The aim of the given work was to point out the problems of the collocability of german adjectives in dictionaries and on the basis of the executed analysis to suggest possible solutions which could be exploited in the entries. The primary information sources were the german dictionary Duden and the german-czech dictionary Siebenschein, the secondary ones were the internet corpus DeReKo and the web search engine Google. The dictionary collocations should not be chosen by the criterion of their quantity, but by the criterion of their usefulness. They should exemplify the differences between both languages and they should be used as the assure instance for the dictionary user.

Cette thèse part du constat qu’il y a une infobésité croissante sur le Web. Les deux types d’outils principaux, à savoir le système de recherche et celui de recommandation, qui sont conçus pour nous aider à explorer les données du Web, connaissent plusieurs problématiques dans : (1) l’assistance de la manifestation des besoins d’informations explicites, (2) la sélection des documents pertinents, et (3) la mise en valeur des documents sélectionnés. Nous proposons des approches mobilisant les technologies du Web sémantique afin de pallier à ces problématiques et d’améliorer l’accès aux informations pertinentes. Nous avons notamment proposé : (1) une approche sémantique d’auto-complétion qui aide les utilisateurs à formuler des requêtes de recherche plus longues et plus riches, (2) des approches de recommandation utilisant des liens hiérarchiques et transversaux des graphes de connaissances pour améliorer la pertinence, (3) un framework d’affinité sémantique pour intégrer des données sémantiques et sociales pour parvenir à des recommandations qualitativement équilibrées en termes de pertinence, diversité et nouveauté, (4) des approches sémantiques visant à améliorer la pertinence, l’intelligibilité et la convivialité des explications des recommandations, (5) deux approches de profilage sémantique utilisateur à partir des images, et (6) une approche de sélection des meilleures images pour accompagner les documents recommandés dans les bannières de recommandation. Nous avons implémenté et appliqué nos approches dans le domaine du e-tourisme. Elles ont été dûment évaluées quantitativement avec des jeux de données vérité terrain et qualitativement à travers des études utilisateurs. / This thesis starts with the observation that there is an increasing infobesity on the Web. The two main types of tools, namely the search engine and the recommender system, which are designed to help us explore the Web data, have several problems: (1) in helping users express their explicit information needs, (2) in selecting relevant documents, and (3) in valuing the selected documents. We propose several approaches using Semantic Web technologies to remedy these problems and to improve the access to relevant information. We propose particularly: (1) a semantic auto-completion approach which helps users formulate longer and richer search queries, (2) several recommendation approaches using the hierarchical and transversal links in knowledge graphs to improve the relevance of the recommendations, (3) a semantic affinity framework to integrate semantic and social data to yield qualitatively balanced recommendations in terms of relevance, diversity and novelty, (4) several recommendation explanation approaches aiming at improving the relevance, the intelligibility and the user-friendliness, (5) two image user profiling approaches and (6) an approach which selects the best images to accompany the recommended documents in recommendation banners. We implemented and applied our approaches in the e-tourism domain. They have been properly evaluated quantitatively with ground-truth datasets and qualitatively through user studies.

在網路的世界裡，搜尋引擎對網路使用者的重要性逐漸升高，而藉由搜尋引擎之幫助，使用者可以在數位資訊爆炸的網路世界中，尋找到所需的資訊。惟此種便利之用途，亦造成著作權人之權利遭受侵權之疑慮，如搜尋引擎協助使用者找到未經合法授權之檔案而下載之；亦或搜尋引擎本身即複製該未經合法授權之內容而散布之等情形。各國對於搜尋引擎業者之侵權責任有相似規定，在如何之情況下搜尋引擎必須負擔侵權行為責任，而在何種情形下搜尋引擎業者可能可以免責，又在何種情形下搜尋引擎業者可能引用合理使用原則，本文亦嘗試提出各國之規定以供國內參考。 國內尚未有搜尋引擎業者之相關案例，故本文嘗試透過不同的國家中不同的搜尋引擎態樣進行案例分析，提出不同的搜尋引擎在不同之情狀之下，可能會造成的著作權爭議。如在圖像搜尋方面即提出美國的Perfect 10 v. Google案中縮小圖示之合理使用爭議，並同時提出多年前的Kelly v. Arriba案做為對照；中國大陸的七大唱片公司訴百度案在音樂搜尋當中是相當具有爭議的問題，本文亦提出其他相關的大陸案例做為對照；瑞典海盜灣的案件是P2P軟體變型後所產生之搜尋引擎，亦可以看出未來會有更多不同態樣的搜尋引擎出現；而新聞搜尋之問題，牽涉到重製權，近期Google與美聯社達成和解，本文亦為新聞搜尋此特殊的態樣為探討；而圖書搜尋方面則是以Google的圖書館計畫為基礎，並進一步探討合理使用的可能性。 本論文試圖提出美國、歐盟以及中國大陸的法規以及諸多案例，並探討在世界各地的搜尋引擎面對的著作權爭議問題，而這樣的問題會隨著科技的進步與發展有更多不同態樣的變化。我國目前尚未有相關的案例，故本文嘗試提出案例語法規的論述與探討，以期能予我國參考之。 / In the internet world, search engines become much more important to the users. By using the search engines, users can easily gather the useful data online. Although search engines bring so much convenience, but the copyright holders accuse the search engines of coypright infringement. For instance, the search engines sometimes help their users to download the copyrighted materials or themselves reproduce the copyrighted materials. The actions might bring them law suits.There are similar regulations of search engines in different countries. In some situation, search engines might defense themselves by claiming safe harbor regulation, and in others, they could claim the fair use doctrine. In the thesis, it states many cases from different countries to discuss the regulations. Due to the different functions of search engines, there are various cases. Kelly v. Arriba case and Perfect 10 v. Google case are about thumbnails search in the United States. Baidu v. EMI record case in China is about mp3 files search. Despite the traditional search engines, there are some relatively new and specific search engines, such as Private Bay. Private Bay is a search engine which focuses on searching bittorrent files for P2P downloading. In the future, there will be much more search engines with different functions. In the thesis, it also states the disputes of news search and book search.Google Book Project rised discussion worldwide. The thesis states the opinions of the ones who agree to apply the fair use doctrine on the project and the one who disagree to. In Taiwan, there have not been any copyright cases of search engines so far.The thesis states the copyright regulations in U.S., Europe and China, such as safe harbor, contributory infringement and fair use doctrine. By presenting the cases and regulations in other countries, the thesis also provide some inspirational ideas about the copyright disputes of search engine.

西元2010年Google不滿中國對於網際網路之審查規範，因而宣布退出中國網際網路搜尋引擎市場之營運，Google認為中國網際網路之審查規範已影響自由貿易，並於同年（2010年）發表白皮書，強調政府管制網路資訊的行為會影響貿易，於附件中討論WTO服務貿易總協定應如何適用於政府限制網路資訊之措施。Google冀望美國能將此爭議訴諸於世界貿易組織之爭端解決機構；而美國貿易代表署也受Google之呼籲，著手研究將中國網路審查措施，向世界貿易組織提出爭端案件之可能。 為了解本爭端若訴諸WTO爭端解決，美國勝訴之可能性，以及預測中國是否可能因Google案件而被迫調整其網路管制以符合WTO規範，本文討論重心將從WTO服務貿易總協定規範之角度探討Google所指摘之中國對於網際網路搜尋引擎服務之管制。

Avec l'explosion des données numériques disponibles (notamment via Internet), la question de l'accès aux documents reçoit depuis quelques années une attention accrue. En effet, l'indexation des documents, traditionnellement fondée sur la description textuelle, atteint rapidement ses limites en particulier lorsque le contenu concerné est musical. <br /><br />Cette thèse focalise sur la recherche de documents musicaux par chantonnement. Nous présentons un système qui permet de retrouver une musique à partir d'un extrait chanté par l'utilisateur. Sa réalisation a nécessité deux études préalables qui ont comblé quelques lacunes d'un domaine de recherche encore jeune. Nous nous sommes intéressés, d'une part, à la "justesse" des mélodies chantonnées (par l'étude de 500 requêtes), et d'autre part, à certains aspects de la similarité mélodique (par la réalisation de tests subjectifs).<br /><br />Grâce à ces études, nous proposons un système de recherche original et performant. Refusant une description tempérée de la requête (i.e. comportant une quantification des notes au demi-ton), le système proposé retrouve plus de 90% des documents musicaux attendus, pour une taille de requête moyenne (13 notes). La base de données consultée est constituée de 20.000 fichiers MIDI (40 millions de notes indexées). Le temps d'attente est acceptable puisqu'il ne faut que quelques secondes au système pour fournir sa réponse (i.e. la liste des documents les plus similaires à la requête, ceux-ci étant classés par ordre de similarité).<br /><br />Cette thèse apporte également une aide dans le processus d'évaluation de la qualité de tels systèmes. En effet, nous proposons une modélisation de l'imprécision des mélodies chantonnées. Celle-ci permet la génération de requêtes artificielles qui peuvent être substituées aux requêtes réelles lors du test de systèmes. Cette alternative permet d'alléger le processus de test tout en conservant une stimulation réaliste.

Background: Most of our biomedical knowledge is only accessible through texts. The biomedical literature grows exponentially and PubMed comprises over 18.000.000 literature abstracts. Recently much effort has been put into the creation of biomedical ontologies which capture biomedical facts. The exploitation of ontologies to explore the scientific literature is a new area of research. Motivation: When people search, they have questions in mind. Answering questions in a domain requires the knowledge of the terminology of that domain. Classical search engines do not provide background knowledge for the presentation of search results. Ontology annotated structured databases allow for data-mining. The hypothesis is that ontology annotated literature databases allow for text-mining. The central problem is to associate scientific publications with ontological concepts. This is a prerequisite for ontology-based literature search. The question then is how to answer biomedical questions using ontologies and a literature corpus. Finally the task is to automate bibliometric analyses on an corpus of scientific publications. Approach: Recent joint efforts on automatically extracting information from free text showed that the applied methods are complementary. The idea is to employ the rich terminological and relational information stored in biomedical ontologies to markup biomedical text documents. Based on established semantic links between documents and ontology concepts the goal is to answer biomedical question on a corpus of documents. The entirely annotated literature corpus allows for the first time to automatically generate bibliometric analyses for ontological concepts, authors and institutions. Results: This work includes a novel annotation framework for free texts with ontological concepts. The framework allows to generate recognition patterns rules from the terminological and relational information in an ontology. Maximum entropy models can be trained to distinguish the meaning of ambiguous concept labels. The framework was used to develop a annotation pipeline for PubMed abstracts with 27,863 Gene Ontology concepts. The evaluation of the recognition performance yielded a precision of 79.9% and a recall of 72.7% improving the previously used algorithm by 25,7% f-measure. The evaluation was done on a manually created (by the original authors) curation corpus of 689 PubMed abstracts with 18,356 curations of concepts. Methods to reason over large amounts of documents with ontologies were developed. The ability to answer questions with the online system was shown on a set of biomedical question of the TREC Genomics Track 2006 benchmark. This work includes the first ontology-based, large scale, online available, up-to-date bibliometric analysis for topics in molecular biology represented by GO concepts. The automatic bibliometric analysis is in line with existing, but often out-dated, manual analyses. Outlook: A number of promising continuations starting from this work have been spun off. A freely available online search engine has a growing user community. A spin-off company was funded by the High-Tech Gründerfonds which commercializes the new ontology-based search paradigm. Several off-springs of GoPubMed including GoWeb (general web search), Go3R (search in replacement, reduction, refinement methods for animal experiments), GoGene (search in gene/protein databases) are developed.

在這個新媒體服務竄起的時代，許多中小型商家卻難以充分利用新媒體在顧客生命週期(customer life cycle)管理的過程中提升顧客參與行為。而在所有新媒體當中，搜尋引擎又被認為是獲取和發展新顧客最有效的方式之一。因此本研究在搜尋引擎的基礎上提出了一個藉由合作營銷活動最大化顧客參與的新架構。 我們利用在顧客參與平台上建構反向鏈結以及長尾關鍵字服務來實現我們的架構。通過針對中小型商家和顧客的控制實驗，我們驗證了該架構的可用性和效果。我們發現兩種服務對於增進網路能見度以及搜尋精準度都有明顯的提升。而高網路能見度及高搜尋精準度可以幫助中小型商家提升顧客參與行為，不論是在顧客參與平台或是其官方網站。因此本研究認為中小型商家可以利用顧客參與平台上的服務來建立合作營銷活動，以促進顧客參與行為。在這個過程中，不僅有利於顧客對於品牌態度的建立也有助於其轉變為中小型商家忠實顧客的可能性。 / Facing the fast-changing trend of service economy upon new media, most small and medium enterprises (SMEs) don’t have the capability to utilize new media to stimulate customer engagement behavior (CEB) through customer life cycle (acquisition, development, and retention). In all the new media, search engine is the most helpful way on acquiring and developing new customers, thus we propose a new framework based on search engine to maximizing the CEB through brand alliance-based campaign (which is a popular marketing strategy for SMEs to acquire new customers). According to our framework, the study implements two search engine services including inlink building service and long tail keyword service on engagement site. With conducting controlled experiments toward SMEs and customers, we testify our system by SMEs and the effects of services toward the customers. We find that inlink building service and long tail keyword service increase both on high search targetability and web visibility for customers. With high web visibility and search targeatbiliy, CEB can be stimulated on engagement site and also target sites of SMEs. Thus we conclude that SMEs can use brand alliance-based campaign with our services as a trigger to stimulate CEB. With increment on engagement behavior, customer’s brand attitudes then increase and in the end become loyal customers to the SMEs.

Το Resource Description Framework (RDF) αποτελεί ένα πλαίσιο περιγραφής πόρων ως μεταδεδομένα για το σημασιολογικό ιστό. Ο σκοπός του σημασιολογικού ιστού είναι η εξέλιξη και επέκταση του υπάρχοντος παγκόσμιου ιστού, έτσι ώστε οι χρήστες του να μπορούν ευκολότερα να αντλούν συνδυασμένη την παρεχόμενη πληροφορία. Ο σημερινός ιστός είναι προσανατολισμένος στον άνθρωπο. Για τη διευκόλυνση σύνθετων αναζητήσεων και σύνθεσης επιμέρους πληροφοριών, ο ιστός αλλάζει προσανατολισμό, έτσι ώστε να μπορεί να ερμηνεύεται από μηχανές και να απαλλάσσει το χρήστη από τον επιπλέον φόρτο. Η πιο φιλόδοξη μορφή ενσωμάτωσης κατάλληλων μεταδεδομένων στον παγκόσμιο ιστό είναι με την περιγραφή των δεδομένων με RDF triples αποθηκευμένων ως XML. Το πλαίσιο RDF περιγράφει πόρους, ορισμένους με Uniform Resource Identifiers (URI’s) ή literals με τη μορφή υποκείμενου-κατηγορήματος-αντικειμένου. Για την ορθή περιγραφή των πόρων ενθαρρύνεται από το W3C η χρήση υπαρχόντων λεξιλογίων και σχημάτων , που περιγράφουν κλάσεις και ιδιότητες. Στην παρούσα εργασία γίνεται υλοποίηση ενός δημοσιογραφικού RDF portal. Για τη δημιουργία RDF/XML, έχουν χρησιμοποιηθεί τα λεξιλόγια και σχήματα που συνιστούνται από το W3C καθώς και των DCMI και PRISM. Επίσης χρησιμοποιείται για την περιγραφή typed literals to XML σχήμα του W3C και ένα σχήμα του portal. Η δημιουργία των μεταδεδομένων γίνεται αυτόματα από το portal με τη χρήση των στοιχείων που συμπληρώνονται στις φόρμες δημοσίευσης άρθρων και δημιουργίας λογαριασμών. Για τον περιορισμό του χώρου αποθήκευσης τα μεταδεδομένα δεν αποθηκεύονται αλλά δημιουργούνται όταν ζητηθούν. Στην υλοποίηση έχει δοθεί έμφαση στην ασφάλεια κατά τη δημιουργία λογαριασμών χρήστη με captcha και κωδικό ενεργοποίησης με hashing. Για τη διευκόλυνση του έργου του αρθρογράφου, έχει εισαχθεί και επεκταθεί ο TinyMCE Rich Text Editor, o οποίος επιτρέπει τη μορφοποίηση του κειμένου αλλά και την εισαγωγή εικόνων και media. Ο editor παράγει αυτόματα HTML κώδικα από το εμπλουτισμένο κείμενο. Οι δυνατότητες του editor επεκτάθηκαν κυρίως με τη δυνατότητα για upload εικόνων και media και με την αλλαγή κωδικοποίησης για συμβατότητα με τα πρότυπα της HTML5. Για επιπλέον συμβατότητα με την HTML5 εισάγονται από το portal στα άρθρα ετικέτες σημασιολογικής δομής. Εκτός από τα άρθρα που δημιουργούνται με τη χρήση του Editor, δημοσιοποιούνται και άρθρα από εξωτερικές πηγές. Στη διαδικασία που είναι αυτόματη και επαναλαμβανόμενη, γίνεται επεξεργασία και αποθήκευση μέρους των δεδομένων των εξωτερικών άρθρων. Στον αναγνώστη του portal παρουσιάζεται ένα πρωτοσέλιδο και σελίδες ανά κατηγορία με τα πρόσφατα άρθρα. Στο portal υπάρχει ενσωματωμένη μηχανή αναζήτησης των άρθρων, με πεδία για φιλτράρισμα χρονικά, κατηγορίας, αρθρογράφου-πηγής αλλά και λέξεων κλειδιών. Οι λέξεις κλειδιά προκύπτουν από την περιγραφή του άρθρου στη φόρμα δημιουργίας ή αυτόματα. Όταν τα άρθρα προέρχονται από εξωτερικές πηγές, η διαδικασία είναι υποχρεωτικά αυτόματη. Για την αυτόματη ανεύρεση των λέξεων κλειδιών από ένα άρθρο χρησιμοποιείται η συχνότητα της λέξης στο άρθρο, με τη βαρύτητα που δίνεται από την HTML για τη λέξη (τίτλος, έντονη γραφή), κανονικοποιημένη για το μέγεθος του άρθρου και η συχνότητα του λήμματος της λέξης σε ένα σύνολο άρθρων που ανανεώνεται. Για την ανάκτηση των άρθρων χρησιμοποιείται η τεχνική των inverted files για όλες τις λέξεις κλειδιά. Για τη μείωση του όγκου των δεδομένων και την επιτάχυνση απάντησης ερωτημάτων, αφαιρούνται από την περιγραφή λέξεις που παρουσιάζουν μεγάλη συχνότητα και μικρή αξία ανάκτησης πληροφορίας “stop words”. Η επιλογή μιας αντιπροσωπευτικής λίστας με stop words πραγματοποιήθηκε με τη χρήση ενός σώματος κειμένων από άρθρα εφημερίδων, τη μέτρηση της συχνότητας των λέξεων και τη σύγκριση τους με τη λίστα stop words της Google. Επίσης για τον περιορισμό του όγκου των δεδομένων αλλά και την ορθότερη απάντηση των ερωτημάτων, το portal κάνει stemming στις λέξεις κλειδιά, παράγοντας όρους που μοιάζουν με τα λήμματα των λέξεων. Για to stemming έγινε χρήση της διατριβής του Γεώργιου Νταή του Πανεπιστημίου της Στοκχόλμης που βασίζεται στη Γραμματική της Νεοελληνικής Γραμματικής του Μανώλη Τριανταφυλλίδη. Η επιστροφή των άρθρων στα ερωτήματα που περιλαμβάνουν λέξεις κλειδιά γίνεται με κατάταξη εγγύτητας των λέξεων κλειδιών του άρθρου με εκείνο του ερωτήματος. Γίνεται χρήση της συχνότητας των λέξεων κλειδιών και της συχνότητας που έχουν οι ίδιες λέξεις σε ένα σύνολο άρθρων που ανανεώνεται. Για την αναζήτηση γίνεται χρήση θησαυρού συνώνυμων λέξεων. / The Resource Description Framework (RDF) is an appropriate framework for describing resources as metadata in the Semantic Web. The aim of semantic web is the development and expansion of the existing web, so users can acquire more integrated the supplied information. Today's Web is human oriented. In order to facilitate complex queries and the combination of the acquired data, web is changing orientation. To relieve the user from the extra burden the semantic web shall be interpreted by machines. The most ambitious form incorporating appropriate metadata on the web is by the description of data with RDF triples stored as XML. The RDF framework describes resources, with the use of Uniform Resource Identifiers (URI's) or literals as subject-predicate-object. The use of existing RDF vocabularies to describe classes and properties is encouraged by the W3C. In this work an information-news RDF portal has been developed. The RDF / XML, is created using vocabularies and schemas recommended by W3C and the well known DCMI and PRISM. The metadata is created automatically with the use of data supplied when a new articles is published. To facilitate the journalist job, a Rich Text Editor, which enables formatting text and inserting images and media has been used and expanded. The editor automatically generates HTML code from text in a graphic environment. The capabilities of the editor were extended in order to support images and media uploading and media encoding changes for better compatibility with the standards of HTML5. Apart from uploading articles with the use of the editor the portal integrates articles published by external sources. The process is totally automatic and repetitive. The user of the portal is presented a front page and articles categorized by theme. The portal includes a search engine, with fields for filtering time, category, journalist-source and keywords. The keywords can be supplied by the publisher or selected automatically. When the articles are integrated from external sources, the process is necessarily automatic. For the automatic selection of the keywords the frequency of each word in the article is used. Extra weight is given by the HTML for the words stressed (e.g. title, bold, underlined), normalized for the size of the article and stem frequency of the word in a set of articles that were already uploaded. For the retrieval of articles by the search engine the portal is using an index as inverted files for all keywords. To reduce the data volume and accelerate the query processing words that have high frequency and low value information retrieval "stop words" are removed. The choice of a representative list of stop words is performed by using a corpus of newspaper articles, measuring the frequency of words and comparing them with the list of stop words of Google. To further reduce the volume of data and increase the recall to questions, the portal stems the keywords. For the stemming the rule based algorithm presented in the thesis of George Ntais in the University of Stockholm -based Grammar was used. The returned articles to the keywords queried by the search engine are ranked by the proximity of the keywords the article is indexed. To enhance the search engine synonymous words are also included by the portal.

The main objective of this thesis is to identify current tools of online marketing communication of South Bohemia region in the field of tourism and evaluate their performance and efficiency of use. A secondary objective is to design a strategy for online marketing communication of South Bohemia region as a tourist destination using the latest trends and technologies.

I all teori om sökmotorsoptimering finns det många olika tankar om hur man ska sökmotorsoptimera. De flesta berättar mest om den tekniska biten och har endast som en kort punkt förklarat att innehållet på en webbplats också är viktigt. Syftet med uppsatsen är att undersöka webbföretags förhållningssätt till både hur de arbetar och resonerar kring sökmotorsoptimering och webbstatistik, men även gå djupare in på hur förhållandet mellan kund och företag påverkar vart marknaden är på väg. Genom att utföra kvalitativa intervjuer med webbföretag där främst marknaden för sökmotorsoptimering, sponsrade länkar och webbstatistik diskuterats har ett resultat utformats. Baserat på de senaste artiklarna, respondenternas svar och mina egna personliga reflektioner av situationen, visar det att det blivit en förskjutning i vad definitionen av sökmotorsoptimering är. Den tekniska biten är kvar men inte alls lika viktig längre då sökmotorerna hela tiden ändrar sina algoritmer och blir smartare, utan fokus läggs istället mer på innehållet. Ett rikt innehåll med bra skriven text samt ett intressant video- eller bildmaterial är mycket viktigare än att ändra på småsaker i strukturen av webbplatsen. Sökmarknaden idag ser annorlunda ut mot bara några år sedan. Det innebär att sökmotorsoptimering inte enbart handlar om att förbättra den egna hemsidan, utan även innefattar all marknadsföring på webben. / In all theory about Search Engine Optimization there are lots of different ideas on how to optimize search engines. Much of the theory concerns the technical aspects and only offers a short explanation on the importance of the actual content of the website. In this essay I will examine how web companies think and act around search engine optimization and web statistics, but also go deeper into how the relationship between customer and company affects where the market is heading. By doing qualitative interviews with web companies where the subject search engine optimization, paid ads and web statistics were discussed, a result has been formed. Based on the latest articles, the answers from the respondents and my own personal reflections of the situation, there are clear signs that the definition of Search Engine Optimization has changed. The technical aspect is still there, but with less importance since the search engines keeps changing the algorithms in order to become smarter. Instead the focus is on the content. Rich content, good written text, interesting videos and images has a larger impact than changing the little things in the structure of a website. The search market looks different today than it did a few years ago. The term Search Engine Optimization has changed its meaning into something more than just improving your own homepage. Now it also includes all the marketing your company does outside of the web.