| ||||||||||||||
1.3.6.6: Das Retrieval-System SMARTEines der ersten Retrieval-Systeme, in denen das Vektorraummodell implementiert wurde, ist das SMART-System, das über ca. 30 Jahre an der Cornell University in der Arbeitsgruppe von Gerard Salton entwickelt wurde (Salton und McGill, 1983 [->] ). Dabei handelt es sich nicht nur um ein einzelnes System, sondern um eine Experimentierumgebung, in der eine Vielzahl von Verfahren und Algorithmen getestet wurden. Es soll deshalb kurz in der Form von 1983 beschrieben werden. Neue Entwicklungen werden in Kapitel 3.4 dargestellt. Dabei zeigt sich, dass einige der Methoden von 1983 weiterentwickelt wurden, andere nicht. Die zusammenfassende Beschreibung gibt auch ein Beispiel, wie die bisher beschriebenen Komponenten eines IR-Systems zusammenspielen. Salton und McGill (1983) unterscheiden die folgenden Komponenten:
Automatische IndexierungBei der automatischen Indexierung wird folgendermaßen vorgegangen:
GewichtungsstrategienBei der Gewichtung im letzten Punkt wird folgendermaßen vorgegangen:
Berechnung von Dokument-Clustern und ihrer ZentroideDie Dokumente werden in Cluster zusammengefasst um den Zugriff zu beschleunigen. Das geschieht mit der Single-Pass-Methode. Algorithmus 1: Single-Pass-Cluster-VerfahrenDieses Verfahren liefert Cluster ähnlicher Dokumente, die sich überlappen können. Es wird vor allem verwendet, um den Zugriff auf Dokumente zu beschleunigen. Dazu wird eine Anfrage zunächst mit den Zentroiden der Cluster verglichen. Ein Vergleich mit Dokumentvektoren findet dann nur noch in dem Cluster statt, dessen Zentroid dem Anfragevektor am ähnlichsten ist. Diese Vorgehensweise kann auch mehrstufig angewendet werden, indem die Cluster einer Ebene wieder zu Clustern einer höheren Ebene zusammengefasst werden. Damit das Verfahren effektiv ist, sollten die Cluster ungefähr gleich groß sein. Um das zu erreichen, kann man
Automatische Query-Analyse und Relevance-Feedback-KomponenteDie Terme der Anfrage werden wie bei der Indexierung in einen Anfragevektor umgewandelt. Zur Optimierung wird das Relevance-Feedback-Verfahren nach Rocchio verwendet. Ein besonderer Vorteil ist dabei, dass viele neue Terme aus relevanten Dokumenten hinzukommen. Dynamisierung des DokumentenraumsBei der Dynamisierung des Dokumentenraums können die Dokumentvektoren aufgrund der Relevanzbeurteilungen im Relevance Feedback langsam verändert werden. Dazu werden
Problematisch an diesem Ansatz ist, dass mit der gleichen Anfrage zu verschiedenen Zeitpunkten unterschiedliche Ergebnisse gefunden werden können. Um das zu vermeiden, kann man die Änderungen der Gewichte jeweils auf eine Sitzung beschränken. Einen ähnlichen Ansatz verwendet die in Abschnitt 3.2.3 beschriebene Robertson-Sparck-Jones-Formel. | ||||||||||||||
| ||||||||||||||
|
Diese Seiten sind urheberrechtlich geschützt. Die Verantwortung für die Inhalte und die Rechte der Online-Version liegen beim Autor Reginald Ferber, Münster (Westf). Die Rechte der gedruckten Version beim dpunkt.verlag, Heidelberg. Die Weiterverwendung von Texten oder Abbildungen - auch auszugsweise - ist ohne die schriftliche Zustimmung des Autors Reginald Ferber bzw. des dpunkt.verlags nicht gestattet.
Es wird darauf hingewiesen, dass die verwendeten Soft- und Hardware-Bezeichnungen sowie Markennamen und Produktbezeichnungen der jeweiligen Firmen im Allgemeinen warenzeichen-, marken-, oder patentrechtlichem Schutz unterliegen. Alle Angaben und Programme wurden mit großer Sorgfalt kontrolliert. Trotzdem kann keinerlei Haftung für Schäden irgendwelcher Art übernommen werden, die sich im Zusammenhang mit der Nutzung dieser Seiten ergeben.
Diese HTML-Datei wurde am 27-10-2003 erzeugt.