentensysteme Biologie in KI entscheidet, ob der Benutzer an dem Dokument interessiert wäre (Vertrauensniveau von Fitness abhängig) Praxisbeispiele Entwicklung Benutzerrückmeldung ins Kredit umgesetzt (vom Vertrauensniveau abhängig) Fazit Teil des bekommenen Kredits als „Bezahlung” an IDA weitergegeben

33 Amalthaea Phenotyp Genotyp IDA - Architektur
Traditionelle IR im Internet int Agent ID Agenten in Suche int Fitness Multiagentensysteme date Entstehungsdatum Biologie in KI Praxisbeispiele array Transaktionsgeschichte Entwicklung Suchmaschine Anzahl der Stichwörter Min Treffer Max Treffer Kombinationsmethode Phenotyp Fazit Genotyp Suchdaten mov cx,1 int 21 add cx,dx mov dx,2 …… Der Ausführungskode

34 Amalthaea IDA - Algorithmus Traditionelle IR im Internet
bekommt Suchaufträge von IFAs Agenten in Suche selbständige Wahl des Auftrages aufgrund der Geschichte der Transaktionen (80% der Zeit) Multiagentensysteme drei grundlegende Arten: Biologie in KI Beobachten Auffindung Strömung Praxisbeispiele Entwicklung Fazit

35 Amalthaea das System (1/2) Traditionelle IR im Internet Benutzer
Digest Agenten in Suche Rückmeldung Multiagentensysteme Benutzerschnittstelle Biologie in KI gefilterte Dokumente Ekosystem Kredit Praxisbeispiele Informationsfilteragenten Entwicklung Fazit Kredit Informationsrückgewinnungsagenten Dokumente Beobachten Auffindung Strömung Hilfs- programme Informationsquellen

36 Amalthaea das System (2/2) Traditionelle IR im Internet Anfang:
verschiedene Methoden zur Erzeugung der ersten Agenten in Suche Generation der IFAs Multiagentensysteme Erzeugung der IDAs durch zufälliges Zugeben vom Genotyp Biologie in KI Kredit/Fitness: Praxisbeispiele Weitergeben an IDAs durch IFAs („Bezahlung”) lineare Verringerung von Fitness als Handelnsanstoß Strafen für Empfehlung derselben Dokumente Entwicklung Fazit Evolution: Reproduktion, Cross-over, Mutation, Elimination Dynamik abhängig von der allgemeinen Fitness Bewertung der IFAs in Interessengruppen

37 Amalthaea Eigenschaften Traditionelle IR im Internet Evolution
Agenten in Suche Anpassung Konvergenz zum Gleichgewichtspunkt Multiagentensysteme Personalisierbarkeit Biologie in KI Aktualität Praxisbeispiele Meta-Suche Entwicklung Fazit Suchmaschinen-Abhängigkeit

38 Agenda IV. der „biologische Ansatz” in der KI
neuronale Netze der genetische Ansatz V. praktische MAS-Anwendungen in der Suche die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die Entwicklung Entwicklungsperspektiven der Konzept einer evolutionären Suchmaschine VII. Fazit

39 Die Entwicklungsperspektiven
Traditionelle IR im Internet die zurzeit entwickelten Systeme sind nur als Komplementierung der üblichen Methoden vorgesehen Agenten in Suche Multiagentensysteme sie greifen mehr oder weniger auf die Indexe der Biologie in KI Suchmaschinen zurück Praxisbeispiele Entwicklung die beiden vorgestellten Systeme werden nicht mehr Fazit weiterentwickelt die grundlegende Ansätze könnten unter Umständen benutzt werden, um eine selbständige, evolutionäre Suchmaschine zu erschaffen, die die Mängel der traditionellen search engines vermeidet

40 Eine evolutionäre Suchmaschine
Hauptkonzepte Traditionelle IR im Internet Evolution Agenten in Suche marktorientierte Kontrolle Multiagentensysteme Biologie in KI zwei Populationen von Agenten – IDAs und IFAs Praxisbeispiele Entwicklung Gestaltung der Populationen durch Anfragen und globale Fitness Fazit kollaborativer Ansatz bei Klassifizierung der Anfragen (Interessengruppen)

41 Eine evolutionäre Suchmaschine
Informationsrückgewinnungsagenten Traditionelle IR im Internet auf dem InfoSpiders-Konzept basiert Agenten in Suche Wahl der Aufträge der IFAs Multiagentensysteme Biologie in KI Auftragsannahme verursacht Mutation Praxisbeispiele dynamische Gestaltung des Zahlbestandes Entwicklung Fitness von zwei Faktoren abhängig Fazit Entdeckung der relevanten Seiten Kredit von „Auftraggeber”

42 Eine evolutionäre Suchmaschine
Informationsfilteragenten Traditionelle IR im Internet auf dem Amalthaea-Konzept basiert Agenten in Suche „Kampf” um den Benutzer („Versteigerung”) Multiagentensysteme Ähnlichkeit der Querende mit dem eigenen Stichwortvektor Fitness Biologie in KI Praxisbeispiele Wettbewerb in Gruppen Entwicklung kollaborativer Ansatz bei Klassifizierung der Anfrage Fazit Geschichte der Transaktionen – die erste Quelle der Antwort Kredit aufgrund Rückmeldung

43 Agenda IV. der „biologische Ansatz” in der KI
neuronale Netze der genetische Ansatz V. praktische MAS-Anwendungen in der Suche die InfoSpiders- und MySpiders-Systeme das Amalthaea-System VI. die Entwicklung Entwicklungsperspektiven der Konzept einer evolutionären Suchmaschine VII. Fazit

44 Das Fazit Traditionelle IR im Internet
Information Retrieval im Web ist heutzutage eines der bedeutendsten Fachgebiete der IT Agenten in Suche die Größe und Dynamik des Internets machen ein extrem Multiagentensysteme schwieriges Problem für leistungsfähige Informations- beschaffung aus Biologie in KI die Web-Suchmaschinen, die traditionell das populärste Praxisbeispiele Tool zum Suchen im Internet sind, leiden unter Mängel Entwicklung der Skalierbarkeit Fazit die Agenten werden schon seit längerem in Web-IR benutzt, bieten aber keine vollständige Lösung des Problems der Informationsüberfluss Multiagentensysteme erfüllen eine Menge von Voraus- setzungen für ein innovatives Internet-Suchsystem

45 Das Fazit Traditionelle IR im Internet
die moderne Technologien der KI, die Lösungen der Natur nachahmen, erweisen sich als sehr hilfreich bei Realisierung eines dezentralen Multiagentensystemes Agenten in Suche die schon seit des Enden des letzten Jahrhunderts Multiagentensysteme vorgenommene Forschung hat zur Entwicklung einiger MAS zur Suche geführt, die erheblich höhere Leistung als traditionelle Suchmaschinen vorweisen Biologie in KI Praxisbeispiele diese Systeme greifen aber mehr oder weniger auf die Entwicklung Dienste der Suchmaschinen zurück und werden eher als eine Unterstützung der klassischen Methoden angesehen Fazit der Konzept von MAS im Suchen könnte aufgrund der erreichten Ergebnisse weiterentwickelt werden und zur Realisierung eines völlig unabhängigen Systems zur Informationssuche führen

46 Danke für Eure Aufmerksamkeit!
THE END Danke für Eure Aufmerksamkeit! Seminar Agentensysteme Dariusz Kordoński

47 HILFSFOLIEN Seminar Agentensysteme Dariusz Kordoński

48 Einführung in IR Schwerpunkt: Hauptprobleme:
Traditionelle IR im Internet Schwerpunkt: Suche Agenten im Suchen Umsetzung des Bedarfs in für die Maschine verständliche Multiagentensysteme Form Umsetzung des Ergebnisses in eine für den Benutzer Biologie in KI verständliche Form Praxisbeispiele Entwicklung Hauptprobleme: Fazit Vagheit Unsicherheit

49 Grundlagen von IR Das Vektorraummodell Traditionelle IR im Internet
… Gewichtung zwischen den beiden Vektoren kalkuliert. Da alle die Gewichtungen gleich oder größer als 0 sind, nimmt der Kosinus die Werte zwischen 0 und 1 an. Daher kann man auf diese Weise feststellen, inwieweit der Dokument die Abfrage erfüllt und die herausgefundene Dokumente in Hinsicht auf ihre Relevanz ordnen. Einer der bedeutendsten Probleme dabei ist die entsprechende Gewichtung der Schlüsselwörter. Am häufigsten benutzt man eine der Variationen der so genannten term-frequency-inverted document frequency-Gewichtung (tf-idf-Gewichtung). Die Gewichtung des Terms wird aus zwei Werten zusammengestellt. (Termhäufigkeit des Terms im Dokument) ist einfach die relative Häufigkeit des Auftretens des Wortes im Dokument… Agenten im Suchen Multiagentensysteme Gewichtung Biologie in KI Abfrage zwischen Praxisbeispiele Entwicklung Fazit Dokument als eine Kollektion der Schlüsselwörter Jedes Stichwort im Vektor wird in Hinsicht aufs Auftreten in einem bestimmten Dokument gewichtet ( ) Gleich wird die Querende dargestellt ( )

50 Grundlagen von IR Das Vektorraummodell Vorteile Nachteile
Traditionelle IR im Internet Das Ähnlichkeitsmaß der Anfrage mit einem bestimmten Dokument – Kosinus des Winkels: Agenten im Suchen Multiagentensysteme Biologie in KI Praxisbeispiele Entwicklung Vorteile Nachteile Annahme der unabhängigen Fazit Relativ gute Leistung Terme (umstritten) Rückgewinnung nur teilweise übereinstimmenden Dokumente Erschaffung einer Rangfolge in Hinsicht auf Relevanz möglich

51 Grundlagen von IR Die tf-idf-Gewichtung Traditionelle IR im Internet
Fragestellung: Wie soll man die Terme im Vektor gewichten? Agenten im Suchen Proportional zu Häufigkeit im Dokument (term frequency): Multiagentensysteme Biologie in KI Praxisbeispiele Umgekehrt proportional zu Häufigkeit in der ganzen Sammlung (inverted document frequency): Entwicklung Fazit das zusammengestellte Gewicht: (daher: tf-idf)

52 Grundlagen von IR Anfrage "q" Die Bewertungsmethoden
Traditionelle IR im Internet Die Sammlung Agenten im Suchen Multiagentensysteme Aufgefundene relevante Dokumente |Ra| Biologie in KI Praxisbeispiele Anfrage "q" Entwicklung Relevante Dokumente |R| Gelieferte Dokuente |A| Fazit

53 Grundlagen von IR Die Bewertungsmethoden Traditionelle IR im Internet
Precision (Präzision): Recall (Vollständigkeit): Agenten im Suchen Multiagentensysteme Precision-Recall-Diagramm - Beispiel Biologie in KI Praxisbeispiele Entwicklung Fazit

54 Der genetische Ansatz Das genetische „Rauschen”
Traditionelle IR im Internet Reproduktion Agenten in Suche Multiagentensysteme Biologie in KI Crossover Praxisbeispiele 010 010 Entwicklung Fazit 111 111 Mutation 1


Herunterladen ppt "Multiagentensysteme in der Informationssuche"

Ähnliche Präsentationen


Google-Anzeigen