|
Während bei der Berechnung der Gewichte für Dokumentvektoren
Termhäufigkeiten
im Dokument verwendet werden können, sind Anfragen
häufig so kurz, dass diese Möglichkeit
praktisch ausscheidet. Das gilt insbesondere für Anfragen, die
in interaktiven Sitzungen gestellt werden.
Dafür kann man aber die Nutzenden fragen, wie wichtig
ein gefundenes Dokument für ihre
Fragestellung ist, und aus diesen
Relevanzurteilen
Änderungen der Gewichte der Anfrage berechnen.
Ein solches Verfahren ist das von Rocchio (beschrieben
in Salton und McGill, 1983
[->]
).
Dabei wird den Nutzenden auf
ihre erste Anfrage mit dem Anfragevektor
q
eine (geordnete) Menge von
Dokumenten
zurückgeliefert,
die sie auf ihre Relevanz oder Nützlichkeit hin beurteilen sollen.
Dadurch ergeben sich zwei
Mengen von Dokumenten:
R={d+1,...,d+r}
, die Menge der als
relevant beurteilten Dokumente, und
U={d-1,...,d-u}
, die Menge der als nichtrelevant
beurteilten Dokumente. Bezeichnet
vd
den zum Dokument
d
gehörenden Dokumentvektor, dann wird ein
neuer Anfragevektor
q'
nach folgender Formel
berechnet:
| q'= q+ |
| 1 |
 |
| r |
|
|
|
 |
d R |
|
vd |
- |
| 1 |
|
| u |
|
|
|
|
| dU |
|
vd |
Dabei sind
,
und
reelle Parameter, für die bei jeder Anwendung geeignete Werte gewählt werden können.
Dieses Verfahren macht sich die Tatsache
zunutze, dass mit den Dokument- und Anfragevektoren als Vektoren des
n
-dimensionalen Raums gerechnet werden kann. Wenn man
annimmt, dass sich verschiedene "Themen" an verschiedenen
Orten in diesem Raum befinden, wird durch die Formel der (neue)
Anfragevektor von den nicht relevanten Dokumenten weg und zu den
relevanten Dokumenten hin bewegt. Abgeschwächte Formen dieser
Formel erhält man, wenn man einzelne Parameter auf
0
setzt. So wird im Fall
=0
der neue Anfragevektor nicht von den nicht relevanten
Dokumenten, sondern nur von den relevanten beeinflusst. Das ist z.B.
dann sinnvoll, wenn man annehmen kann, dass die nicht relevanten
Dokumente nicht in einem zusammenhängenden Teilbereich des
Vektorraums liegen, sondern über den ganzen Raum verteilt sind.
Setzt man
und
auf 0 , werden Dokumente gesucht, die denen aus der Menge
R
ähnlich sind. Man kann das als Ähnlichkeitssuche, Suche mit
Beispielen oder Query by example bezeichnen.
|
