Mit dem Semantic Web wurde 1999 eine Erweiterung des World-Wide-Webs vorgeschlagen, in der Informationen mit eindeutigen Bedeutungen versehen sind, um so den Zugriff auf diese zu verbessern. Im Zuge dessen sind in letzter Zeit immer mehr Informationen in Form von semantischen Daten verfügbar geworden; das populärste Beispiel hierfür ist das DBpedia-Projekt, in dem Informationen aus Wikipedia-Artikeln extrahiert und öffentlich zugreifbar gemacht werden. Die rein automatisierte Nutzung dieser semantischen Daten stößt jedoch an ihre Grenzen, da die Kommunikation zwischen Computer und Nutzer auf Grund der Mehrdeutigkeit z.B. von natürlicher Sprache schwierig ist. Die Formulierung von semantisch-eindeutigen Anfragen über künstliche Sprachen wie SPARQL ist für normale Nutzer jedoch nicht zumutbar. Daher werden geeignete interaktive Tools benötigt, die eine einfache Formulierung von eindeutigen Suchanfragen sowie das Explorieren und Visualisieren von semantischen Daten ermöglichen. Das Thema "Interaktion im Semantic Web" ist daher ein höchst aktuelles und insbesondere für den Erfolg des Semantic Web relevantes Forschungsgebiet. Im Folgenden werden Forschungsarbeiten zu diesem Thema vorgestellt.

Zusammenhänge finden mit dem RelFinder

Sind Sie interessiert daran, wie Dinge miteinander in Beziehung stehen? Der RelFinder hilft Ihnen dabei! Er ermöglicht es, Zusammenhänge zwischen ausgewählten Objekten innerhalb unterschiedlicher semantischer Datensätze zu extrahieren und diese als Graph anzuzeigen. Mächtige Filter- und Explorationswerkzeuge erlauben dabei die interaktive Suche auch in sehr großen Datenmengen und somit stets einen verlässlichen Zugriff auf alle für eine bestimmte Situation relevanten Zusammenhänge.

Weitere Informationen zum RelFinder, wie eine interaktive Demo und wissenschaftliche Veröffentlichungen, finden Sie unter: http://relfinder.semanticweb.org/

Eindeutige Suchanfragen stellen mit gFacet

Komplexe semantische Anfragen leicht gemacht! gFacet stellt Facetten als Knoten in einer Graph-Visualisierung dar, die interaktiv vom Benutzer hinzugefügt und entfernt werden können, um auf diese Weise individuelle Such-Interfaces zu erzeugen.

Weitere Informationen zu gFacet, wie eine interaktive Demo und wissenschaftliche Veröffentlichungen, finden Sie unter: http://gFacet.semanticweb.org/

Trends analysieren mit SemLens

Wollen Sie Trends und Korrelationen in RDF-Daten analysieren?
SemLens bietet eine visuelle Schnittstelle, die ein Streudiagramm und semantische Linsen kombiniert, um sowohl globale Trends als auch lokale Zusammenhänge zu verstehen.

Weitere Informationen zu SemLens, wie eine interaktive Demo und wissenschaftliche Veröffentlichungen, finden Sie unter: http://SemLens.visualdataweb.org/

Hierarchisch-facettierte Exploration mit tFacet

tFacet nutzt bekannte Interaktionskonzepte, um hierarchisch-facettierte Exploration auch für herkömmliche Nutzer zu ermöglichen. Ziel ist es, die Formulierung von semantisch eindeutigen Anfragen zu erleichtern und so den schnellen und gezielten Informationszugriff auch in der Breite zu unterstützen.

Weitere Informationen zu tFacet, wie eine interaktive Demo und wissenschaftliche Veröffentlichungen, finden Sie unter: http://tFacet.visualdataweb.org/

Gemeinsamkeiten visualisieren mit dem ChainGraph

Die Visualisierung von semantischen Datensätzen mittels herkömmlicher Graph-Visualisierungen führt häufig zu Überschneidungen von Kanten und Überlappungen von Knoten. Mit dem ChainGraph präsentieren wir einen neuen Ansatz, der Ressourcen entsprechend ihrer gemeinsamen Eigenschaften als Ketten visualisiert und somit sehr dichte Graphen verhindert und die Exploration von Gemeinsamkeiten unterstützt.

Eine detaillierte Beschreibung des ChainGraphen finden Sie in den Veröffentlichungen:

Kontakt

Sollten Sie Fragen oder Anmerkungen zu den hier vorgestellten Ansätzen haben, wenden Sie sich bitte an Steffen Lohmann.