Zugl.: Stuttgart, Univ., Diss., 2005. / Print-Ausg. bei Jost-Jetter, Heimsheim erschienen.

In spite of David Lodge’s rejection of the theories labelled as poststructuralist, this thesis proves that his novels can be interpreted from a Foucauldian perspective. The concept of discourse, seen by the French philosopher as intricately linked with knowledge, power and truth, enables the distinction of four main discourses in Lodge’s novels, religious, gender, ethnic and literary. The analysis reveals that in David Lodge’s fiction there is a perpetual struggle for power illustrating Foucault’s idea of the interdependence between power, knowledge, truth and discourses circulated by institutions. / Die vorliegende Dissertation beschäftigt sich mit dem narrativen Gesamtwerk von David Lodge, einem sehr erfolgreichen und bekannten englischen Romanautor der Gegenwart. Die Untersuchung vollzieht sich im theoretischen Sinne auf der Grundlage von Michel Foucaults Diskursanalyse, die die Differenzierung von vier Diskurstypen in Bezug auf Religion, Geschlecht (Gender), Ethnizität und Literatur in den Romanen des Britischen Autors erlaubt. Zusammengefasst bringt die vorliegende Dissertation zum Vorschein, dass es einen unendlichen Kampf um Macht in Lodges Fiktion gibt und dass, obwohl er sich gegen den Poststrukturalismus wehrt, seine Romane Michel Foucaults Diskurstheorie auf sie anzuwenden erlauben. Folglich liegt die Innovation dieser Untersuchung darin, dass sie zeigt, dass David Lodges Romane Foucaults Diskursanalyse, in der Diskurse, die von Institutionen verbreitet werden, in Interabhängigkeit mit Wissen, Wahrheit und vor allem Macht stehen, reflektieren.

Product information search has become one of the most important application areas of the Web. Especially considering pricey technical products, consumers tend to carry out intensive research activities previous to the actual acquisition for creating an all-embracing view on the product of interest. Federated search backed by ontology-based product information representation shows great promise for easing this research process. The topic of this thesis is to develop a comprehensive technique for locating, extracting, and integrating information of arbitrary technical products in a widely unsupervised manner. The resulting homogeneous information sets allow a potential consumer to effectively compare technical products based on an appropriate federated product information system. / Die Produktinformationssuche hat sich zu einem der bedeutendsten Themen im Web entwickelt. Speziell im Bereich kostenintensiver technischer Produkte führen potenzielle Konsumenten vor dem eigentlichen Kauf des Produkts langwierige Recherchen durch um einen umfassenden Überblick für das Produkt von Interesse zu erlangen. Die föderierte Suche in Kombination mit ontologiebasierter Produktinformationsrepräsentation stellt eine mögliche Lösung dieser Problemstellung dar. Diese Dissertation stellt Techniken vor, die das automatische Lokalisieren, Extrahieren und Integrieren von Informationen für beliebige technische Produkte ermöglichen. Die resultierenden homogenen Produktinformationen erlauben einem potenziellen Konsumenten, zugehörige Produkte effektiv über ein föderiertes Produktinformationssystem zu vergleichen.

Research in natural language processing (NLP) focuses recently on the development of learned language models called word embedding models like word2vec, fastText, and BERT. Pre-trained on large amounts of unstructured text in natural language, those embedding models constitute a rich source of common knowledge in the domain of the text used for the training. In the NLP community, significant improvements are achieved by using those models together with deep neural network models. To support applications to benefit from word embeddings, we extend the capabilities of traditional relational database systems, which are still by far the most common DBMSs but only provide limited text analysis features. Therefore, we implement (a) novel database operations involving embedding representations to allow a database user to exploit the knowledge encoded in word embedding models for advanced text analysis operations. The integration of those operations into database query language enables users to construct queries using novel word embedding operations in conjunction with traditional query capabilities of SQL. To allow efficient retrieval of embedding representations and fast execution of the operations, we implement (b) novel search algorithms and index structures for approximated kNN-Joins and integrate those into a relational database management system. Moreover, we investigate techniques to optimize embedding representations of text values in database systems. Therefore, we design (c) a novel context adaptation algorithm. This algorithm utilizes the structured data present in the database to enrich the embedding representations of text values to model their context-specific semantic in the database. Besides, we provide (d) support for selecting a word embedding model suitable for a user's application. Therefore, we developed a data processing pipeline to construct a dataset for domain-specific word embedding evaluation. Finally, we propose (e) novel embedding techniques for pre-training on tabular data to support applications working with text values in tables. Our proposed embedding techniques model semantic relations arising from the alignment of words in tabular layouts that can only hardly be derived from text documents, e.g., relations between table schema and table body. In this way, many applications, which either employ embeddings in supervised machine learning models, e.g., to classify cells in spreadsheets, or through the application of arithmetic operations, e.g., table discovery applications, can profit from the proposed embedding techniques.:1 INTRODUCTION 1.1 Contribution 1.2 Outline 2 REPRESENTATION OF TEXT FOR NATURAL LANGUAGE PROCESSING 2.1 Natural Language Processing Systems 2.2 Word Embedding Models 2.2.1 Matrix Factorization Methods 2.2.2 Learned Distributed Representations 2.2.3 Contextualize Word Embeddings 2.2.4 Advantages of Contextualize and Static Word Embeddings 2.2.5 Properties of Static Word Embeddings 2.2.6 Node Embeddings 2.2.7 Non-Euclidean Embedding Techniques 2.3 Evaluation of Word Embeddings 2.3.1 Similarity Evaluation 2.3.2 Analogy Evaluation 2.3.3 Cluster-based Evaluation 2.4 Application for Tabular Data 2.4.1 Semantic Search 2.4.2 Data Curation 2.4.3 Data Discovery 3 SYSTEM OVERVIEW 3.1 Opportunities of an Integration 3.2 Characteristics of Word Vectors 3.3 Objectives and Challenges 3.4 Word Embedding Operations 3.5 Performance Optimization of Operations 3.6 Context Adaptation 3.7 Requirements for Model Recommendation 3.8 Tabular Embedding Models 4 MANAGEMENT OF EMBEDDING REPRESENTATIONS IN DATABASE SYSTEMS 4.1 Integration of Operations in an RDBMS 4.1.1 System Architecture 4.1.2 Storage Formats 4.1.3 User-Defined Functions 4.1.4 Web Application 4.2 Nearest Neighbor Search 4.2.1 Tree-based Methods 4.2.2 Proximity Graphs 4.2.3 Locality-Sensitive Hashing 4.2.4 Quantization Techniques 4.3 Applicability of ANN Techniques for Word Embedding kNN-Joins 4.4 Related Work on kNN Search in Database Systems 4.5 ANN-Joins for Relational Database Systems 4.5.1 Index Architecture 4.5.2 Search Algorithm 4.5.3 Distance Calculation 4.5.4 Optimization Capabilities 4.5.5 Estimation of the Number of Targets 4.5.6 Flexible Product Quantization 4.5.7 Further Optimizations 4.5.8 Parameter Tuning 4.5.9 kNN-Joins for Word2Bits 4.6 Evaluation 4.6.1 Experimental Setup 4.6.2 Influence of Index Parameters on Precision and Execution Time 4.6.3 Performance of Subroutines 4.6.4 Flexible Product Quantization 4.6.5 Accuracy of the Target Size Estimation 4.6.6 Performance of Word2Bits kNN-Join 4.7 Summary 5 CONTEXT ADAPTATION FOR WORD EMBEDDING OPTIMIZATION 5.1 Related Work 5.1.1 Graph and Text Joint Embedding Methods 5.1.2 Retrofitting Approaches 5.1.3 Table Embedding Models 5.2 Relational Retrofitting Approach 5.2.1 Data Preparation 5.2.2 Relational Retrofitting Problem 5.2.3 Relational Retrofitting Algorithm 5.2.4 Online-RETRO 5.3 Evaluation Platform: Retro Live 5.3.1 Functionality 5.3.2 Interface 5.4 Evaluation 5.4.1 Datasets 5.4.2 Training of Embeddings 5.4.3 Machine Learning Models 5.4.4 Evaluation of ML Models 5.4.5 Run-time Measurements 5.4.6 Online Retrofitting 5.5 Summary 6 MODEL RECOMMENDATION 6.1 Related Work 6.1.1 Extrinsic Evaluation 6.1.2 Intrinsic Evaluation 6.2 Architecture of FacetE 6.3 Evaluation Dataset Construction Pipeline 6.3.1 Web Table Filtering and Facet Candidate Generation 6.3.2 Check Soft Functional Dependencies 6.3.3 Post-Filtering 6.3.4 Categorization 6.4 Evaluation of Popular Word Embedding Models 6.4.1 Domain-Agnostic Evaluation 6.4.2 Evaluation of a Single Facet 6.4.3 Evaluation of an Object Set 6.5 Summary 7 TABULAR TEXT EMBEDDINGS 7.1 Related Work 7.1.1 Static Table Embedding Models 7.1.2 Contextualized Table Embedding Models 7.2 Web Table Embedding Model 7.2.1 Preprocessing 7.2.2 Text Serialization 7.2.3 Encoding Model 7.2.4 Embedding Training 7.3 Applications for Table Embeddings 7.3.1 Table Union Search 7.3.2 Classification Tasks 7.4 Evaluation 7.4.1 Intrinsic Evaluation 7.4.2 Table Union Search Evaluation 7.4.3 Table Layout Classification 7.4.4 Spreadsheet Cell Classification 7.5 Summary 8 CONCLUSION 8.1 Summary 8.2 Directions for Future Work BIBLIOGRAPHY LIST OF FIGURES LIST OF TABLES A CONVEXITY OF RELATIONAL RETROFITTING B EVALUATION OF THE RELATIONAL RETROFITTING HYPERPARAMETERS

Product information search has become one of the most important application areas of the Web. Especially considering pricey technical products, consumers tend to carry out intensive research activities previous to the actual acquisition for creating an all-embracing view on the product of interest. Federated search backed by ontology-based product information representation shows great promise for easing this research process. The topic of this thesis is to develop a comprehensive technique for locating, extracting, and integrating information of arbitrary technical products in a widely unsupervised manner. The resulting homogeneous information sets allow a potential consumer to effectively compare technical products based on an appropriate federated product information system.:1. Introduction 1.1. Online Product Information Research 1.1.1. Current Online Product Information Research 1.1.2. Aspired Online Product Information Research 1.2. Federated Shopping Portals 1.3. Research Questions 1.4. Approach and Theses 1.4.1. Approach 1.4.2. Theses 1.4.3. Requirements 1.5. Goals and Non-Goals 1.5.1. Goals 1.5.2. Non-Goals 1.6. Contributions 1.7. Structure 2. Federated Information Systems 2.1. Information Access 2.1.1. Document Retrieval 2.1.2. Federated Search 2.1.3. Federated Ranking 2.2. Information Extraction 2.2.1. Information Extraction from Structured Sources 2.2.2. Information Extraction from Unstructured Sources 2.2.3. Information Extraction from Semi-structured Sources 2.3. Information Integration 2.3.1. Ontologies 2.3.2. Ontology Matching 2.4. Information Presentation 2.5. Product Information 2.5.1. Product Information Source Characteristics 2.5.2. Product Information Source Types 2.5.3. Product Information Integration Types 2.5.4. Product Information Types 2.6. Conclusions 3. A Federated Product Information System 3.1. Finding Basic Product Information 3.2. Enriching Product Information 3.3. Administrating Product Information 3.4. Displaying Product Information 3.5. Conclusions 4. Product Information Extraction from the Web 4.1. Vendor Product Information Search 4.1.1. Vendor Product Information Ranking 4.1.2. Vendor Product Information Extraction 4.2. Producer Product Information Search 4.2.1. Producer Product Document Retrieval 4.2.2. Producer Product Information Extraction 4.3. Third-Party Product Information Search 4.4. Conclusions 5. Product Information Integration for the Web 5.1. Product Representation 5.1.1. Domain Product Ontology 5.1.2. Application Product Ontology 5.1.3. Product Ontology Management 5.2. Product Categorization 5.3. Product Specifications Matching 5.3.1. General Procedure 5.3.2. Elementary Matchers 5.3.3. Evolutionary Matcher 5.3.4. Naïve Bayes Matcher 5.3.5. Result Selection 5.4. Product Specifications Normalization 5.4.1. Product Specifications Atomization 5.4.2. Product Specifications Value Normalization 5.5. Product Comparison 5.6. Conclusions 6. Evaluation 6.1. Implementation 6.1.1. Offers Service 6.1.2. Products Service 6.1.3. Snippets Service 6.1.4. Fedseeko 6.1.5. Fedseeko Browser Plugin 6.1.6. Fedseeko Mobile 6.1.7. Lessons Learned 6.2. Evaluation 6.2.1. Evaluation Measures 6.2.2. Gold Standard 6.2.3. Product Document Retrieval 6.2.4. Product Specifications Extraction 6.2.5. Product Specifications Matching 6.2.6. Comparison with Competitors 6.3. Conclusions 7. Conclusions and Future Work 7.1. Summary 7.2. Conclusions 7.3. Future Work A. Pseudo Code and Extraction Properties A.1. Pseudo Code A.2. Extraction Algorithm Properties A.2.1. Clustering Properties A.2.2. Purging Properties A.2.3. Dropping Properties B. Fedseeko Screenshots B.1. Offer Search B.2. Product Comparison / Die Produktinformationssuche hat sich zu einem der bedeutendsten Themen im Web entwickelt. Speziell im Bereich kostenintensiver technischer Produkte führen potenzielle Konsumenten vor dem eigentlichen Kauf des Produkts langwierige Recherchen durch um einen umfassenden Überblick für das Produkt von Interesse zu erlangen. Die föderierte Suche in Kombination mit ontologiebasierter Produktinformationsrepräsentation stellt eine mögliche Lösung dieser Problemstellung dar. Diese Dissertation stellt Techniken vor, die das automatische Lokalisieren, Extrahieren und Integrieren von Informationen für beliebige technische Produkte ermöglichen. Die resultierenden homogenen Produktinformationen erlauben einem potenziellen Konsumenten, zugehörige Produkte effektiv über ein föderiertes Produktinformationssystem zu vergleichen.:1. Introduction 1.1. Online Product Information Research 1.1.1. Current Online Product Information Research 1.1.2. Aspired Online Product Information Research 1.2. Federated Shopping Portals 1.3. Research Questions 1.4. Approach and Theses 1.4.1. Approach 1.4.2. Theses 1.4.3. Requirements 1.5. Goals and Non-Goals 1.5.1. Goals 1.5.2. Non-Goals 1.6. Contributions 1.7. Structure 2. Federated Information Systems 2.1. Information Access 2.1.1. Document Retrieval 2.1.2. Federated Search 2.1.3. Federated Ranking 2.2. Information Extraction 2.2.1. Information Extraction from Structured Sources 2.2.2. Information Extraction from Unstructured Sources 2.2.3. Information Extraction from Semi-structured Sources 2.3. Information Integration 2.3.1. Ontologies 2.3.2. Ontology Matching 2.4. Information Presentation 2.5. Product Information 2.5.1. Product Information Source Characteristics 2.5.2. Product Information Source Types 2.5.3. Product Information Integration Types 2.5.4. Product Information Types 2.6. Conclusions 3. A Federated Product Information System 3.1. Finding Basic Product Information 3.2. Enriching Product Information 3.3. Administrating Product Information 3.4. Displaying Product Information 3.5. Conclusions 4. Product Information Extraction from the Web 4.1. Vendor Product Information Search 4.1.1. Vendor Product Information Ranking 4.1.2. Vendor Product Information Extraction 4.2. Producer Product Information Search 4.2.1. Producer Product Document Retrieval 4.2.2. Producer Product Information Extraction 4.3. Third-Party Product Information Search 4.4. Conclusions 5. Product Information Integration for the Web 5.1. Product Representation 5.1.1. Domain Product Ontology 5.1.2. Application Product Ontology 5.1.3. Product Ontology Management 5.2. Product Categorization 5.3. Product Specifications Matching 5.3.1. General Procedure 5.3.2. Elementary Matchers 5.3.3. Evolutionary Matcher 5.3.4. Naïve Bayes Matcher 5.3.5. Result Selection 5.4. Product Specifications Normalization 5.4.1. Product Specifications Atomization 5.4.2. Product Specifications Value Normalization 5.5. Product Comparison 5.6. Conclusions 6. Evaluation 6.1. Implementation 6.1.1. Offers Service 6.1.2. Products Service 6.1.3. Snippets Service 6.1.4. Fedseeko 6.1.5. Fedseeko Browser Plugin 6.1.6. Fedseeko Mobile 6.1.7. Lessons Learned 6.2. Evaluation 6.2.1. Evaluation Measures 6.2.2. Gold Standard 6.2.3. Product Document Retrieval 6.2.4. Product Specifications Extraction 6.2.5. Product Specifications Matching 6.2.6. Comparison with Competitors 6.3. Conclusions 7. Conclusions and Future Work 7.1. Summary 7.2. Conclusions 7.3. Future Work A. Pseudo Code and Extraction Properties A.1. Pseudo Code A.2. Extraction Algorithm Properties A.2.1. Clustering Properties A.2.2. Purging Properties A.2.3. Dropping Properties B. Fedseeko Screenshots B.1. Offer Search B.2. Product Comparison

In den letzten Jahren wurden zahlreiche Anwendungen entwickelt, um kollaborative Websuchen über größere Entfernungen hinweg zu unterstützen. Es wurde gezeigt, dass Gruppen-Awareness einen bedeutenden Einfluss auf den Erfolg entsprechender Anwendungen hat. Obwohl kollaborative Websuchen häufig auch an einem lokalen Ort stattfinden, wurde dieses Szenario in aktuellen Arbeiten deutlich weniger betrachtet. In dieser Masterarbeit wird der Einfluss von Gruppen-Awareness auf lokale kollaborative Websuche in Kleingruppen untersucht. Ein Schwerpunkt liegt dabei auf der Unterscheidung zwischen Anwendungen für lokale Websuche und solchen, bei denen sich die Teilnehmer*innen an unterschiedlichen Orten befinden. Bestehende Anwendungen für kollaborative Websuchen werden vorgestellt und eingeordnet. Basierend auf einem neu vorgestellten Prototypen wird eine Pilotstudie in einer Multi-Device-Umgebung durchgeführt. Die Studie zeigt, dass sich die Bereitstellung von Aktivitätsdaten positiv auf die Arbeitsergebnisse von lokalen kollaborativen Websuchen auswirken kann. Zudem wurden Schwachstellen und Verbesserungsmöglichkeiten für die bestehenden Funktionen identifiziert.:1 Einleitung 1 1.1 Motivation 1 1.2 Zielstellung und Aufbau 2 2 Forschungsstand 5 2.1 Kollaboration 5 2.2 Gruppen-Awareness 7 2.3 Kollaborative Websuche 9 2.3.1 Sensemaking 11 2.3.2 Lokale Websuche 13 2.3.3 Suchstrategien 16 2.4 Cross-Device-Websuche 18 2.5 Anwendungen für kollaborative Websuche 19 2.5.1 Anwendungen für Websuchen an unterschiedlichen Orten 20 2.5.2 Anwendungen für lokale Websuchen 25 2.6 Zusammenfassung des Forschungsstandes 28 3 CoFind 31 3.1 Ansichten und Funktionen 32 3.1.1 Sidebar 33 3.1.2 Detailansicht 37 3.1.3 Modi 39 3.1.4 Einschränkungen 41 3.2 Logging 42 3.2.1 Nutzerbezogene Logs 43 3.2.2 Laufzeitbezogene Logs 43 3.3 Architektur 44 3.3.1 Kommunikation und Websockets 44 3.3.2 Client 44 3.3.3 Server 45 3.3.4 Datenbank 46 3.3.5 Konfiguration 47 3.4 Zusammenfassung 48 4 Nutzerstudie 51 4.1 Aufgabenstellung 51 4.2 Studiendesign 52 4.2.1 Aufbau 52 4.2.2 Geräte und Software 53 4.2.3 Anforderungen an die Teilnehmer 55 4.2.4 Methodik 56 4.3 Datenerhebung 57 5 Ergebnisse 63 5.1 Teilnehmer 63 5.2 Arbeitsergebnisse 65 5.3 Gruppenarbeit und Kollaboration 66 5.3.1 Raumnutzung 66 5.3.2 Arbeitsphasen 67 5.3.3 Kommunikation 69 5.3.4 Nutzung der Hardware 70 5.4 CoFind und Gruppen-Awareness 72 5.4.1 Allgemeiner Eindruck 72 5.4.2 Nutzung des CoFind-Plug-ins 73 5.4.3 Sidebar 76 5.4.4 Detailansicht 78 5.4.5 Sicherheit 79 5.5 Diskussion 79 5.5.1 Bewertung des Studiendesigns 80 5.5.2 Bewertung des CoFind-Plug-ins 81 5.5.3 Diskussion der Forschungsfragen 84 6 Fazit 87 6.1 Zusammenfassung 87 6.2 Ausblick 88 Literatur 91 A Anhang 103 / In recent years, numerous applications have been developed to support collaborative web search over large distances. A major impact of group awareness on the success of such applications has been shown. Although collaborative web search often occurs co-located, this scenario is underrepresented in recent studies. This master thesis investigates the influence of group awareness on co-located collaborative web search in small groups is investigated. ThIt focuses on a distinction between tools for remote and co-located web search. Existing applications for collaborative web search are presented and classified. Based on a new prototype a pilot study in a multi device environment is conducted. The study shows a positive effect on co-located collaborative web search by providing activity data among groups. In addition, weaknesses and opportunities to improve existing functions are shown.:1 Einleitung 1 1.1 Motivation 1 1.2 Zielstellung und Aufbau 2 2 Forschungsstand 5 2.1 Kollaboration 5 2.2 Gruppen-Awareness 7 2.3 Kollaborative Websuche 9 2.3.1 Sensemaking 11 2.3.2 Lokale Websuche 13 2.3.3 Suchstrategien 16 2.4 Cross-Device-Websuche 18 2.5 Anwendungen für kollaborative Websuche 19 2.5.1 Anwendungen für Websuchen an unterschiedlichen Orten 20 2.5.2 Anwendungen für lokale Websuchen 25 2.6 Zusammenfassung des Forschungsstandes 28 3 CoFind 31 3.1 Ansichten und Funktionen 32 3.1.1 Sidebar 33 3.1.2 Detailansicht 37 3.1.3 Modi 39 3.1.4 Einschränkungen 41 3.2 Logging 42 3.2.1 Nutzerbezogene Logs 43 3.2.2 Laufzeitbezogene Logs 43 3.3 Architektur 44 3.3.1 Kommunikation und Websockets 44 3.3.2 Client 44 3.3.3 Server 45 3.3.4 Datenbank 46 3.3.5 Konfiguration 47 3.4 Zusammenfassung 48 4 Nutzerstudie 51 4.1 Aufgabenstellung 51 4.2 Studiendesign 52 4.2.1 Aufbau 52 4.2.2 Geräte und Software 53 4.2.3 Anforderungen an die Teilnehmer 55 4.2.4 Methodik 56 4.3 Datenerhebung 57 5 Ergebnisse 63 5.1 Teilnehmer 63 5.2 Arbeitsergebnisse 65 5.3 Gruppenarbeit und Kollaboration 66 5.3.1 Raumnutzung 66 5.3.2 Arbeitsphasen 67 5.3.3 Kommunikation 69 5.3.4 Nutzung der Hardware 70 5.4 CoFind und Gruppen-Awareness 72 5.4.1 Allgemeiner Eindruck 72 5.4.2 Nutzung des CoFind-Plug-ins 73 5.4.3 Sidebar 76 5.4.4 Detailansicht 78 5.4.5 Sicherheit 79 5.5 Diskussion 79 5.5.1 Bewertung des Studiendesigns 80 5.5.2 Bewertung des CoFind-Plug-ins 81 5.5.3 Diskussion der Forschungsfragen 84 6 Fazit 87 6.1 Zusammenfassung 87 6.2 Ausblick 88 Literatur 91 A Anhang 103

Eine Übersicht über die Verfahren der Erweiterten Suche (TF,IDF, Stemming, Indexing, Klang von Wörtern) sowie Textkorrektur, dazu deskriptorenbasierte Beschreibung von Dokumenten und Abstracts. Es erfolgt eine Evaluierung dieser Verfahren anhand von ausgewählten XML-Metadaten aus dem MONARCH. Den Abschluß bildet eine Analyse zum Ist-Zustand des MONARCH, bezogen auf Qualität der verwendeten Metadaten und deren Nutzbarkeit für die Erweiterte Suche.

Zugl.: Berlin, Techn. Univ., Diss., 2006

Konstanz, Univ., Bachelorarb., 2004.

In den vergangenen Jahren hat die Topic-Maps-Technologie eine zunehmende Bedeutung unter den Datenintegrationstechnologien gewonnen. Für die direkte Abfrage von Informationen auseiner Topic Map existiert mit der Topic-Maps-Abfragesprache TMQL ein mächtiges Werkzeug. Um diese nutzen zu können, muss der Benutzer jedoch sowohl über Kenntnisse der Abfragesprache verfügen als auch das Schema der Topic Map kennen. Deshalb wird eine Suchmaschine benötigt, mit der auch unerfahrene Benutzer die Topic-Maps-Datenbasis durchsuchen können. Nach einer Einführung in die relevanten Topic-Maps-Grundlagen werden zunächst verschiedene auf Topic-Maps-Daten spezialisierte Indexierungsalgorithmen untersucht. Einen Spezialfall stellt dabei die Indexierung virtuell zusammengeführter Topic Maps dar. Zu diesem Problem werden verschiedene Lösungsmöglichkeiten untersucht. Auf Basis der Suchmaschinenbibliothek Lucene wird eine semantische Suchmaschine entwickelt, welche die Topic-Maps-immanenten Elemente mit expliziter als auch mit impliziter Bedeutung sowohl bei der Indexierung als auch bei der Gewichtung der Suchergebnisse nutzt. Darüber hinaus wird ein allgemeines Modell zur Beschreibung von Topic-Maps-basierten Facetten vorgestellt. Darauf aufbauend werden Möglichkeiten der Erstellung generischer Facetten untersucht. Weiterhin wird mit Hilfe der Topic-Maps-Abfragesprache TMQL eine Methode zur Definition von domänen-spezifischen Facetten entworfen und erläutert. Mit der prototypischen Implementierung einer Schnittstelle, mit der die entstandene Suchmaschine in Topic-Maps-basiertenWebapplikationen genutzt werden kann, wird die einfache Integration der entwickelten Suchmaschine in bestehende Web-Applikationen demonstriert. Dies wird durchdie Schaffung einesneuen Pakets für die Middleware RTM ermöglicht.