WO2009036796A1 - Verfahren zur erstellung eines profils eines benutzers eines datenverarbeitungssystems - Google Patents

Verfahren zur erstellung eines profils eines benutzers eines datenverarbeitungssystems Download PDF

Info

Publication number
WO2009036796A1
WO2009036796A1 PCT/EP2007/059584 EP2007059584W WO2009036796A1 WO 2009036796 A1 WO2009036796 A1 WO 2009036796A1 EP 2007059584 W EP2007059584 W EP 2007059584W WO 2009036796 A1 WO2009036796 A1 WO 2009036796A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
keywords
data
profile
fragments
Prior art date
Application number
PCT/EP2007/059584
Other languages
English (en)
French (fr)
Inventor
Gerhard Marti
Heiner Kaufmann
Original Assignee
Admar Informatik Marti
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Admar Informatik Marti filed Critical Admar Informatik Marti
Priority to PCT/EP2007/059584 priority Critical patent/WO2009036796A1/de
Publication of WO2009036796A1 publication Critical patent/WO2009036796A1/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Definitions

  • the invention relates to a method for creating a profile of a user of a data processing system according to the independent method claim.
  • WO9913414 describes a system for data selection. Based on the interaction with documents used, the user can indicate how important a document is. Based on this information, a user profile is created. The user profile consists of weighted sets of keywords that are in the interest of the user.
  • EP1524611 mentions a method for constructing a
  • User profile where the user must explicitly enter text. Implicitly, it can happen by the user using a document or looking at a content.
  • the user profile can be used to search documents.
  • WO00 / 43915 also discloses a method for creating a user profile based on linguistic patterns of documents provided by the user. The generated profile is used to conduct customized internet searches.
  • this object is achieved in a method having the features of the independent method claim.
  • this is achieved by selecting data fragments free of the user (s) as part of files or part of the information displayed on the screen from different applications.
  • the invention also relates to a computer program product according to the independent claim.
  • Data processing system is executed, detected after its activation automatically all, copied by the user data fragments and sends them preferably for further processing to a central server. On this the profile is created.
  • text fragments, image fragments, OCR-based text fragments from an image, and / or multimedia data can be selected by the user as data fragments.
  • the method uses semantic algorithms to analyze, extract and network keywords from the collected data fragments.
  • the importance of the extracted keywords is calculated individually with respect to the user group and topic (if any).
  • the importance of the keywords depends on at least one of the following parameters:
  • Age of keywords - newly extracted keywords are more important than older ones; Keyword usage - keywords that are most frequently researched are more important; and
  • Keyword Frequency - more common keywords are more important than rarely occurring keywords.
  • keywords can also be determined automatically. At least the following types can be considered: words, numbers, expressions (multiple words), URL addresses.
  • the named data fragments can be classified into predefined user groups and topics, with user access rights assigned to the named user groups so that only authorized users can access the information.
  • the importance of user groups can be calculated automatically and individually, depending on at least one of the following parameters:
  • Age of user groups - the user groups containing newer keywords are more important
  • Activity of user groups - the user groups containing the most information are more important.
  • a software application / software agent installed on a user's data processing system allows access to selected data fragments by displaying a classified list of keywords from the data fragments and by selecting a keyword from that list to access the corresponding data fragments. Users can associate an emotion or rating with a selected piece of data.
  • the language of the data fragments can be determined automatically using semantic methods or dictionaries.
  • the named user profile can be used for at least one of the following applications: individual ranking of search results, individual advertising and / or for a spam filter. It is conceivable that a web page with a content corresponding to the user profile is automatically generated.
  • keywords in these applications may consist of words, phrases, URLs, phrases, pictures, parts of pictures, or other objects.
  • the profile is advantageously made of personal information.
  • the keywords are automatically extracted from the selected (copied) data fragments.
  • the weighting of the keywords depends on various criteria, for example, the originality of the word, position in the data fragment, age, use, etc.
  • the invention thus also consists of a system for preparing and weighting personal keyword lists, the weighting can use semantic algorithms.
  • Figure 1 is a view of a system on which the inventive method for creating a profile of the user of a data processing system is performed.
  • Fig. 2 is a view of an application from which a data fragment is selected by a user; 3 is a view of the results page having a group, keyword and data fragment area and FIG
  • FIG. 4 shows a web-based system on which the inventive method for creating a profile of the user of a data processing system is performed
  • Fig. 1 shows a view of a system on which the inventive method for creating a profile of the user of a data processing system is performed.
  • the named user profile can then be used, for example, for at least one individual ranking of search results, for individual advertising, for a spam filter and / or for an automatically generated web page with a content corresponding to the user profile.
  • Other applications that use the created user profile to tailor the information to the needs of the user are conceivable.
  • FIG. 1 shows, different users are connected to their data processing system 1 via a network 2 with a web-based server 3.
  • network 2 WAN, LAN, WLAN, GSM, UMTS or equivalent networks are conceivable.
  • Different users can join together to different user groups 30, 31 in the system.
  • the user groups 30, 31 have a common interest in a topic - thus independently collecting data fragments and benefiting from the information of the other users.
  • the web-based server 3 includes a database 4, an indexer 5 with semantic analysis, a module 6 for extracting and calculating the keyword importance, and a module 7 for accessing and ranking the data fragments and keywords.
  • An application for displaying a web application 8 is possible. The operation of said elements will be explained in detail with reference to FIG. 4. Fig.
  • FIG. 2 shows a view of an application 16 of a file 18 from which a data fragment 20 is selected by a user.
  • a software agent 10 is executed in the background.
  • the software agent 10 can log all actions of the user such as: log in, user group selection (s), user group change, information capture, and so on. It is conceivable that each user group 30, 31 logs on to the system via its own login.
  • the software agent 10 indicates which user groups 30, 31, which topics and additional attributes such as: emotions, notes, colors or icons, etc. are available to the user for identifying the information.
  • the software agent 10 is running on the user's data processing system, the user can select and copy important information with the mouse and / or the keyboard while working on the computer.
  • Image fragments, OCR-isolated fragments and multimedia data (sound and moving images).
  • the size of the data fragment 20 does not matter.
  • the user can select and copy multiple pages, a page, paragraphs, phrases, a word, etc.
  • the user is free when, how often and in which language he records the data fragments 20.
  • Rules for selecting information allow the user to group information. If an image immediately follows a text fragment, the image is assigned to the text fragment. The image can thus be described and found using keywords.
  • URL addresses and phrases up to 3 words are additionally treated as an expression in the user profile and assigned to the topic of the user groups 30, 31.
  • the data fragments 20 may be selected from a variety of applications, such as an Internet browser, e-mail program, word processing system, PDF reader, a speech recognition system, your own application and previously collected data fragments, and so forth.
  • the copied data fragment 20 is automatically taken over by the software agent 10 running in the background and transmitted by the latter via the network 2 to the server 3.
  • the data fragment is processed.
  • the keywords are extracted, and the importance of these with respect to the user groups 30, 31 and the topics is calculated individually.
  • the user profile of the user groups 30, 31 is modified with the changed data. Since the data fragments are freely selected by the user groups 30, 31 during the work process, the generated user profile corresponds much better to the interests of its user groups 30, 31.
  • FIG. 3 shows a view of a results page 50 displayed in a web application. It has a group area 51, a keyword area 52 and a data fragment area 53. The user can view the results page 50. In group area 51 he receives a list of all groups and topics to which he is authorized to access.
  • the user groups 30, 31 can be represented in various ways.
  • the topics of the groups are displayed according to activity larger or smaller.
  • the most active topic has the most identified information and is displayed the most.
  • Use. The topics are displayed larger or smaller after use. The most used topic has the most access and is displayed the most.
  • Each topic of the group area 51 has a blog. All captured data fragments 20 are listed therein chronologically, for example. They can be deleted and edited.
  • User groups 30, 31, topics and users can be added, the names of user groups 30, 31 and topics can be changed and user groups 30, 31, topics and users can be deleted. It is possible to delete only the content of a topic, but to preserve the user group.
  • User groups can know friend groups. Friend groups share information for access by specific user groups. Individual topics or all topics can be released for access.
  • the extracted and calculated importance keywords are listed topic and language specific.
  • the language of the data fragments is recognized.
  • the keywords are extracted and presented in a language specific to the collected data fragments. All languages are possible here, English, French, Spanish, Italian, German, etc.
  • German If the language of a detected data fragment 20 is recognized as German, for example, all key words of this data fragment 20 are assigned the language German, even if the word is English, for example.
  • the user can also change the language of individual keywords independently of the actual language. This ensures that, for example, German keywords are displayed in the English language.
  • the keywords can be displayed in various ways. • Frequency. The more frequently occurring keywords are displayed larger.
  • Keyword types The keyword types can be used to find information in topics in another way. For example, #numbers contains all the numbers of a topic. These key figures are also networked associatively. Do you know what was 1970? Other word types can be syntactically defined as regular expressions. You can also read abbreviations, glossaries, etc. into the system. Keywords that correspond to a keyword type are displayed in a separate list. e.g. #Numbers, #URL addresses, #multiple groups (expressions) etc.
  • Neighbor terms Terms often associated with a keyword (for example, Switzerland and the Alps, Switzerland and European Championship 08, Switzerland and chocolate, etc.). Neighbor terms for a keyword are automatically determined from the collected data fragments.
  • Synonyms are determined based on a broken word.
  • Neighbor terms are specific to topic and user groups. Have two different users of the system thus another personalized list of neighbor terms for the same keyword.
  • Extracted keywords can be deleted from a topic. The user decides whether the word is deleted permanently or only from the selected topic. With permanent deletion, the word is added to a user-specific stop-word list. These words are no longer extracted by the module 6 for the corresponding user group.
  • the data fragment area 53 displays the appropriate data fragments and documents for selected keywords.
  • Documents The application described here also supports access to indexed documents of the data storage. All matching documents are displayed for the selected keywords. All common document types are supported.
  • Contextual keywords can be found in other topics and topics of friend groups over the network. This will allow you to see if other groups have information about the keywords or other groups are looking at their or similar topics.
  • FIG. 4 shows a web-based system on which the inventive method for creating a profile of the user of a data processing system 1 is performed.
  • the user captures a data fragment 20 which is sent by the software agent 10 to the web-based server 3.
  • the web-based server 3 contains the indexer 5 with semantic analysis and the module 6 for extracting and calculating the keyword importance.
  • the data fragments user groups and topics are processed dependent.
  • the access and ranking of the information takes place in module 7.
  • the module 6 can calculate the importance of an individual user group 30, 31 or the topics can be automatically calculated. Accordingly, the importance of the user groups 30, 31 may depend on at least one of the following parameters:
  • Age of the user groups 30, 31 - the user groups 30, 31 containing newly selected terms are more important; • Use of user groups 30, 31 - the user groups 30, 31 most frequently researched are more important;
  • Activity of the user groups 30, 31 - the user groups 30, 31 containing the most information are more important.
  • the module 6 extracts the keywords from the data fragments after being indexed by the indexer 5.
  • the number of keywords to extract is determined by the fragment length. Locally more keywords are extracted at the beginning and end of the text than in the middle. This behavior is controlled by a mathematical function. This feature honors user behavior when selecting text. Experience shows that more important information for the user can be found at the beginning and at the end of a marked text than in the middle of the text. Furthermore, the extraction of keywords takes into account the occurrence and frequency of words in other fragments. Words of the stop word list are not extracted.
  • the results of the analysis of the module 6 are stored in the database 4.
  • the database stores the user groups, group topics, group users, keyword lists, data fragments, keyword types, stop words in general, stop words, user group-specific, and the relationships between the data. Further criteria to be saved are:
  • Emotions or rating for example important / unimportant / agree / funny / exciting / spam / annoying / etc / as adjective, note, color, icon, etc.
  • Fig. 4 illustrates how the collected information can be used during a search. If the user wishes to perform a search with an application 11 on his data processing system 1, the result is determined using the stored profile information from the database 4. The user selects a topic, the keyword area 52 is displayed and serves the user as a topic overview. Key words, synonyms, and related terms quickly find important information. The data fragments shown in the data fragment area 53 have a high quality (experts identified). To search for the information module 7 can access the documents index of search engines.
  • the invention also relates to a
  • a computer program product comprising software for carrying out a method for creating a profile of a user of a data processing system according to one of the preceding claims, when the software is installed and running on a data processing system.
  • the invention relates to a computer program product in which a software agent (software program) is run in the background in the named data processing system, wherein the named copied data fragments 20 are recognized from the named applications 16 by the software agent 10 and further processed for the creation of the user profile ,
  • the personal and / or user-group-dependent profiles obtained with this method thus consist of: multilingual keyword lists organized in user groups and topics, sorted according to word types and calculated according to importance.
  • the keywords are networked with neighboring terms and with Synonyms added.
  • Other features include features for limiting profile sizes, pertinent information fragments for keywords, topics, blog, and user-group specific stop-word lists.
  • a profile can be used to quickly find particular data fragments and documents using the application of Figure 3, or to find other topics or user groups with similar profiles using this application.
  • Other applications of the profile are also conceivable, including:
  • User pairing Users can search other users or groups with a similar profile, for example to find a partner, friend or job.
  • User data processing system network for example LAN or WAN
  • server database groups indexer with semantic analysis module for the extraction and calculation of keywords module for the access and ranking of keywords web server
  • Software Agent Application e.g. Search engine, knowledge management program, etc.
  • Application File that is displayed or edited with the application

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

Verfahren zur Erstellung eines Profils eines Benutzers eines Datenverarbeitungssystems (1), wobei das Profil auf Basis von vom Benutzer im Datenverarbeitungssystem ausgewählten Datenfragmenten (20) erstellt wird. Die benannten Datenfragmente (20) frei vom Benutzer als Teil der Dateien (18) oder Teil der auf dem Bildschirm angezeigten Informationen aus unterschiedlichen Anwendungen (16) ausgewählt werden.

Description

Verfahren zur Erstellung eines Profils eines Benutzers eines Datenverarbeitungssystems
Technisches Gebiet
Die Erfindung bezieht sich auf ein Verfahren zur Erstellung eines Profils eines Benutzers eines Datenverarbeitungssystems gemäss dem unabhängigen Verfahrensanspruch.
Stand der Technik
Es sind bereits aus dem Stand der Technik mehrere Verfahren zur Erstellung eines Benutzerprofils eines Datenverarbeitungssystems bekannt.
WO9913414 beschreibt ein System zur Datenauswahl. Basierend auf der Interaktion mit verwendeten Dokumenten kann der Benutzer angeben, wie wichtig ein Dokument ist. Aufgrund dieser Information wird ein Benutzerprofil erstellt. Das Benutzerprofil besteht aus gewichteten Sätzen von Schlüsselworten, die dem Interesse des Benutzers entsprechen.
EP1524611 nennt ein Verfahren zum Aufbau eines
Benutzerprofils, wobei der Benutzer explizit Text eingeben muss. Implizit kann es geschehen, in dem der Benutzer ein Dokument verwendet oder einen Inhalt anschaut. Das Benutzerprofil kann beispielsweise angewendet werden, um Dokumente zu suchen.
WO00/43915 offenbart ebenfalls ein Verfahren zur Erstellung eines Benutzerprofils aufgrund von linguistischen Mustern von Dokumenten, die vom Benutzer bereitgestellt werden. Das erzeugte Profil wird verwendet, um angepasste Internetrecherchen durchzuführen.
Darstellung der Erfindung
Es ist ein Ziel der Erfindung, ein Verfahren zur Erstellung eines Profils eines Benutzers eines Datenverarbeitungssystems zu schaffen, welches benutzerfreundlich ist und auf einfache Weise ein exaktes Benutzerprofil erstellt.
Erfindungsgemäss wird dieses Ziel bei einem Verfahren mit den Merkmalen des unabhängigen Verfahrensanspruchs erreicht.
Insbesondere wird dies bei einem Verfahren entsprechend dem Oberbegriff des unabhängigen Anspruchs dadurch erreicht, dass Datenfragmente frei von dem oder den Benutzer(n) als Teil von Dateien oder Teil der auf dem Bildschirm angezeigten Informationen aus unterschiedlichen Anwendungen ausgewählt werden.
Die Erfindung bezieht sich auch auf ein Computerprogrammprodukt gemäss dem unabhängigen Anspruch.
Da die Datenfragmente frei vom Benutzer ausgewählt werden können, ist es besser möglich, die Interessen des Benutzers zu kennen. Ein Softwareagent, der im Hintergrund im benannten
Datenverarbeitungssystem ausgeführt wird, erfasst nach seiner Aktivierung automatisch alle, durch den Benutzer kopierten Datenfragmente und sendet diese vorzugsweise zur Weiterverarbeitung an einen zentralen Server. Auf diesem wird das Profil erstellt.
Als Datenfragmente können vom Benutzer zum Beispiel Textfragmente, Bildfragmente, OCR-isierte Textfragmente aus einem Bild und/oder multimediale Daten (Ton und bewegte Bilder) ausgewählt werden.
Das Verfahren verwendet semantische Algorithmen, um Schlüsselworte aus den erfassten Datenfragmenten zu analysieren, zu extrahieren und zu vernetzen. Die Wichtigkeit der extrahierten Schlüsselworte wird individuell bezüglich der Benutzergruppe und dem Thema (falls vorhanden) berechnet. Die Wichtigkeit der Schlüsselworte ist von mindestens einem der folgenden Parameter abhängig:
Alter der Schlüsselworte - neu extrahierte Schlüsselworte sind wichtiger als ältere; Nutzung der Schlüsselworte - die Schlüsselworte, die am häufigsten recherchiert werden, sind wichtiger; und
Häufigkeit der Schlüsselworte - häufiger vorkommende Schlüsselworte sind wichtiger, als selten vorkommende Schlüsselworte.
Auch der Typ der Schlüsselworte kann automatisch ermittelt werden. Mindestens folgende Typen können berücksichtigt werden: Wörter, Zahlen, Ausdrücke (mehrere Worte), URL-Adressen.
Die benannten Datenfragmente können in vordefinierten Benutzergruppen und Themen klassifiziert werden, wobei den benannten Benutzergruppen Benutzerzugriffsrechte zugeordnet werden, so dass nur berechtigte Benutzer auf die Informationen zugreifen können.
Die Wichtigkeit der Benutzergruppen kann automatisch und individuell berechnet werden, wobei diese von mindestens einem der folgenden Parameter abhängig sein kann:
Alter der Benutzergruppen - die Benutzergruppen, die neuere Schlüsselworte enthalten, sind wichtiger;
Nutzung der Benutzergruppen - die Benutzergruppen, die am häufigsten recherchiert werden, sind wichtiger;
Aktivität der Benutzergruppen - die Benutzergruppen, die am meisten Information enthalten, sind wichtiger.
Eine Softwareanwendung/Softwareagent, die auf einem Datenverarbeitungssystem des Benutzers installiert ist, erlaubt den Zugriff auf ausgewählte Datenfragmente, indem eine klassifizierte Liste von Schlüsselworten aus den Datenfragmenten angezeigt wird, und indem das Selektieren eines Schlüsselwortes aus dieser Liste den Zugriff auf die entsprechenden Datenfragmente erlaubt. Benutzer können eine Emotion oder eine Bewertung mit einem ausgewählten Datenfragment assoziieren.
Die Sprache der Datenfragmente kann automatisch anhand von semantischen Verfahren oder Wörterbücher ermittelt werden. Als beispielhafte Anwendung kann das benannte Benutzerprofil für mindestens eine der folgenden Anwendungen verwendet werden: individuelles Ranking von Suchergebnissen, individuelle Werbung und/oder für einen Spamfilter. Es ist denkbar, dass automatisch eine Webseite mit einem Inhalt entsprechend dem Benutzerprofil generiert wird.
Schlüsselworte können in diesen Anwendungen zum Beispiel aus Wörtern, Ausdrücken, URLs, Wortgruppen, Bildern, Bildteilen oder anderen Objekten bestehen.
Das Profil besteht vorteilhafterweise aus persönlichen Informationen. Die Schlüsselworte werden aus den ausgewählten (kopierten) Datenfragmenten automatisch extrahiert. Die Gewichtung der Schlüsselworte ist von verschiedenen Kriterien abhängig, zum Beispiel von der Originalität des Wortes, der Position im Datenfragment, des Alters, der Benutzung, usw. Die Erfindung besteht somit auch aus einem System zur Vorbereitung und Gewichtung von persönlichen Schlüsselwortlisten, wobei die Gewichtung semantische Algorithmen verwenden kann.
Es können Benutzer- aber auch Gruppenprofile erstellt werden.
Weitere vorteilhafte Ausführungsformen sind in den Unteransprüchen angegeben.
Kurze Beschreibung der Figuren
Die Erfindung wird anhand der beigefügten Figuren näher erläutert, wobei zeigen
Fig. 1 eine Ansicht eines Systems, auf dem das erfindungsgemässe Verfahren zur Erstellung eines Profils des Benutzers eines Datenverarbeitungssystems durchgeführt wird;
Fig. 2 eine Ansicht einer Anwendung, aus der ein Datenfragment von einem Benutzer ausgewählt wird; Fig. 3 eine Ansicht der Ergebnisseite mit einem Gruppen-, einem Schlüsselwort- und einem Datenfragmenten-Bereich und
Fig. 4 ein webbasiertes System, auf dem das erfindungsgemässe Verfahren zur Erstellung eines Profils des Benutzers eines Datenverarbeitungssystems durchgeführt wird;
Wege zur Ausführung der Erfindung
Fig. 1 zeigt eine Ansicht eines Systems, auf dem das erfindungsgemässe Verfahren zur Erstellung eines Profils des Benutzers eines Datenverarbeitungssystems durchgeführt wird. Das benannte Benutzerprofil kann danach beispielsweise für mindestens ein individuelles Ranking von Suchergebnissen, für individuelle Werbung, für einen Spamfilter und/oder für eine automatisch generierte Webseite mit einem Inhalt entsprechend dem Benutzerprofil verwendet werden. Andere Anwendungen, die das erstellte Benutzerprofil nutzen, um die Informationen an die Bedürfnisse des Benutzers anzupassen, sind denkbar.
Wie Fig. 1 zeigt, sind verschiedene Benutzer mit ihrem Datenverarbeitungssystem 1 über ein Netzwerk 2 mit einem webbasierten Server 3 verbunden. Als Netzwerk 2 sind WAN, LAN, WLAN, GSM, UMTS oder gleichwertige Netzwerke denkbar. Verschiedene Benutzer können sich zu verschiedenen Benutzergruppen 30, 31 im System zusammenschliessen. Die Benutzergruppen 30, 31 haben ein gemeinsames Interesse an einem Thema - können somit unabhängig voneinander Datenfragmente sammeln und von den Informationen der anderen Benutzer profitieren. Der webbasierte Server 3 enthält eine Datenbank 4, einen Indexer 5 mit semantischer Analyse, ein Modul 6 zur Extraktion und Berechnung der Schlüsselwortwichtigkeit und ein Modul 7 für den Zugriff (query) und das Ranking auf die Datenfragmente und Schlüsselworte. Eine Anwendung zur Darstellung einer Webapplikation 8 ist möglich. Die Funktionsweise der genannten Elemente wird in Bezug auf Fig. 4 eingehend erläutert. Fig. 2 zeigt eine Ansicht einer Anwendung 16 einer Datei 18, aus der ein Datenfragment 20 von einem Benutzer ausgewählt wird. Im benannten Datenverarbeitungssystem 1 wird im Hintergrund ein Softwareagent 10 ausgeführt. Wenn der Softwareagent 10 gestartet wird, muss sich ein Benutzer identifizieren und einloggen. Sofern vorhanden, wird er sich in einer Benutzergruppe 30, 31 identifizieren. Der Softwareagent 10 kann alle Aktionen des Benutzer wie: Einloggen, Wahl der Benutzergruppe(n), Wechsel der Benutzergruppe, Erfassen von Informationen, usw. protokollieren. Es ist denkbar, dass sich jede Benutzergruppe 30, 31 über ein eigenes Login am System anmeldet. Der Softwareagent 10 zeigt an, welche Benutzergruppen 30, 31, welche Themen und Zusatzattribute wie: Emotionen, Noten, Farben oder Ikonen usw. dem Benutzer zur Identifikation der Informationen zur Verfügung stehen.
Läuft der Softwareagent 10 auf dem Datenverarbeitungssystem des Benutzers, so kann der Benutzer während dem Arbeiten am Computer wichtige Informationen mit der Maus und/oder der Tastatur selektieren und kopieren.
Vom Softwareagenten 10 werden Textfragmente,
Bildfragmente, OCR-isierte Fragmente und multimediale Daten (Ton und bewegte Bilder) übernommen. Dabei spielt die Grosse des Datenfragments 20 keine Rolle. Der Benutzer kann mehrere Seiten, eine Seite, Absätze, Wortgruppen, ein Wort, usw. selektieren und kopieren. Der Benutzer ist dabei frei wann, wie oft und in welcher Sprache er die Datenfragmente 20 erfasst.
Regeln für die Selektion von Informationen ermöglichen dem Benutzer das Gruppieren von Informationen. Folgt unmittelbar auf ein Textfragment ein Bild, so wird das Bild dem Textfragment zugeordnet. Das Bild lässt sich dadurch über Schlüsselworte beschreiben und finden.
URL-Adressen und Wortgruppen bis zu 3 Worten (konfigurierbar) werden zusätzlich als Ausdruck im Benutzerprofil behandelt und dem Thema der Benutzergruppen 30, 31 zugeordnet. Die Datenfragmente 20 können aus den unterschiedlichsten Anwendungen, zum Beispiel aus einem Internet-Browser, E-Mail- Programm, Textverarbeitungssystem, PDF-Reader, einem Spracherkennungssystem, der eigenen Anwendung und früher bereits erfassten Datenfragmenten, usw. ausgewählt werden.
Das kopierte Datenfragment 20 wird automatisch vom im Hintergrund laufenden Softwareagenten 10 übernommen und von diesem über das Netzwerk 2 an den Server 3 übermittelt. Auf dem Server 3 wird das Datenfragment bearbeitet. Dabei werden die Schlüsselworte extrahiert, und die Wichtigkeit dieser bezüglich der Benutzergruppen 30, 31 und den Themen individuell berechnet. Das Benutzerprofil der Benutzergruppen 30, 31 wird mit den geänderten Daten modifiziert. Da die Datenfragmente von den Benutzergruppen 30, 31 frei während dem Arbeitsprozess ausgewählt werden, entspricht das generierte Benutzerprofil viel besser den Interessen seiner Benutzergruppen 30, 31.
Fig. 3 zeigt eine Ansicht einer Ergebnisseite 50, die in einer Webapplikation angezeigt wird. Es weist einen Gruppen-Bereich 51, einem Schlüsselwort-Bereich 52 und einem Datenfragmenten-Bereich 53 auf. Der Benutzer kann sich die Ergebnisseite 50 anzeigen lassen. Er erhält im Gruppen-Bereich 51 eine Auflistung aller Gruppen und Themen, auf die er zugriffsberechtigt ist. Die Benutzergruppen 30, 31 können verschiedenartig dargestellt werden.
• Neutral. Alle Gruppen und Themen werden in gleich grosser Schrift dargestellt. Freundgruppen werden in kursiver Schrift dargestellt. Die Informationen (Schlüsselworte und Datenfragmente) dieser Freundgruppen stehen den Benutzergruppen 30, 31 zur Verfügung. Die Identifikation der Dateifragmente wird dabei durch die Benutzer der Freundgruppe vorgenommen.
• Aktivität. Die Themen der Gruppen werden nach Aktivität grösser oder kleiner dargestellt. Das aktivste Thema hat am meisten identifizierte Informationen und wird am Grössten dargestellt. • Nutzung. Die Themen werden nach Nutzung grösser oder kleiner dargestellt. Das meist benutze Thema hat am meisten Zugriffe und wird am grössten dargestellt.
Jedes Thema des Gruppen-Bereichs 51 besitzt ein Blog. Alle erfassten Datenfragmente 20 werden darin zum Beispiel chronologisch aufgelistet. Sie können gelöscht und editiert werden.
Benutzergruppen 30, 31, Themen und Benutzer können hinzugefügt, die Namen der Benutzergruppen 30, 31 und Themen können geändert und Benutzergruppen 30, 31, Themen und Benutzer können gelöscht werden. Es ist möglich, nur den Inhalt eines Themas zu löschen, jedoch die Benutzergruppe zu erhalten. Benutzergruppen können Freundgruppen kennen. Freundgruppen geben Informationen für den Zugriff bestimmter Benutzergruppen frei. Dabei können einzelne Themen oder alle Themen für den Zugriff freigegeben werden.
Im Schlüsselwort-Bereich 52 werden die extrahierten und nach Wichtigkeit berechneten Schlüsselworte themen- und sprachenspezifisch aufgelistet.
Sprache. Die Sprache der Datenfragmente wird erkannt. Die Schlüsselworte werden Sprachen spezifisch aus den erfassten Datenfragmenten extrahiert und dargestellt. Alle Sprachen sind hier denkbar, englisch, französisch, spanisch, italienisch, deutsch, usw.
Wird die Sprache eines erfassten Datenfragments 20 als beispielsweise deutsch erkannt, so wird allen Schlüsselworten dieses Datenfragments 20 die Sprache deutsch zugeordnet, auch wenn das Wort beispielsweise englischer Sprache ist. Der Benutzer kann die Sprache einzelner Schlüsselworte unabhängig der eigentlichen Sprache auch ändern. Dadurch wird erreicht, dass beispielsweise deutsche Schlüsselworte unter der englischen Sprache dargestellt werden.
Entsprechend dieser Einteilung können die Schlüsselworte verschiedenartig dargestellt werden. • Häufigkeit. Die häufiger vorkommenden Schlüsselworte werden grösser dargestellt.
• Alter. Die neuesten Schlüsselworte werden am Grössten dargestellt. Die Schlüsselworte altern und werden dann immer kleiner dargestellt.
• Popularität. Die am meisten benutzten Schlüsselworte werden am grössten dargestellt.
• Schlüsselworttypen. Durch die Schlüsselworttypen lassen sich Informationen in Themen auf eine weitere Art finden. Zum Beispiel findet man unter #numbers alle Zahlen eines Themas. Auch diese Schlüsselzahlen werden assoziativ vernetzt. Wissen Sie was 1970 war? Weitere Worttypen lassen sich syntaktisch als Regulär Expressions definieren. Auch lassen sich Abkürzungen, Glossars usw. ins System einlesen. Schlüsselworte die einem Schlüsselwort Typen entsprechen werden in einer separaten Liste dargestellt. z.B. #Zahlen, #URL Adressen, #Mehrwort Gruppen (Expressions) usw.
Selektierte Schlüsselworte werden mit assoziativ vernetzten Schlüsselworten (Nachbarbegriffe) und Synonyme ergänzt:
• Nachbarbegriffe. Begriffe, die oft in Zusammenhang mit einem Schlüsselwort vorkommen (z.B. Schweiz und Alpen, Schweiz und Europameisterschaft 08, Schweiz und Schokolade, usw.). Nachbarbegriffe zu einem Schlüsselwort werden automatisch aus den erfassten Datenfragmenten bestimmt.
• Synonyme. Beispiele sind hierfür Schweiz / Confederatio Helvetica / CH / Eidgenossenschaft / Schweizer, etc. Synonyme werden anhand eines Wörterbruchs ermittelt.
Nachbarbegriffe werden Themen- und Benutzergruppen spezifisch bestimmt. Zwei unterschiedliche Benutzer des Systems haben somit eine andere personalisierte Liste von Nachbarbegriffen für das gleiche Schlüsselwort.
Extrahierte Schlüsselworte können von einem Thema gelöscht werden. Der Benutzer entscheidet, ob das Wort permanent oder nur aus dem selektierten Thema gelöscht wird. Bei permanentem Löschen wird das Wort zu einer benutzerspezifischen Stoppwortliste hinzugefügt. Diese Worte werden durch das Modul 6 für die entsprechende Benutzergruppe nicht mehr extrahiert.
Der Datenfragmenten-Bereich 53 zeigt zu selektierten Schlüsselworten die passenden Datenfragmente und Dokumente an.
• Fragmente. Informations- und Bildfragmente, die vorgängig durch die Benutzergruppen 30, 31 erfasst wurden und zu den selektierten Schlüsselworten des Themas passen, werden dargestellt. Diese Informationen haben einen hohen Wert, da sie von den Benutzern zuvor als wichtig identifiziert wurden. Zu einem Datenfragment werden weitere Daten wie Benutzergruppe, Thema und Benutzer angezeigt. Dies ermöglicht die Kontaktaufnahme mit dem Erfasser (Experte) der Information. Kleine Datenfragmente werden direkt auf der Hauptseite angezeigt, grosse Fragmente werden auf einer separaten Seite dargestellt.
• Dokumente. Die hier beschriebene Anwendung unterstützt auch den Zugriff auf indizierte Dokumente der Datenablage. Zu den selektierten Schlüsselworten werden alle passenden Dokumente dargestellt. Dabei werden alle gängigen Dokument Typen unterstützt.
Integrierte Funktionen ermöglichen die Reduzierung oder die Erweiterung der gefundenen Informationen (Datenfragmente und Dokumente).
• Fokussieren. Das System hat viele passende Informationen zu den selektierten Schlüsselworten gefunden. Durch die Erweiterung der Schlüsselworte mit Nachbarbegriffen lässt sich die Ergebnisliste reduzieren. Nachbarbegriffe stehen im Kontext zu den selektierten Schlüsselworten. Die Qualität der Ergebnisse wird dadurch zusätzlich gesteigert.
• Expandieren, umgekehrt; Das System hat wenige passende Informationen gefunden. Durch die Erweiterung der selektierten Schlüsselworte mit Nachbarbegriffen und / oder Synonymen lässt sich die Ergebnisliste erweitern. Die Begriffe werden dabei als logisch ODER mit den Schlüsselworten verknüpft. Das System finden im Kontext der Schlüsselworte mehr Informationen.
Im Kontext stehende Schlüsselworte können in anderen Themen und Themen von Freundgruppen über das Netzwerk gefunden werden. Damit kann man feststellen, ob andere Gruppen Informationen zu den Schlüsselworten haben, bzw. andere Gruppen sich mit ihren oder ähnlichen Themen befassen.
Fig. 4 zeigt ein webbasiertes System, auf dem das erfindungsgemässe Verfahren zur Erstellung eines Profils des Benutzers eines Datenverarbeitungssystems 1 durchgeführt wird. Der Benutzer erfasst ein Datenfragment 20, welches durch den Softwareagent 10 an den webbasierten Server 3 gesendet wird. Der webbasierte Server 3 enthält den Indexer 5 mit semantischer Analyse und das Modul 6 zur Extraktion und Berechnung der Schlüsselwortwichtigkeit. Wie bereits beschrieben, werden die Datenfragmente Benutzergruppen und Themen abhängig bearbeitet. Der Zugriff und das Ranking der Informationen erfolgt im Modul 7.
Das Modul 6 kann die Wichtigkeit einer individuellen Benutzergruppen 30, 31 oder der Themen kann automatisch berechnet werden. Entsprechend kann die Wichtigkeit der Benutzergruppen 30, 31 von mindestens einem der folgenden Parameter abhängig sein:
• Alter der Benutzergruppen 30, 31 - die Benutzergruppen 30, 31, die neu ausgewählten Begriffe enthalten, sind wichtiger; • Nutzung der Benutzergruppen 30, 31 - die Benutzergruppen 30, 31, die am häufigsten recherchiert werden, sind wichtiger;
• Aktivität der Benutzergruppen 30, 31 - die Benutzergruppen 30, 31, die am meisten Information enthalten, sind wichtiger.
Das Modul 6 extrahiert nach der Indizierung durch den Indexer 5 die Schlüsselworte aus den Datenfragmenten. Die Anzahl zu extrahierender Schlüsselworte wird von der Fragmentlänge bestimmt. Örtlich werden am Anfang und am Ende des Textes mehr Schlüsselworte extrahiert als in der Mitte. Dieses Verhalten ist mit einer mathematischen Funktion gesteuert. Mit dieser Funktion wird das Benutzerverhalten beim Markieren von Text berücksichtigt. Erfahrungsgemäss sind am Anfang und am Ende eines markierten Textes wichtigere Informationen für den Benutzer zu finden als in der Mitte des Textes. Weiter werden bei der Extraktion der Schlüsselworte das Vorkommen und die Häufigkeit der Worte in anderen Fragmenten berücksichtigt. Worte der Stopp wort liste werden nicht extrahiert.
Die Ergebnisse der Analyse des Moduls 6 werden in der Datenbank 4 gespeichert. In der Datenbank werden die bereits beschriebenen Benutzergruppen, Themen der Gruppen, Benutzer der Gruppe, Schlüsselwort Listen, Datenfragmente, Schlüsselworttypen, Stoppworte allgemein, Stoppworte benuztergruppenspezifisch und die Relationen zwischen den Daten gespeichert. Weitere Kriterien die gespeichert werden sind:
Emotionen oder Bewertung, zum Beispiel wichtig / unwichtig / bin damit einverstanden / komisch / spannend / spam / ärgerlich / usw. / als adjektiv, Note, Farbe, Ikone, usw.
Stoppwortliste. Begriffe wie der, die, das, und, ist, usw. werden nicht berücksichtigt (nicht indexiert, usw.). Diese kann benuztergruppenspezifisch definiert werden. Gleichzeitig wird in Fig. 4 verdeutlicht, wie die gesammelten Informationen während einer Suche verwendet werden können. Möchte der Benutzer eine Suche mit einer Anwendung 11 auf seinem Datenverarbeitungssystems 1 durchführen, wird das Ergebnis unter Benutzung der gespeicherten Profilinformationen aus der Datenbank 4 ermittelt. Der Benutzer wählt ein Thema, der Schlüsselwort-Bereich 52 wird dargestellt und dient dem Benutzer als Themenübersicht. Über die Schlüsselworte, die Synonyme und die im Kontext stehenden Nachbarbegriffe werden wichtige Informationen schnell gefunden. Die im Datenfragmenten-Bereich 53 dargestellten Datenfragmente weisen dabei eine hohe Qualität auf (Experten identifiziert). Zur Suche der Informationen kann das Modul 7 auf den Dokumenten Index von Suchmaschinen zugreifen.
Die Erfindung bezieht sich auch auf ein
Computerprogrammprodukt enthaltend eine Software zur Durchführung eines Verfahrens zur Erstellung eines Profils eines Benutzers eines Datenverarbeitungssystems gemäss einem der vorangehenden Ansprüche, wenn die Software auf einem Datenverarbeitungssystem installiert wird und läuft. Insbesondere bezieht sich die Erfindung auf ein Computerprogrammprodukt, im welchem ein Softwareagent (Software Programm) im Hintergrund im benannten Datenverarbeitungssystem ausgeführt wird, wobei die benannten kopierten Datenfragmente 20 aus den benannten Anwendungen 16 durch den Softwareagenten 10 erkannt und für die Erstellung des Benuterprofils weiter verarbeitet werden.
Damit die Datenbank von Datenfragmenten und Schlüsselworten nicht ständig wächst, werden vorzugsweise ältere, unwichtige und/oder selten verwendete Datenfragmente und Schlüsselworte automatisch archiviert und gelöscht.
Die mit diesem Verfahren gewonnenen persönlichen und / oder Benutzergruppen abhängigen Profile bestehen somit aus: mehrsprachigen, in Benutzergruppen und Themen organisierten, nach Worttypen separat geführten, nach Wichtigkeit berechneten Schlüsselwortlisten. Dabei werden die Schlüsselworte mit Nachbarbegriffen vernetzt und mit Synonymen ergänzt. Weitere Merkmale sind Funktionen zur Begrenzung der Profilgrössen, zu den Schlüsselworten passende Informationsfragmente, Themen, Blog und benutzergruppenspezifische Stoppwortlisten.
Ein Profil kann verwendet werden, um bestimmte Datenfragmente und Dokumente anhand der Anwendung der Figur 3 schnell zu finden, oder um mit dieser Anwendung andere Themen, oder Benutzergruppen mit ähnlichen Profilen zu finden. Andere Anwendungen des Profils sind aber auch denkbar, unter anderem:
• Personalisierung eines Spamfilters: E-Mail mit enthaltenen Schlüsselworten, die für einen Benutzer wichtig sind, haben eine kleinere Chancen als Spam markiert zu werden.
• Persönliches Ranking der Ergebnisse einer Suchmaschine: Dokumente oder Webseiten, die eine kleine Entfernung zum persönlichen Profil aufweisen, werden höher in der Ergebnisliste einer Suchmaschine aufgelistet.
• Benutzerpairing: Benutzer können andere Benutzer oder Gruppen mit einem ähnlichen Profil suchen, zum Beispiel um einen Partner, einen Freund oder ein Job zu finden.
• Führung: das System kann auch verwendet werden, um besser die Interessen der Benutzer einer Gruppe, zum Beispiel die Angestellten einer Firma, zu verstehen.
• Individuell ausgewählte Werbung;
• Automatische Erstellung von individualisierten Webseiten oder Dokumenten, wobei die ausgewählten Artikel vom Profil des Benutzers abhängig sind;
• Wissenmanagement, Anwendungen in der Unternehmung.
Zum Beispiel zur Bewahrung von Informationen. Experten erfassen ihre wichtigen Informationen. Diese werden im System bewahrt und bleiben über das Benutzerprofil für die Mitarbeiter zugänglich.
Lernprogramm für effizientes Lernen durch,
Aufbereitung von Themen durch Experten, intelligenten Informationszugang der Lernenden über Themen 51, Schlüsselworte 52, Datenfragmente 53 und durch Informationsverdichtung während dem Lernen(erneutes erfassen von Inhalten aus selektierten Datenfragmenten 20).
Usw.
Bezugszeichenliste
Benutzer-Datenverarbeitungssystem Netzwerk (zum Beispiel LAN oder WAN) Server Datenbank Gruppen Indexer mit semantischer Analyse Modul zur Extraktion und Berechnung der Schlüsselworte Modul für den Zugriff und das Ranking der Schlüsselworte Webserver
Softwareagent Anwendung z.B. Suchmaschine, knowledge Management Programm usw. Anwendung Datei, die mit der Anwendung angezeigt oder bearbeitet wird
Ausgewähltes Datenfragment Benutzergruppen
Ergebnisseite Gruppen-Bereich Schlüsselwort-Bereich Datenfragment-Bereich

Claims

Patentansprüche
1. Verfahren zur Erstellung eines Profils eines Benutzers eines Datenverarbeitungssystems (1), wobei das Profil auf Basis von vom Benutzer im Datenverarbeitungssystem ausgewählten Datenfragmenten (20) erstellt wird, dadurch gekennzeichnet, dass die benannten Datenfragmente (20) frei vom Benutzer als Teil der Dateien (18) oder Teil der auf dem Bildschirm angezeigten Informationen aus unterschiedlichen Anwendungen (16) ausgewählt und kopiert werden.
2. Das Verfahren gemäss Anspruch 1, in welchem das benannte Profil aus einer Liste von gewichteten Schlüsselworten besteht.
3. Das Verfahren gemäss Anspruch 1 oder 2, wobei ein Softwareagent (10) im Hintergrund im benannten Datenverarbeitungssystem (1) ausgeführt wird, wobei die benannten kopierten Datenfragmente (20) aus den benannten Anwendungen (16) vom Softwareagent (10) erkannt und für die Erstellung des Profils weiter verarbeitet werden.
4. Das Verfahren gemäss Anspruch 3, in welchem der benannte Softwareagent (10) folgende kopierten Datenfragmente erkennt:
Textfragmente; Bildfragmente
OCR-isierte Textfragmente aus einem Bild und multimediale Daten.
5. Das Verfahren gemäss einem der Anspruch 1 bis 4, wobei semantische Algorithmen verwendet werden, um Schlüsselworte aus den ausgewählten Datenfragmente (20) zu analysieren, zu extrahieren und zu vernetzen.
6. Das Verfahren gemäss einem der Ansprüche 1 bis 5, wobei die Wichtigkeit mehrerer Begriffe in den benannten Datenfragmenten (20) individuell berechnet wird.
7. Das Verfahren gemäss Anspruchs 6, wobei die benannte Wichtigkeit der Schlüsselworte von mindestens einem der folgenden Parameter abhängig ist:
Alter der Schlüsselworte - die neu extrahierten Schlüsselworte sind wichtiger als ältere Schlüsselworte;
Nutzung der Schlüsselworte - die Schlüsselworte, die am häufigsten recherchiert werden, sind wichtiger; und
Häufigkeit der Schlüsselworte - die am häufigsten vorkommenden Schlüsselworte sind wichtiger.
8. Das Verfahren gemäss Anspruch 7, wobei die Häufigkeit des Begriffs im Verhältnis zu deren Häufigkeit in anderen Dokumenten berücksichtigt wird.
9. Das Verfahren gemäss einem der Ansprüche 1 bis 8, wobei Schlüsselworte häufiger vom Anfang und vom Ende eines Datenfragments (20) extrahiert werden, als Schlüsselworte in der Mitte der Datenfragmente (20).
10. Das Verfahren gemäss einem der 1 bis 9, in welchem die benannten Datenfragmente (20) in vordefinierten Benutzergruppen (30, 31) und Themen klassifiziert werden.
11. Das Verfahren gemäss Anspruch 10, in welchem den benannten Benutzergruppen (30, 31) Benutzerzugriffsrechte zugeordnet werden.
12. Das Verfahren gemäss einem der Ansprüche 10 oder 11, in welchem die Wichtigkeit der individuellen Benutzergruppen (30, 31) automatisch berechnet wird.
13. Das Verfahren gemäss Anspruch 12, wobei die benannte Wichtigkeit der Benutzergruppen (30, 31) von mindestens einem der folgenden Parameter abhängig ist:
Alter der Benutzergruppen (30, 31) - die Benutzergruppen (30, 31), die neuere Schlüsselworte enthalten, sind wichtiger; Nutzung der Benutzergruppen (30, 31) - die
Benutzergruppen (30, 31), die am häufigsten recherchiert werden, sind wichtiger;
Aktivität der Benutzergruppen (30, 31) - die
Benutzergruppen (30, 31), die am meisten Information enthalten, sind wichtiger.
14. Das Verfahren gemäss einem der Ansprüche 1 bis 13, in welchem eine Softwareanwendung den Zugriff auf ausgewählte Datenfragmente (20) erlaubt, indem eine klassifizierte Liste von Schlüsselworten aus den Datenfragmenten (20) angezeigt wird, und indem das Selektieren eines Schlüsselwortes aus dieser Liste den Zugriff auf die entsprechenden Datenfragmenten (20) erlaubt.
15. Das Verfahren gemäss einem der Ansprüche 1 bis 14, in welchem Benutzer eine Emotion oder eine Bewertung mit einem ausgewähltem Datenfragment (20) assoziieren.
16. Das Verfahren gemäss einem der Ansprüche 1 bis 15, in welchem die Sprache der Datenfragmente (20) automatisch ermittelt wird.
17. Das Verfahren gemäss einem der Ansprüche 1 bis 16, in welchem der Typ der Schlüsselworte automatisch ermittelt wird, wobei mindestens folgende Typen berücksichtigt werden:
Zahlen; URL.
18. Das Verfahren gemäss einem der Ansprüche 1 bis 17, in welchem ältere oder nicht häufig verwendete Datenfragmente (20) und Schlüsselworte aus dem Schlüsselworte-Bereich (52) automatisch gelöscht werden.
19. Das Verfahren gemäss einem der Ansprüche 1 bis 18, in welchem das benannte Benutzerprofil für mindestens eine der folgenden Anwendung verwendet wird: individuelles Ranking von Suchergebnissen; individuelle Werbung; Spamfilter;
Finden von Benutzern oder Gruppen mit ähnlichem Profil; automatisch generierte Webseite mit einem Inhalt entsprechend dem Benutzerprofil.
20. Computerprogrammprodukt enthaltend eine Software zur Durchführung eines Verfahren zur Erstellung eines Profils eines Benutzers eines Datenverarbeitungssystems gemäss einem der vorangehenden Ansprüche, wenn die Software auf einem Datenverarbeitungssystem installiert wird und läuft.
21. Computerprogrammprodukt gemäss Anspruch 20, im welchem die Software ein Softwareagent (10) im Hintergrund im benannten Datenverarbeitungssystem ausführt, wobei die benannten kopierten Datenfragmente (20) aus den benannten Anwendungen (16) vom Softwareagent (10) erkannt und für die Erstellung des Profils oder nur zur Schlüsselwortextraktion weiter verarbeitet werden.
PCT/EP2007/059584 2007-09-12 2007-09-12 Verfahren zur erstellung eines profils eines benutzers eines datenverarbeitungssystems WO2009036796A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/EP2007/059584 WO2009036796A1 (de) 2007-09-12 2007-09-12 Verfahren zur erstellung eines profils eines benutzers eines datenverarbeitungssystems

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2007/059584 WO2009036796A1 (de) 2007-09-12 2007-09-12 Verfahren zur erstellung eines profils eines benutzers eines datenverarbeitungssystems

Publications (1)

Publication Number Publication Date
WO2009036796A1 true WO2009036796A1 (de) 2009-03-26

Family

ID=38617273

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2007/059584 WO2009036796A1 (de) 2007-09-12 2007-09-12 Verfahren zur erstellung eines profils eines benutzers eines datenverarbeitungssystems

Country Status (1)

Country Link
WO (1) WO2009036796A1 (de)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1996023265A1 (en) * 1995-01-23 1996-08-01 British Telecommunications Public Limited Company Methods and/or systems for accessing information
WO2000075840A2 (en) * 1999-06-08 2000-12-14 Scientific Learning Corporation Method for deducing level of interest in information structures via annotations
US6473752B1 (en) * 1997-12-04 2002-10-29 Micron Technology, Inc. Method and system for locating documents based on previously accessed documents
EP1524611A2 (de) * 2003-10-06 2005-04-20 Leiki Oy Vorrichtung und Verfahren zur Bereitstellung von Informationen für einen Benutzer

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1996023265A1 (en) * 1995-01-23 1996-08-01 British Telecommunications Public Limited Company Methods and/or systems for accessing information
US6473752B1 (en) * 1997-12-04 2002-10-29 Micron Technology, Inc. Method and system for locating documents based on previously accessed documents
WO2000075840A2 (en) * 1999-06-08 2000-12-14 Scientific Learning Corporation Method for deducing level of interest in information structures via annotations
EP1524611A2 (de) * 2003-10-06 2005-04-20 Leiki Oy Vorrichtung und Verfahren zur Bereitstellung von Informationen für einen Benutzer

Similar Documents

Publication Publication Date Title
DE60129652T2 (de) Bildwiederauffindungssystem und Methode mit semantischer und eigenschaftenbasierter Relevanzrückmeldung
DE60208604T2 (de) Automatisches Verfahren zur Erzeugung von Image-buttons
DE69837199T2 (de) Verfahren, vorrichtung und datenträger zur intelligenten auswahl von suchwörtern in einer tastaturlosen umgebung
DE202017105843U1 (de) Kontextabhängige Einfügeziel-Vorhersage
DE112015003826T5 (de) Bereitstellen von automatischen Aktionen für mobile Bildschirminhalte
DE102004003878A1 (de) System und Verfahren zum Identifizieren eines speziellen Wortgebrauchs in einem Dokument
DE102010049891A1 (de) Ersatz von maschinell vorgegebenen Stichworten von Webseiten durch manuelle Eingaben
DE10317234A1 (de) Systeme und Verfahren für eine verbesserte Genauigkeit von einem extrahierten digitalen Inhalt
DE60319586T2 (de) Elektronisches wörterbuch mit beispielsätzen
EP2188742A1 (de) Erfassung von zusammenhängen zwischen informationen repräsentierenden daten
DE102018006241A1 (de) Gestalten eines Dokumentes unter Verwendung von intelligenten Merkmalsvorschlägen auf Grundlage einer textbasierten Analyse
EP1755049B1 (de) Verfahren zur Übermittlung von Informationen von einem Informationsserver an einen Client
WO2007090560A1 (de) Verfahren zur auswahl und darstellung mindestens einer zusatzinformation
DE10348920A1 (de) Computersystem und Verfahren zur mehrsprachigen assoziativen Suche
EP2193455A1 (de) Erfassung von zusammenhängen zwischen informationen repräsentierenden daten
EP2538347A1 (de) Datenverarbeitungssystem und -vorrichtung
WO2009030248A1 (de) Erfassung von zusammenhängen zwischen informationen repräsentierenden daten
WO2009036796A1 (de) Verfahren zur erstellung eines profils eines benutzers eines datenverarbeitungssystems
DE10033548C2 (de) Verfahren zur Vorschau von Internetseiten
DE19955717A1 (de) Umwandlung unstrukturierter Daten in strukturierte Daten
DE102012025351A1 (de) Verarbeitung eines elektronischen Dokuments
DE10261839A1 (de) Verfahren und Einrichtung zur Durchführung einer elektronischen Recherche
DE112016005803T5 (de) Bevorzugungs-Scrubber für digitalen Inhalt
EP2007096B1 (de) Optimierung der Darstellung von über ein Kommunikationsnetzwerk übermittelten Informationen
DE102004036500A1 (de) Verfahren sowie Computerprogramm mit Programmcode-Mitteln und Computerprogramm-Produkt zur Bearbeitung einer elektronischen Suchanfrage unter Berücksichtigung eines semantischen Kontexts eines Suchbegriffs, Elektronische Suchmaschine zur Bearbeitung einer elektronischen Suchanfrage unter Berücksichtigung eines semantischen Kontexts eines Suchbegriffs

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 07803435

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 07803435

Country of ref document: EP

Kind code of ref document: A1