Datenqualität durch inhaltsbezogene Referenzierung

Ein Aspekt der Datenqualität bei der Integration verschiedener Dokumentfragmente zu einem neuen Dokument ist die Korrektheit der inhaltlichen Bezüge zwischen den Fragmenten. Wir zeigen, wie mit Hilfe von ontologisch repräsentiertem Wissen über Struktur und Inhalt von Dokumenten inhaltliche Bezüge so spezifiziert werden können, dass ihre Korrektheit in dynamisch zusammengestellten Dokumenten automatisch geprüft werden kann. Im Unterschied zu existierenden Ansätzen wird eine beliebig skalierbare Präzision des Referenzierungsmechanismus bei gleichzeitiger Abstraktion von Implementierungsaspekten erzielt. 1 Einleitung und Problemstellung Ein großer Teil der Informationen im Web liegt in Form von Dokumenten vor. Unter WebDokument verstehen wir eine inhaltlich zusammengehörige Sammlung von Web-Seiten, die Information oder Wissen zu einem thematisch eingrenzbaren Bereich für bestimmte Zielgruppen strukturiert und zugänglich macht. Dokumente unterscheiden sich dadurch von anderen Daten, dass die in ihnen enthaltene Information kohärent [Se03] und zum großen Teil implizit, d.h. einer maschinellen Verarbeitung nicht direkt zugänglich, ist. Die Erstellung von Web-Dokumenten ist oft aufwendig und kostenintensiv. Deswegen ist beispielsweise im eLearning die Wiederverwendung und automatisierte, bedarfsgetriebene Zusammenstellung von Dokumenten eine zentrale Anforderung [HC01, HN00, Da01, Se03]. Bei der Fusion von Dokumentfragmenten aus verschiedenen Quellen muss die Dokumentkohärenz, eine Form der Datenqualität, sichergestellt werden [Se03]. Ein Aspekt der Dokumentkohärenz ist die Existenz inhaltlicher Bezüge wie Ausblick, Zusammenfassung, Rückblick, Wiederholung, Querverweis, Problembeschreibung und Motivation. Inhaltliche Bezüge sind in Fragmenten enthalten, deren inhaltliche Korrektheit oder Verständlichkeit davon abhängt, dass innerhalb des Web-Dokuments andere Fragmente mit bestimmten inhaltlich-strukturellen Eigenschaften vorhanden sind (vgl. [Se03]). Im Folgenden wird ein Ansatz zur automatischen Überprüfung der Korrektheit der inhaltlichen Bezüge in Dokumenten, welche Fremdressourcen einbinden, und zur automatischen Generierung inhaltsbasierter Navigationsstrukturen vorgestellt. Die Existenz globaler Ontologien im Web [NP01] erlaubt die Übertragung des hier vorgestellten Ansatzes auf andere Teilprobleme der Informationsfusion. Zunächst wird der Stand der Forschung in der Spezifikation von inhaltlichen Bezügen kurz