| ||||||||||||
3.5.2: KookurrenzverfahrenUntersuchungen, die mit Kookurrenzdaten arbeiten, wurden bereits Anfang der 1960er Jahre durchgeführt (Giuliano und Jones, 1963 [->] ). Seitdem ist das Thema immer wieder aufgegriffen, häufig aber als nicht erfolgreich bewertet worden (Salton und Buckley, 1988 [->] , Peat und Willett, 1991 [->] ). Ein grundsätzliches Problem des Ansatzes war lange Zeit der große Bedarf an 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 und Church, 1990 [->] ). Diese Voraussetzungen für den Einsatz von Kookurrenzverfahren haben sich in den letzten Jahren durch die Verbreitung der elektronischen Textverarbeitung in allen Bereichen und die zunehmende Vernetzung dramatisch verbessert. Deshalb sollen diese Verfahren im Folgenden genauer vorgestellt werden. Formal lassen sich Kookurrenzmodelle auf mehrere Arten herleiten. Zunächst kann man auf die Definition des Vektorraummodells in Abschnitt 1.3.6.1 zurückgreifen. Dort waren die Dokumente einer Sammlung D={d1,...,dm} als Vektoren wi=(wi,1,...,wi,n ) über den Termen T={t1,...,tn} oder den Attributen A={A1,...,An} definiert worden, wobei der Eintrag wi,j in einem Dokumentvektor die Wichtigkeit des Terms tj im Dokument di bzw. den Wert des Attributs Aj(di) angab. Diese Vektoren kann man als Zeilen einer Term-Dokument-Matrix
3.5.2.1: Ein Machine-Learning-AnsatzDie direkte Anwendung von Machine-Learning-Verfahren auf eine Term-Dokument-Matrix, wie sie in dieser Studie untersucht wurde, ist allerdings die Ausnahme. Im Allgemeinen werden Term-Dokument-Matrizen dazu verwendet, Ähnlichkeiten zu berechnen. Für Ähnlichkeiten zwischen Dokumenten wurde das in Abschnitt 1.3.6 über das Vektorraummodell beschrieben. Aus den Ähnlichkeiten lassen sich nicht unmittelbar Regelmäßigkeiten der Dokumentensammlung ablesen. Sie können aber dazu genutzt werden, eine Sammlung in Cluster einzuteilen. Verfahren zur Berechnung von Ähnlichkeiten zwischen Termen können dagegen als Methoden der Regelextraktion gesehen werden: Ihre Ergebnisse geben Auskunft über die Verwendung von Termen in den Dokumenten der Sammlung und können in eine für Nutzende verständliche Form gebracht werden. 3.5.2.2: Term-Term-Matrizen3.5.2.3: Anwendung im IR3.5.2.4: Häufigkeit der Terme3.5.2.5: Expansion von Termen oder Anfragen3.5.2.6: Größe der Dokumentensammlung3.5.2.7: Eine Untersuchung zur Bestimmung von Suchtermen3.5.2.8: Komplexere Kookurrenzverfahren | ||||||||||||
| ||||||||||||
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.