Einführung in die Informationswissenschaft

Textstatistik
Einsatz des Vektorraummodells bei SMART
– (7) Errechnung von IDF und WDF (Variante: Einbeziehen
weiterer Gewichtungsfaktoren wie Position; im ursprünglichen
SMART: binäre Indexierung, also nur durch 1 bzw. 0)
• für die „guten“ Worte mittlerer Häufigkeit
• für die in Schritt 5 geformten Phrasen
• für die in Schritt 6 geformten (Synonym-)Klassen
– (8) Vektorbildung („Einhängen“ des Dokumentes in den
Vektorraum)
– (9) Zuordnung des neuen Dokuments zu einem bestehenden
Dokumentencluster; ggf. Kreation eines neuen Clusters
– dabei: Vergleich des neuen Dokuments mit den Zentroid-
Vektoren der Cluster
HHU Düsseldorf, WS 2004/05 Einführung in die Informationswissenschaft 269