Ich muß den Windows Schreiber treiben,
der soll den Windows Treiber schreiben.

Wozu  – sagen wir mal – längliche Vorträge von Wissenschaftlern einen doch anregen können!

Wir arbeiten seit vielen Jahren im Bereich der semantischen Suchtechnologien und haben vor zwei Jahren einen Demonstrator für eine semantische Stellensuche aufgebaut. Viele der Eigenschaften einer semantischen Suche, die in dem Artikel aufgeführt werden:

• Unterschiedliche Gewichtung von Titel und Anzeige
• Berücksichtigung von synonymen (bedeutungsgleichen) Bezeichnungen
• kombinierte Relevanz und Aktualitätsbewertung
• Berücksichtigung unterschiedlicher Schreibweisen und der Begriffsnähe

haben wir in unseren Demonstrator unter www.yapadu.de eingebaut und haben diesen unterschiedlichen Stellenmärkten und Jobsuchmaschinen vorgestellt. Sicherlich, an einigen Stellen ist der Demonstrator noch nicht perfekt (z.B. fehlt eine Eigennamenerkennung, deren Nachrüstung prinzipiell kein Problem darstellt), dennoch vermeidet er die wichtigsten der mittlerweile typischen Fehler bei Stellensuchen; beispielsweise, dass

• zu “Klempner” keine Stellen als “Spengler” gefunden werden (und somit nahezu die Hälfte der Anzeigen nicht auffindbar ist),
• zu “MTA” Stellen als Informatiker ausgewiesen werden, weil diese an einer “GesaMTArchitektur” arbeiten sollen,
• “Projektleiter” keine Stellen als “Projektmanager” angezeigt bekommen, oder
• das für einen “Geschäftsführer” auch die berühmte “Assistentin des Geschäftsführers” gefunden wird.

Kommentar eines Stellenmarktes nach dem wir über längere Zeit mit diesem im Gespräch waren und anhand eines Verfahrens zum quantitativen Vergleich von Suchmaschinenergebnissen mit harten Zahlen und anschaulichen Grafiken die Qualitätssteigerung durch eine semantische Suche gegenüber seiner Volltextsuche nachweisen konnten: “Wir sind noch nicht 100%ig davon überzeugt, dass ihr Verfahren zu einer Verbesserung führt. Wir werden erstmal mit Bordmitteln einige der wesentlichen Defizite beheben”. Und was passierte? Bis heute nichts, diese Defizite existieren immer noch.

Eine Konsequenz der im Artikel zitierten großen Zahlen, ist den Betreibern der Jobbörsen wohl noch nicht klar geworden. Bedingt durch die schiere Menge der Stellenanzeigen die pro Tag neu bei einer Jobbörse veröffentlicht werden, verringert sich bei rein nach Datum sortierten Ergebnissen die “Sichtbarkeit” der Anzeigen drastisch. Rutscht eine Anzeige erstmal auf die zweite Suchergebnisseite wird die Stellenanzeige nur noch von einem geringeren Teil der Stellensuchenden gesehen, auf Seite drei sind es dann nochmal weniger und ab den folgenden Seiten ist die Anzeige so gut wie unsichtbar (siehe beispielsweise die im Artikel von Herrn Kenk zitierte Jupiterstudie). Dies aber dauert bei großen Stellenbörsen oder spezialisierten Fachkräftemärkten noch nicht einmal annähernd so lange wie die Laufzeit der Anzeige. Dass die Unternehmen die rare Spezialisten suchen, hier noch kein besseres Preis-/Leistungsverhältnis verlangt haben, wundert ein bisschen.

Eigentlich könnten Stellenmärkte die Qualität der Ergebnisse deutlich verbessern – für die notwendigen Technologien wie semantische Suche gibt es Anbieter und das dafür notwendige Hintergrundwissen kann Ontonym liefern. Trotzdem dominiert nach wie vor die veraltete Volltextsuche in der kritischen Suchfunktion.

Dass Suchende mit der Qualität der Suchergebnisse im Allgemeinen nicht zufrieden sind, lässt sich auch nicht durch den Vergleich einer Volltextstellensuche mit einer anderen Volltextstellensuche weg definieren. Sicherlich die Suchenden Zahlen bisher kein Geld für bessere Ergebnisse und lediglich ein geringer Teil würde dies auch tun; als Anzeigenschaltender – die eigentlichen Einnahmequelle – aber, würde ich darauf bestehen, dass meine Anzeige auch dann angezeigt wird, wenn nach ähnlichen und verwandten Begriffen gesucht wird, und dass sie nicht bereits nach einem Bruchteil der gekauften Anzeigendauer aus dem Sichtfeld der Suchenden verschwindet.

Wer erinnert sich noch daran, warum Google so berühmt wurde? Es war die zur damaligen Zeit ungeschlagen hohe Qualität der Treffer, die dies möglich machte. Dieses Alleinstellungsmerkmal haben Stellenmärkte und Jobsuchmaschinen scheinbar bisher noch nicht richtig erkannt. Selbst “simply hired” kommt da noch nicht ran, wenn es für “Klempner” und “Spengler” immer noch unterschiedliche Suchergebnisse liefert.

Mit einer expliziten Modellierung könnte man weitere Zusammenhänge eines Buches erschliessen (z.B. in welchen Bänden einer Reihe taucht eine Person oder ein Gegenstand auf), anfragbar machen (Welche Personen stehen in einer bestimmten Beziehung zu einer anderen Person?) oder ein eBook mit  Zusatzinformationen über die Orte, Gegenstände, Handlung, Gedanken der Protagonisten ausstatten. Interessant könnte es auch sein die Sichtweise des Autors über die Handelnden und die Handlung über die entsprechenden Textpassagen zugänglich zu machen oder ein dynamisches Buch, das unterschiedliche Versionen einzelner Passagen umfasst und damit einen Einblick in den Entstehungsprozess gibt. So zu sagen ein “The Writing of …”.

Es hat mich dann doch mal interessiert wie innowise auf Ontonym aufmerksam geworden ist. Und siehe da ein wenig Quellen Forschung hat diesen Blogeintrag zu Tage gefördert. Nach rund einem dreiviertel Jahr zeigt sich, dass der Vortrag doch etwas gebracht hat.

Sie: “Du, warum ist der Krüger ein Rentier?”

Er: “Wie bitte ?”

Sie: “Na hier bei den Rollen steht, dass die Rolle des Krügers ein Rentier ist!”

Er: “Zeig mal her” … “Ach so, ja klar, denk mal nach …”

Also denkt mal nach

Wer die Lösung weiß erhält 10 Punkte !

So, da hab ich jetzt vermutlich den richtigen Begriff für das Phänomen gefunden. Welches Phänomen ? Ach so, ich meine dieses Posting.

Das Phänomen wird nicht durch die Philosophie bezeichnet, sondern durch die Psychologie beschrieben. Es heißt dort „change blindness“ oder auf Deutsch „Veränderungsblindheit“. Ein befreundeter Chemiker & Informatiker hat mich darauf aufmerksam gemacht, er interessiert sich derzeit sehr für Erkenntnisprozesse. Danke Michael.

In der Psychologie werden zur Erläuterung dieses Phänomens meist visuelle Beispiele in Form von nacheinander präsentierten Bildern oder Filmen verwendet, in denen sich einige, oft unwesentliche Bildinhalte zwischen den einzelnen Bildern / Szenen verändern. Hier findet man einige Beispiele dafür. Das Interessante daran ist, dass unser Bewusstsein diese Unterschiede in der Regel erst mitbekommt, wenn wir darauf hingewiesen werden oder die Beispiele bereits kennen. Ganz unvoreingenommen fallen uns die Unterschiede nur sehr selten auf.

Klammer auf: Im Frühjahr habe ich mal wieder ein paar alte Folge von „Mit Schirm, Charme und Melone“ mit meiner Tochter gesehen und es fiel mir bei einer Folge ein kleiner Fehler zwischen drei Szenen auf: In der ersten Szene sah man eine Schachtel Pralinen auf der Armlehne eines Sessels, in der darauf folgenden Szene war sie weg und – nach einem weiteren Schnitt – war sie in der nächsten Szene wieder da. Das ist dann ein Beispiel für „change visibleness“ Klammer zu.

Wenn ich mir jetzt so mein erstes Posting über dieses Phänomen ansehe, dann haben wir es da auch mit einer Form von „change blindness“ zu tun. Unser Bewusstsein scheint Fehler die Suchmaschinen machen auch einfach auszublenden, so dass uns ihre Abwesenheit schon gar nicht mehr auffällt.

Dies bedeutet dann konkret, dass wir auf solche Fehler direkt hinweisen müssen und die Verbesserung durch unsere Technologie immer wieder explizit aufzeigen müssen. Wir können einfach nicht erwarten, dass Benutzer dies von selber erkennen. Erst dann werden Benutzer für solche Fehler eine gewisse Aufmerksamkeit entwickeln.

Ergo, fange ich dann mal an eine neue Kategorie mit „vermeidbaren Fehlern“ aufzumachen, die durch „semantische Technologien“ behoben werden können.

Der erste Tag war teilweise sehr interessant. Ich fand insbesondere den Vortrag von Prof. Joao Schwarz da Silva (EU) interessant der die Ausrichtung der Forschungsförderung der EU anhand einiger eindrucksvoller Daten skizzierte. Eins ist dabei klar geworden die Menge der Daten und der IP Traffic wird mit enormen Steigerungsraten wachsen und man wird nicht mehr drum herumkommen die Daten zu aggregieren. Das dürfte auch für semantische Technologien eine interessante Aufgabenstellung werden, diese Aggregation zu unterstützen.

Auch sehr interessant aber vor allem extrem anschaulich war der Vortrag von Prof. Rudi Studer über Semantic und Corporate Semantic Web.

Während der erste Tag zwar vollgestopft (von 9:30 Uhr bis 20:00 Uhr) mit Vorträgen war, verlief der 2. Tag in – ich glaub – rund acht  parallelen Sessions, da konnte man natürlich nur punktuell dabei sein. Dummerweise wählte ich eine Session über Wertschöpfungsprozesse im “Economics 2.0″, dass war dann aber eine ausführlichere Wiederholung eines Vortrags vom Vortag und bezog sich leider bloß auf Enterprise-Anwendungen. Also bloß: wasted time .

Das Beste war da noch eine Session über Ontologiedesign. Die gab einen kurzen extrem knackigen Überblick über Ontologien im Kontext Semantic Web, dass war sehr anschaulich. Dummerweise stellte sich dann bei einigen Nachfragen aus dem Auditorium zur “open world assumption” und zu “qualified number restrictions” heraus, dass die Vortragende die Folien von Kollegen hatte und die Einwände und Fragen des Auditoriums nicht richtig beantworten konnte . Schade nur, dass sich diese Darstellung an OWL 2 orientierte und bei einigen Konstrukten nicht darauf hingewiesen wurde, dass nicht alle Ontologieeditoren damit umgehen können . Aber vielleicht passierte das ja doch noch in der zweiten Hälfte, zu der Zeit war ich dann in der Session, die mich eigentlich interessiert hatte.

Im übrigen sollen die Vorträge auch veröffentlicht werden. Ich empfehle auf jeden Fall den Vortrag von Joao Schwarz da Silva und den über Ontologiemodellierung. Lediglich die IBM und SAP Vorträge kann man sich sparen. Erstere sind strategisch und inhaltsleer und letztere wiederholten sich häufig.

• Steinmauer / Mauerstein
• Strandbad /Badestrand
• Holzstuhl / Stuhlholz (hmmm, naja)
• Motorflugzeug / Flugzeugmotor

Interessant ist die Erkenntnis:

1. dass das nicht bei allen zusammengesetzten Wörtern klappt
   • Baumkrone / Krone(n)baum (?)
   • Schwimmbad / Badschwimmer (?)
2. dass wenn es bei einem zusammengesetzten Wort klappt, beide Worte auch oft zueinander in einer sinnvollen Beziehung stehen
   • eine Steinmauer besteht aus Mauerstein(en)
   • jedes Motorflugzeug hat einen Flugzeugmotor
   • ein Gartenhaus steht immer in einem Hausgarten

Da ich noch nicht weiss, wie solche Worte in der Linguistik heissen, nenne ich sie mal vorläufig Compositapalindrome (oder kurz CPs).

Interessant wären jetzt natürlich Kriterien, die einem sagen, ob ein zusammengesetztes Wort ein CP ist oder nicht. Oder anders, unter welchen Bedingungen sind zusammengesetzte Worte auch CPs. Würde man solche CPs erkennen können, dann könnte man für ihre einzelnen Leserichtungen natürlich auch angeben, dass sie zueinander in einer Beziehung stehen.

Natürlich kann man da jetzt eine ganze Klassifikation von CPs aufmachen: reine CPs (beide Worte müssen syntaktisch gleich sein), allgemeine CPs (auch die Beugung eines Wortes ist zugelassen: Strandbad/Badestrand), logische CPs (die durch eine aussagenlogische Beziehung verbunden sind: Jedes Strandbad verfügt über einen Badestrand).

Interessant wird es auch, wenn man inhaltlich ähnliche CPs betrachtet.

• Motorflugzeug / Flugzeugmotor (eindeutiges CP)
• Motorschiff /Schiffsmotor (auch eindeutig)
• Automotor / Motorauto (hmm, dass ist ja schon ein komischer Begriff, könnte man aber als Abgrenzung zu Tretauto noch durchgehen lassen)
• Motorrad / Radmotor (das ist aber schon eher fragwürdig)

Ich frag mich, ob Linguisten diese Wortart schonmal beschrieben oder analysiert haben? Über entsprechende Referenzen würde ich mich freuen.

Wenn man eine herkömmliche Volltextsuche verwendet, erhält man viele Treffer von denen mitunter einige/viele falsch sind. Wenn man die Suchergebnisse durchgeht, dann erkennt man relativ schnell welche Treffer falsch sind. Beispiel: Wir fragen nach “Geschäftsführer” und  es werden fälschlicherweise Stellenanzeigen für “Assistent des Geschäftsführers” gefunden. Das heißt, dass Fehler gemacht werden erkennen wir schnell.

Wenn man jetzt im Gegensatz eine neue bessere Technologie einsetzt, die die meisten Fehltreffer vermeidet, wie z.B. unsere semantische Suche, dann kann man nicht auf den ersten Blick sehen, dass Fehltreffer vermieden wurden. Beispiel (fortgesetzt): Wir fragen nach “Geschäftsführer” und  es werden nur passende Anzeigen gefunden, d.h. Stellenanzeigen für “Assistent des Geschäftsführers” werden vermieden. Da diese Fehltreffer nicht mehr angezeigt werden, ist nicht ohne weiteres erkennbar, dass Fehler vermieden werden.

Im Gegensatz zu einer Steigerung des Recalls (der gefundenen, relevanten Treffer), die relativ einfach durch eine Vergrößerung der Treffermenge gezeigt werden kann, ist eine solche Verbesserung der Precision (die Vermeidung von Fehltreffern) nicht ohne zusätzliche Mechanismen/Argumente etc. aufzeigbar.

Ich vermute, dass dies ein Beispiel für eine prinzipielle, erkenntnistheoretische Grenze ist. Dummerweise, kenne ich mich da in der Philosophie nicht genügend aus, aber eigentlich müsste es für dieses Phänomen einen Namen geben. Kennt jemand eine Bezeichnung dafür oder ein Forum in dem ich diese Frage stellen könnte ?