Kostenloser Download der gesamten Diplomarbeit - dotSource

KAPITEL 2. GRUNDLAGEN 6
welcher die Webseiten analysiert und so die Informationen bereitstellt, vor die Dokumentensammlung
geschaltet [Lew05]. Die Dokumentensammlung ist auf einem Speicher
abgelegt, welches ein DBMS oder ein einfaches File-System sein kann. Um die Retrievalund
Ranking- Prozesse effizient zu gestalten, muss die Dokumentensammlung als ein Index
vorliegen. Der Index wird aus der Dokumentensammlung durch den Indexer entweder
direkt oder nach Texttransformationen, welche im Abschnitt 2.2.1 vorgestellt werden, aufgebaut.
Der Index wird oft als eine invertierte Liste, deren Beschreibung im Abschnitt
2.2.2 stattfindet, implementiert. Der Indizierungsprozess ist aufgrund der Indexerstellung
aus i.d.R. großen Dokumentensammlungen ein ressourcenintensiver Prozess, welcher im
Offline-Modus durchgeführt werden sollte.
Nachdem der Indizierungsprozess vollzogen ist, kann der Retrieval Prozess ausgeführt
werden. Initial stell der Nutzer eine Anfrage an das IRS, welche zunächst mithilfe von
Texttransformationen für die Weiterverarbeitung aufbereitet wird. Im nächsten Schritt
findet die Modifikation statt, wobei die Anfrage z.B. mit anderen Wortformen oder den
Systemvorschlägen, welche bei der Eingabe gebracht wurden, erweitert wird. Die modifizierte
Anfrage und der Index werden als Parameter in die Retrieval-Funktion der Retrieval
Komponente eingegeben. Als Rückgabelwert wird eine Liste von Tupeln, die aus dem Dokument
und zugehörigem Retrieval Status Value (RSV) bestehen, generiert [Fuh11]. RSV
ist das Maß für die Relevanz, welche die Beziehung zwischen dem Dokument und der Anfrage
beschreibt. Nach dem Retrieval Prozess werden die Dokumente mithilfe der Ranking
Komponente anhand der berechneten Relevanz geordnet.
Anschließend werden geordnete Dokumente einer Formatierung unterworfen unddem Nutzer
präsentiert. Bei der Formatierung besteht der Zugriff auf die Dokumentensammlung,
sodassdieSuchergebnissedaraufabgebildetundbeispielsweisemithervorgehobenenFundstellen
präsentiert werden.
Bei denRetrieval- undRanking-Komponentenfindetdieeigentliche SucheundAnordnung
der Dokumente statt. Diese Komponenten sind grundlegend für den eigentlichen Suchprozess
und sind durch das verwendete Information Retrieval Modell (IRM) weitestgehend
definiert.IRM beschreibtweiterhin wiedie Repräsentation der Dokumentensammlung und
der Anfrage auszusehen hat und ist somit fundamental für die Implementierung eines IRS.
EinÜberblicküberdiewichtigsten ModelledesInformationRetrieval werdenim Abschnitt
2.2.3 gegeben.
Aus dem Grund der Übersichtlichkeit wurde in der Abbildung 2.1 die Rolle des Administrators
nicht dargestellt. Im praktischen Umfeld konfiguriert dieser die Indizierungs- sowie
Retrieval- und Ranking-Komponenten für den konkreten Anwendungsfall.
2.2.1 Texttransformationen
IRweistbeiderWissensrepräsentation derinVolltext vorliegenden Dokumentensammlung
ein zentrales Problem auf. Die im Text vorkommenden Worte können im Text auf unterschiedlichste
Weise formuliert werden, was in der Literatur als Synonymie und Polysemie
bekannt ist.
• Synonymie ist die Ähnlichkeit der Bedeutung von Ausdrücken, welche sprachlich
verschieden sind. Beispielsweise sind ” Notebook“ und ” Laptop“ synonym.