PIA

Persönlicher Informationsassistent

KompetenzzentrumInformation Retrieval and Machine Learning
KontaktProf. Dr.-Ing. Sahin Albayrak
Partner: T-SystemsDeutsche Telekom,
 T-MobileReutersn-tvdpa
Website: pia-services.de


Der persönliche Informationsassistent ist ein Werkzeug für Forscher, welches die Suche nach wissenschaftlichen Artikeln und die Arbeit mit diesen unterstützt. PIA bietet eine semantische Suche, personalisierte Empfehlungen, und versorgt den Anwender kontinuierlich mit neuen Informationen, die zu seinem Informationsbedürfnis passen. PIAs Features werden mittels einer Webanwendung für wissenschaftliche Forschung visualisiert. Anwender können nach Artikeln der Verlage ACM und IEEE suchen, sowie ausgeführte Suchen und gefundene Suchergebnisse verwalten. Anwender können außerdem Ergebnisse bewerten und taggen. Die Personalisierungskomponente nutzt diese Informationen, um die Interessen und Präferenzen des Nutzers für zukünftige Suchen zu lernen. 

Überblick

Das Finden von wichtigen und für den individuellen Benutzer interessanten Informationen spielt eine zentrale Rolle im täglichen Leben. In zunehmendem Maße sind diese relevanten Informationen jedoch unter unwichtigen und nicht den persönlichen Interessen des Nutzers entsprechenden Informationen versteckt. Wichtige Daten sind oft auf verschiedene Quellen verteilt, zu denen der Zugang aufwendig oder kompliziert ist. Der Ausweg aus dieser Informationsüberflutung sind individuell konfigurierbare Dienste, die Informationen aus verschiedensten Quellen sammeln, filtern, aufbereiten und zustellen. 

Das Ziel des Projekts PIA ist eine umfassende agentenbasierte Lösung für die personalisierte und geräteunabhängige Bereitstellung von Informationen jeglicher Art. Der Anwender erhält die Informationen, die seinem persönlichen Bedürfnis und Interessen entsprechen. 

PIA stellt neben einem webbasierten Suchinterface die Möglichkeit bereit, ausgeführte Suchen zu speichern, welche dann kontinuierlich durch Suchagenten auf neue Entwicklungen überwacht werden. Die Architektur ist darauf ausgelegt, neue Datenquellen flexibel integrieren zu können. Informationen werden mittels modernster Filterverfahren – z.B. inhaltsbasiert oder kollaborativ – analysiert und gefiltert. Die Anwendung verschiedenster Filtertechniken, die durch die Integration von Anwender-Feedback aus der Lern- und Nutzermodellierungskomponente gesteuert werden, garantiert eine hohe Relevanz der Suchergebnisse.