OEM-Vorteile

Für die effiziente Verwaltung und Vernetzung von Daten, Informationen oder Wissen fordert der Markt intelligente Findesysteme. Die Kerntechnologie der caatoosee DQengine bietet hochentwickelte Informationsqualifizierung, die sich nicht nur auf reine Suchprozesse beschränkt. Sie bietet skalierbare Lösungen für die gesamte Bandbreite der Informationsaufbereitung und Archivierung bis hin zum schnellen Zugriff auf die geforderten Daten sowie automatische Filterung und Weiterverarbeitung der gewünschten Ergebnisse.

 
Unscharfe Abfrage
Durch unscharfe Abfrageverfahren ist die DQengine in der Lage, ähnliche Informationen miteinander zu verknüpfen und diese Ergebnisse dem Suchenden zur Verfügung zu stellen. Je mehr Daten bei der Anfrage eingegeben werden, desto exakter ist die Anzahl der relevanten Treffer. Die
DQengine lokalisiert durch das unscharfe Findeverfahren ganz genau den Treffer, der zur Anfrage passt.
 
Fehlertoleranz
Die DQengine arbeitet durch die musterassoziative Findetechnologie "unscharf", schnell und fehlertolerant zugleich. Anfragedaten aus mehreren Feldern, z.B. Metadaten wie Buchtitel, Autor, usw. sowie Volltextdaten, d.h. direkt aus den Inhalten des Buches entnommene Ausdrücke, werden zu einem "Suchmuster" aufbereitet und mit allen Mustern der Datenbestände verglichen. Falls man beispielsweise in einer großen digitalen Buch- und Artikelsammlung nach einem bestimmten Buchtitel sucht und nur der ungefähre Name des Autors sowie ein Stichwort zum Titel des Buches bekannt sind, ist die caatoosee DQengine in der Lage, das richtige Ergebnis mit dem höchsten Trefferquotienten zu versehen. Durch die musterassoziativen Qualifizierungssysteme definiert die
DQengine die Fehlertoleranz auf mehreren Ebenen. Der Benutzer regelt mit Hilfe von Fuzzy-Operatoren die Entscheidungsvariablen. So passt er die Fehlertoleranz der DQengine jederzeit seinen Anforderungen an. Die Abfrage wird somit durch die Fehlertoleranz optimal gesteuert.
 
Musterassoziatives Matching
Der Benutzer kann nach der Indizierung der Daten beliebig viele Anfragen starten. Die Daten in der Suchmaske des caatoosee DQservers werden als ein einziges Muster ebenfalls indiziert und mit den Mustern verglichen, die sich in den Assoziativspeichern befinden. Dabei werden nicht nur die Muster als Ergebnis aufgelistet, die zu einhundert Prozent übereinstimmen. Ähnliche Muster assoziiert die DQengine ebenfalls miteinander. In der Prioritätenlisten bildet er die Ergebnisse nach dem Grad der Ähnlichkeit geordnet ab. Die Ähnlichkeitsmaße legt der Benutzer selbst fest und kann damit das Profil einer Anfrage wie auch ein eigenes Interessenprofil steuern. 
 
Indizierung
Computersysteme finden die gewünschten Informationen, wenn diese in geeigneter Form als Informationseinheiten dem Qualifizierungssystem zur Verfügung stehen. Die Datenbestände werden von der Findemaschine zuerst in maschinenlesbare Form gebracht.
caatoosee DQengine.volltext, die Indizierungs- und Qualifizierungsmaschine, wandelt alle relevanten Daten in "charakteristische" Muster um.
 
Ranking
Die DQengine ordnet alle Treffer nach den Ähnlichkeits-
werten, die ihm der Benutzer vorgibt und stellt diese in einer Prioritätenliste dar. Den einhundertprozentigen Ähnlichkeitswert erhalten die Ergebnisse, die genau dieselben Muster wie die Anfrage enthalten. Im Ranking folgen dann die weiteren Ergebnismengen mit den immer niedriger werdenden Ähnlichkeitswerten. So hat der Benutzer einen genauen Überblick über die möglichen Ergebnismengen seiner Anfrage und kann weitere Vorgänge je nach Typ des Ergebnisses flexibel steuern.
 
Ähnlichkeitsmaße
Die caatoosee DQengine verwaltet die Ergebnisse nach den Ähnlichkeitsmaßen. Dadurch kann der Benutzer seine Anfrage in verschiedene Richtungen optimieren. Er hat auch die Möglichkeit, in einem festgegebenen Kontext (Wörter, Phrasen, Sätze) bestimmte Begriffe bzw. Ausdrücke als Muster zu suchen, während sie in einem anderen Kontext nicht gefunden werden sollen. Die DQengine verfügt über ein ausgereiftes System zur Definition der Ähnlichkeitsmaße zwischen Mustern. Diese stimmen jede Abfrage auf den bestimmten Kontext genau ab.