Universitt Dortmund Integrating Knowledge Discovery into Knowledge Management

Universität Dortmund Integrating Knowledge Discovery into Knowledge Management Katharina Morik, Christian Hüppe, Klaus Unterstein Univ. Dortmund LS 8 www-ai. cs. uni-dortmund. de

Universität Dortmund Overview • Integrating given data into a knowledge management system (KMS) • System architecture of EAMS • Integrating given document collections by learning the right retrieval function • Integrating given databases by knowledge discovery 10/30/2021 Lehrstuhl für künstliche Intelligenz 2

Universität Dortmund Knowledge Management ? ? ? ? Business Process ! 10/30/2021 ! Lehrstuhl für künstliche Intelligenz 3

Universität Dortmund Integrating Given Data into KMS 1 ! • Preparing documents for a KMS is an extra effort • Structuring document collections according to an ontology is time-consuming, too • Why not having the machine learn which document a user wants as the answer to his query? – Learning the retrieval function for each user – according to an ontology 10/30/2021 Lehrstuhl für künstliche Intelligenz 4

Universität Dortmund Integrating Given Data into KMS 2 ! • The main data sources in organizations are databases. • Why not using them? – Knowledge discovery is a high-level query language. – Meta-data about knowledge discovery cases can be organized according to an ontology. 10/30/2021 Lehrstuhl für künstliche Intelligenz 5

Universität Dortmund System Architecture Person displays www. Interactionmodule Contract GUI … Web DB-Data Display displays DBInteractionmodule initializes ontology interacts CONCEPTUAL CASE MODEL STRIVER interface CONCEPTUAL DATA MODEL INTERNET DATABASE 10/30/2021 Lehrstuhl für künstliche Intelligenz 6

Universität Dortmund System Architecture displays DBInteractionmodule Person Contract GUI … Web DB-Data Display displays www. Interactionmodule initializes interacts ontology interacts CONCEPTUAL CASE MODEL STRIVER interface CONCEPTUAL DATA MODEL INTERNET DATABASE 10/30/2021 Lehrstuhl für künstliche Intelligenz 7

Universität Dortmund Striver: Learning a Retrieval Function Thorsten Joachims KDD 2002 ! Query q ? Clickthrough (q 1, r‘ 1). . . , (qm , r‘m) r‘ r Ordering r D x D ! Documents D {d 1, d 2, . . . , dn} 10/30/2021 Lehrstuhl für künstliche Intelligenz 8

Universität Dortmund Striver: Learning a Retrieval Function Thorsten Joachims KDD 2002 Minimize distance between r‘ and learned ranking r# ! Query q ? (q 1, r‘ 1) l 1 click l 2. . . li click. . . lj 10/30/2021 r‘ r Ordering r# D x D ! l 1 > l 2. . . li > l 2 Lehrstuhl für künstliche Intelligenz Documents D {d 1, d 2, . . . , dn} 9

Universität Dortmund Search String for a Web Query 10/30/2021 Lehrstuhl für künstliche Intelligenz 10

Universität Dortmund Result of Web Query 10/30/2021 Lehrstuhl für künstliche Intelligenz 11

Universität Dortmund Web document 10/30/2021 Lehrstuhl für künstliche Intelligenz 12

Universität Dortmund Learning a Retrieval Function • New version of support vector machine for ranking (Thorsten Joachims 2002). • Optimizes given retrieval functions. • Automatically adapts to users (tasks). • Can be applied to the intranet without preparation. • Inspection of the learned function shows that the weights of words make sense! 10/30/2021 Lehrstuhl für künstliche Intelligenz 13

Universität Dortmund Knowledge Discovery as High-level Query ! Language to Databases • Ontological concepts: – Person, – Contract • Query types: – – Frequencies of attributes Segmentation (subgroups) Correlation of attributes Classification 10/30/2021 • Algorithms (operators): – – – Statistical stored procedures Data cube APRIORI C 4. 5 my. SVM • Preprocessing chain Lehrstuhl für künstliche Intelligenz 14

Universität Dortmund KDD Query -- already executed job 10/30/2021 Lehrstuhl für künstliche Intelligenz 15

Universität Dortmund KDD Result 10/30/2021 Lehrstuhl für künstliche Intelligenz 16

Universität Dortmund KDD Result 10/30/2021 Lehrstuhl für künstliche Intelligenz 17

Universität Dortmund KDD Query -- creating a new job 10/30/2021 Lehrstuhl für künstliche Intelligenz 18

Universität Dortmund Mining Mart for Knowledge Management • Making existing sources (databases) available to users – a case answers a high-level question • The conceptual model (ontology) eases the integration with other services of a knowledge management system (e. g. , web navigation). • The conceptual model and the cases create the GUI for the EAMS user. 10/30/2021 Lehrstuhl für künstliche Intelligenz 19