Konzeption und Implementierung eines Ansatzes zur Besttigung von Meldungen im Social Reporting anhand raum-zeitlicher Regeln

Social Reporting basiert auf der Idee, dass Mitglieder eines ortsbezogenen sozialen Netzwerks in der realen Welt fr Mitglieder des Netzwerks relevante Ereignisse beobachten und Berichte ber diese Beobachtungen anderen Nutzern zur Verfgung. Ein grundlegendes Problem des Social Reporting ist die Auswertung der Berichte und hierbei vor allem die Bewertung der Zuverlssigkeit eines Berichts. Es stellt sich die zentrale Frage: Wie sehr kann einem Bericht auf Basis anderer verwandter Berichte vertraut werden und wie lsst sich dieses "Vertrauen" ohne menschliches Eingreifen bestimmen?
Viele Anwendungsszenarien des Social Reporting bilden einen kleinen und klar umrissenen Teil der Wirklichkeit ab. Die Nutzer bilden eine recht homogene Gruppe, die sich auf Basis des entsprechenden Anwendungsfalles nur fr bestimmte Informationen interessieren. Ebenso ist auch die Auswertung der verschiedenen Berichte und deren Zuverlssigkeit an einen engen Rahmen gebunden, der eine automatische Verarbeitung mit recht einfachen Mitteln erlaubt. Allerdings ist zu beachten, dass die Bewertungskriterien fr die Besttigung von Berichten durch andere Berichte sehr unterschiedlich ausfallen knnen und absolut vom betreffenden Anwendungsfall abhngig sind.
Die Folge des Bewertungsprozesses ist ein Besttigungsgraph - auch confirmation graph
genannt. Dieser bildet das durchaus komplexe Geflecht von besttigenden und widersprechenden Berichten ab und erlaubt eine Aussage ber die Zuverlssigkeit einzelner Berichte. Da in der bisherigen Nutzung des Social Reporting aufbauend auf einen beliebigen Anwendungsfall stets nur komplexe spezifische Regel- und Auswertungssysteme zum Einsatz kamen, wird in der vorliegenden Arbeit ein generischer Ansatz vorgestellt. Mit diesem ist es mglich auch komplexe und vllig unterschiedliche Anwendungsflle mit einem Regelsystem abzubilden und einen davon ausgehenden Besttigungsgraphen zu generieren.
Um die Komplexitt des vorliegenden Ansatzes gering zu halten, be