DIVINE
Content providers und Analysten sind zunehmend darauf hingewiesen verschiedene Datenquellen zu kombinieren um damit umfassende, aktuelle und verlinkte Informationsräumen aufzubauen. Methoden zur Integration und Verfolgung der Evolution der Datenquellen sind ausschlaggebend um dieses Ziel zu erreichen. DIVINE konzentriert sich auf die Entwicklung solcher Methoden, wo im Zentrum eine Seed-Ontologie steht, die als Ausgangspunkt für Integration neuer Fakten aus mehrfachen, sich kontinuierlich entwickelnden Datenquellen dient.
Eine Palette von modularen, skalierbaren Fakt-Akquisitionsdiensten integriert strukturierte, unstrukturierte und soziale Quellen durch Crawling von öffentlichen Web Dokumenten, Abfragen von Linked Open Data Repositories und Aggregation von Ressource-Annotationen aus Web 2.0 Applikationen. Bei unvollständigen oder widersprüchlichen Informationen werden Validationsprozesse ausgelöst. Weil externe Quellen inhärent unsicher sind, werden jedem neuen Fakt quellenabhängige Konfidenzwerte zugeordnet. Für die Erweiterung der Seed-Ontologie kommt ein Spreading Activation Netzwerk zum Einsatz, das auf die gesammelte Fakten und entsprechende Konfidenzwerte zugreift.
Um Muster in der Wissensevolution ableiten zu können wird Monitoring der Domänenänderungen betrieben. Für jedes Ontologieelement werden die Änderungen der Konfidenzwerte verfolgt. Datendiensten und Visualisierungen enthüllen wachsende, fallende oder zyklische Muster in den aufgenommenen Daten. Solche zeitliche Muster sind wichtige Indikatoren, die über die Evolution von Wissen und über die Prozesse die diese Evolution treiben Aufschluss geben.
Monitoring von Mediennachrichten und Umweltwissensmanagement sind zwei Anwendungsfälle mit denen das System demonstriert und evaluiert wird. Fähigkeiten die unter Beweis gestellt werden sind die Strukturierung großer Wissensrepositories, Enthüllung von Informationsflüssen zwischen Akteuren und das Gewinnen von Erkenntnissen über die externe Kommunikation einer Organisation.
RAVEN
RAVEN (Relation Analysis and Visualization for Evolving Networks) kombiniert verteilte Informationen auf Dateiebene mit Applikationsdaten aus Unternehmensportalen um aus Informationsbeständen einer Organisation ein umfassendes semantisches Repository aufzubauen. Soziale Aspekte werden berücksichtigt indem Benutzer ihre nicht-vertrauliche Informationen in das Repository veröffentlichen und indem Microformat- und RDF-Annotationen aus den Dokumenten extrahiert werden. Externe Ressourcen werden durch Web Mining und eine Media Monitoring Plattform hinzugefügt.
RAVEN ermittelt Trends in der Frequenz und semantischer Orientation der Terme und Konzepte in solchen zusammengesetzten Informationsräumen. Ambiguität und subtile inkrementale Tonveränderungen zwischen verschiedenen Versionen eines Dokumentes erschweren die Sentiment-Analyse, was durch ein Spreading Activation-basierten Ansatz adressiert wird. Die resultierenden Annotationen können, zum Beispiel, verwendet werden um die Medienberichterstattung über die neu eingeführte Produktlinie zu verfolgen.
Visualisierung von temporal-semantischen Relationen unterstützt Analysten beim Verstehen und der Verwertung größer Unternehmensdatensätzen. Die entworfenen Visualisierungskomponenten sind eingebettet in ein AJAX-basiertes Web-Intrerface, das aus mehreren, eng verkoppelten Ansichten besteht und Einblicke in verschiedene Annotationstypen zur Verfügung stellt. Skalierbare, inkrementale Algorithmen liefern die Grundlage zum Aufbau semantischer Repositories und zur Konstruktion von Benutzerschnittstellen für visuelle Erforschung temporal-semantischer Relationen.
DYONIPOS
Inhaltlich geht es in DYONIPOS um die auf Basis semantischer Technologien gestützte Optimierung der Modellierung von Geschäftsprozessen in Unternehmen. Der Bereich Wissensmanagement des Know-Center befasst sich in Dyonipos intensiv mit der Nutzung von Anwenderinteraktionen zur Analyse und Identifikation der aktuellen Arbeitsaktivität innerhalb von Prozessen. Als Folge jener Analyse und Identifikation soll eine automatische Modellierung von Prozessen basierend auf den gewonnenen Nutzungsinformationen erreicht werden.
Im Call for Proposals 2006 des FIT-IT Schwerpunktprogramms Semantic Systems wurde der vom Know-Center gestellte Projektantrag DYONIPOS als bester der 18 eingereichten Anträge prämiert. Das Projekt wird gemeinsam mit dem IICM der TU Graz, HP und m2n während der nächsten 2 Jahre durchgeführt.
