4.4.2: Kookurrenzverfahren

Untersuchungen, die mit Kookurrenzdaten arbeiten, wurden bereits Anfang der 60er Jahre durchgeführt (Giuliano & Jones, 1963 [->]). Seitdem ist das Thema immer wieder aufgegriffen, häufig aber als nicht erfolgreich bewertet worden (Salton & Buckley 1988 [->], Peat & Willett 1991 [->]). Ein grundsätzliches Problem des Ansatzes ist die Aufwendigkeit in bezug auf Rechenkapazität und Speicherplatz sowie die Notwendigkeit, für die Bestimmung der Kookurrenzdaten große Korpora zur Verfügung zu haben, um brauchbare Schätzungen für die Wahrscheinlichkeiten des gemeinsamen Auftretens von Termen zu gewinnen (Gale & Church, 1990 [->]).

Formal lassen sich Kookurrenzmodelle auf mehrere Arten herleiten. Zunächst greifen wir auf die Definition _3.4.1.1_ des Vektorraumodells zurück. Dort waren die Dokumente einer Sammlung D={d₁,...,d_m} als Vektoren w_i=(w_i,1,...,w_i,n) über den Termen T={t₁,...,t_n} oder den Attributen A={A₁,...,A_n} definiert worden, wobei der Eintrag w_i,j in einem Dokumentvektor die Wichtigkeit des Terms t_j im Dokument d_i , bzw. den Wert des Attributes A_j(d_i) angab. Diese Vektoren kann man als Zeilen einer Term-Dokument-Matrix

W={w_i,j}_{i=1,...,m; j=1,...,n}

Im Allgemeinen werden Term-Dokument-Matrizen dazu verwendet, Ähnlichkeiten zu berechnen. Für Ähnlichkeiten zwischen Dokumenten wurde das im Abschnitt _3.4_ über Vektorraummodelle beschrieben.

4.4.2.1: Term-Term-Matrizen

4.4.2.2: Anwendung im IR

4.4.2.3: Häufigkeit der Terme

4.4.2.4: Expansion von Termen oder Anfragen

4.4.2.5: Größe der Dokumentensammlung

4.4.2.6: Eine Untersuchung zur Bestimmung von Suchtermen

4.4.2.7: Komplexere Kookurrenzverfahren