Einführung in die Informationswissenschaft

Textstatistik
Textstatistik: Zählbasis
• Häufigkeit eines Wortes (einer Grundform/eines
Wortstammes, einer Phrase zuzüglich der betreffenden
Pronomina).
Wort i im Dokument j: Freq(i,j)
• Position des Wortes im Dokument (P)
– Wort und Ort
– Wort in spezifischem Feld (bzw. Meta-Tag)
• Anzahl aller Worte in einem Dokument (L)
• Anzahl aller Dokumente in einer Datenbank, in denen ein
bestimmtes Wort (mindestens einmal) vorkommt (n)
• Gesamtanzahl der Dokumente in einer Datenbank (N)
Donna Harman: Ranking algorithms. – In: William B. Frakes; Ricardo Baeza-Yates (Hrsg.): Information Retrieval.
Data Structures & Algorithms. – Upper Saddle River, NJ: Prentice Hall PTR, 1992, 363-392.
HHU Düsseldorf, WS 2004/05 Einführung in die Informationswissenschaft 238