Kostenloser Download der gesamten Diplomarbeit - dotSource

KAPITEL 2. GRUNDLAGEN 11
Phonetik“ vorgeschlagen. Derangepasste Algorithmusnutzt einanderesErsetzungsschema
und beachtet die umliegenden Buchstaben. [Hof10]
Da Soundex den ersten Buchstaben unverändert übernimmt, können nur Fehler der darauffolgenden
Buchstaben korrigiert werden. Der weitere Nachteil von auf Soundex basierten
Verfahren ist, dass ausschließlich eine Aussage, ob Ähnlichkeit gegeben ist oder nicht,
geliefert wird. Das hat zur Folge, dass die Ergebnisse nicht nach der Ähnlichkeit angeordnet
werden können. Aus diesem Grund ist die Kombination mit anderen Verfahren im
praktischen Umfeld die Regel. [Sto07]
2.2.2 Invertierte Liste
Nach der Vorverarbeitung der Dokumentensammlung mithilfe von Texttransformationen
liegt die dabei extrahierte Information, in Form von Tupeln vor. Jedes Tupel ist aus dem
TokenundderInformationinwelchemDokumentesvorkommt,wiez.B.eineDokumenten-
ID, aufgebaut. Für die Überprüfung der Relevanz der Dokumente müssen die Terme der
Anfrage mit den der einzelnen Dokumente verglichen werden. Wenn Übereinstimmungen
mit einer der Listen festgestellt werden, so wird das entsprechende Dokument in das Suchergebnis
aufgenommen. Ohne weitere Strukturierung der Tupel ist bei jeder Suchanfrage
ein Vergleich zwischen jedem Token der Suchanfrage mit jedem Token der Dokumentensammlungerforderlich.BeidiesernaivenVorgehensweiseistderRetrieval
Prozessaufgrund
fehlender Organisation der Tupel sehr ineffizient.
Invertierte Listen bzw. invertierte Indizes sind in IRS eine der meist eingesetzten Datenstrukturen,
welche die Tupel für den Retrieval Prozess geeignet organisieren und dadurch
die Suche auf der Dokumentensammlung effizient umsetzen. Die invertierte Liste besteht
aus alphabetisch sortierten Termen der Dokumentensammlung. Der effiziente Zugriff auf
die einzelnen Tokens wird über einen Baum oder eine Hash-Tabelle realisiert. Jeder Eintrag
in der invertierten Liste enthält eine Posting Liste, welche auf alle Dokumente, die
den jeweiligen Token enthalten, verweist. Die Dokumente innerhalb der Posting Liste sind
aufsteigend sortiert. [Got10]
Das schrittweise Vorgehen beim Aufbau einer invertierten Liste wird beispielhaft in der
Abbildung 2.2 gezeigt, wobei die Wortzerlegung bereits erfolgt ist.
Information d1
ist d1
nutzbares d1
Information d1
Schritt 1
Wissen d1
Schritt 2
ist
nutzbares
d1
d1
Schritt 3
Daten d2
und d2
Wissen d2
unterscheiden d2
sich d2
Daten d2
sich d2
und d2
unterscheiden d2
Wissen d1
Wissen d2
Daten d2
Information d1
ist d1
nutzbares d1
sich d2
und d2
unterscheiden d2
Wissen d1 d2
Abbildung 2.2: Beispielaufbau einer invertierten Liste in Anlehnung an [Got10]