Einführung in die Informationswissenschaft

Textstatistik
Einsatz des Vektorraummodells bei SMART
– (6) bei Niedrigfrequenzworten: Bildung von Klassen von
„Synonymen“ (oder zumindest: von ähnlichen Worten)
– Kriterium: Ähnlichkeit der Worte; Ziel: Verminderung der
Indexierungsspezifität selten vorkommender Worte
– falls vorhanden: Einsatz eines Synonymwörterbuches oder
eines Thesaurus (daraus: Synonymie-Relation)
– ansonsten: automatisch generieren
– Problem: die seltenen Worte in einem Dokument (um diese
geht es hier) treten nicht oft gemeinsam auf (weil sie halt
selten sind). Aus rhetorischen Gründen wird kaum jemand
Synonyme häufig nebeneinander verwenden
– Lösungsansatz: Single-Linkage-Klassifikation
HHU Düsseldorf, WS 2004/05 Einführung in die Informationswissenschaft 266