Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Digital Transformation at thyssenkrupp: Challenges, Strategies and Examples Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Searching Linked Data with a Twist of Serendipity

verfasst von : Jeronimo S. A. Eichler, Marco A. Casanova, Antonio L. Furtado, Lívia Ruback, Luiz André P. Paes Leme, Giseli Rabello Lopes, Bernardo Pereira Nunes, Alessandra Raffaetà, Chiara Renso

Erschienen in: Advanced Information Systems Engineering

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Serendipity is defined as the discovery of a thing when one is not searching for it. In other words, serendipity means the discovery of information that provides valuable insights by unveiling previously unknown knowledge. This paper focuses on the problem of Linked Data serendipitous search. It first discusses how to capture a set of serendipity patterns in the context of Linked Data. Then, the paper introduces a Linked Data serendipitous search application, called the Serendipity Over Linked Data Search tool – SOL-Tool. Finally, the paper describes experiments with the tool to illustrate the serendipity effect using DBpedia. The experimental results present a promissory score of 90% of unexpectedness for real-world scenarios in the music domain.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Predictive Business Process Monitoring with LSTM Neural Networks
Nächstes Kapitel Extraction of Embedded Queries via Static Analysis of Host Code
Fußnoten
Literatur
1.
Abbassi, Z., Amer-Yahia, S., Lakshmanan, L.V., Vassilvitskii, S., Yu, C.: Getting recommender systems to think outside the box. In: Proceedings of 3rd ACM Conference on Recommender Systems, pp. 285–288 (2009)
2.
Adamopoulos, P., Tuzhilin, A.: On unexpectedness in recommender systems: or how to expect the unexpected. In: Workshop on Novelty and Diversity in Recommender Systems, at the 5th ACM International Conference on Recommender Systems, pp. 11–18 (2011)
3.
André, P., Teevan, J., Dumais, S.T.: Discovery is never by chance: designing for (un) serendipity. In: Proceedings of 7th ACM Conference on Creativity and Cognition, pp. 305–314 (2009)
4.
Bordino, I., De Francisci Morales, G., Weber, I., Bonchi, F.: From machu_picchu to rafting the urubamba river: anticipating information needs via the entity-query graph. In: Proceedings of the 6th ACM International Conference on WSDM, pp. 275–284 (2013)
5.
6.
De Bruijn, O., Spence, R.: A new framework for theory-based interaction design applied to serendipitous information retrieval. ACM TOCHI 15(1), 1–38 (2008)CrossRef
7.
Harris, S., Seaborne, A.: SPARQL1.1Query Language W3C Recommendation (2013)
8.
Iaquinta, L., De Gemmis, M., Lops, P., Semeraro, G., Filannino, M., Molino, P.: Introducing serendipity in a content-based recommender system. In: Proceedings of 8th IEEE International Conference on Hybrid Intelligent Systems – HIS 2008, pp. 168–173 (2008)
9.
Isele, R., Jentzsch, A., Bizer, C.: Silk server-adding missing links while consuming linked data. In: Proceedings of 1st International Conference on Consuming Linked Data, pp. 85–96 (2010)
10.
Leskovec, J., Rajaraman, A., Ullman, J.D.: Mining of Massive Datasets. Cambridge University Press, Cambridge (2014)
11.
Kaminskas, M., Bridge, D.: Measuring surprise in recommender systems. In: Proceedings the Workshop on Recommender Systems Evaluation (2014)
12.
Murakami, T., Mori, K., Orihara, R.: Metrics for evaluating the serendipity of recommendation lists. In: Satoh, K., Inokuchi, A., Nagao, K., Kawamura, T. (eds.) JSAI 2007. LNCS (LNAI), vol. 4914, pp. 40–46. Springer, Heidelberg (2008). doi:10.​1007/​978-3-540-78197-4_​5 CrossRef
13.
Ngomo, A.C.N., Auer, S.: Limes-a time-efficient approach for large-scale link discovery on the web of data. In: Proceedings of International Conference on Artificial Intelligence, pp. 2312–2317 (2011)
14.
Passant, A.: dbrec — music recommendations using DBpedia. In: Patel-Schneider, P.F., Pan, Y., Hitzler, P., Mika, P., Zhang, L., Pan, J.Z., Horrocks, I., Glimm, B. (eds.) ISWC 2010. LNCS, vol. 6497, pp. 209–224. Springer, Heidelberg (2010). doi:10.​1007/​978-3-642-17749-1_​14 CrossRef
15.
Rahman, A., Wilson, M.L.: Exploring opportunities to facilitate serendipity in search. In: Proceedings of 38th International ACM SIGIR Conference on Research and Development in Information Retrieval, pp. 939–942 (2015)
16.
Stankovic, M., Breitfuss, W., Laublet, P.: Linked-data based suggestion of relevant topics. In: Proceedings of 7th International Conference on Semantic Systems, pp. 49–55 (2011)
17.
Toms, E.G.: Serendipitous information retrieval. In: Proceedings of DELOS Workshop: Information Seeking, Searching and Querying in Digital Libraries, pp. 17–20 (2000)
18.
Van Andel, P.: Anatomy of the unsought finding. Serendipity: origin, history, domains, traditions, appearances, patterns and programmability. Br. J. Philos. Sci. 45(2), 631–648 (1994)CrossRef
19.
Zhang, Y.C., Séaghdha, D.Ó., Quercia, D., Jambor, T.: Auralist: introducing serendipity into music recommendation. In: Proceedings of 5th ACM International Conference on Web Search and Data Mining, pp. 13–22 (2012)
20.
Ziegler, C.N., McNee, S.M., Konstan, J.A., Lausen, G.: Improving recommendation lists through topic diversification. In: Proceedings of 14th International Conference on WWW, pp. 22–32 (2005)
Metadaten
Titel
Searching Linked Data with a Twist of Serendipity
verfasst von
Jeronimo S. A. Eichler
Marco A. Casanova
Antonio L. Furtado
Lívia Ruback
Luiz André P. Paes Leme
Giseli Rabello Lopes
Bernardo Pereira Nunes
Alessandra Raffaetà
Chiara Renso
Copyright-Jahr
2017
Buch
Advanced Information Systems Engineering

Print ISBN: 978-3-319-59535-1

Electronic ISBN: 978-3-319-59536-8

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-59536-8_31

Premium Partner

    Bildnachweise