Kostenloser Download der gesamten Diplomarbeit - dotSource

KAPITEL 2. GRUNDLAGEN 13
• Viele Dokumente werden nicht gefunden, weil die Trennung zwischen relevant und
nicht relevant streng ist. So werden beispielsweise bei einer UND-Verknüpfung von
drei Termen, diejenigen Dokumente mit zwei übereinstimmenden Termen genauso
nicht in das Suchergebnis aufgenommen wie solche mit keinen Treffern.
• DasRankingvonDokumentenistnichtmöglich.Damitkannessehrschwierigwerden
bei einem umfangreichen Ergebnis relevante Dokumente zu finden, weil diese nicht
zwangsläufig vorne stehen müssen.
• Die Formulierung der Suchanfragen ist für einen ungeübten Nutzer u.U. ein schwieriges
Unterfangen.
• Es gibt keine Möglichkeit die Tokens innerhalb des Indexes und der Anfrage zu
gewichten.
Fuzzy-Set-Modell
Das Fuzzy-Set-Modell basiert auf der Fuzzylogik, die von L. A. Zadeh im Jahr 1965 erfunden
wurde [Dre08]. Die Fuzzylogik nutzt die Theorie der unscharfen Mengen (englisch:
Fuzzy Sets), welche die traditionelle Mengenlehre um den Grad der Mitgliedschaft in einer
Menge verallgemeinert. Der Grad der Mitgliedschaft liegt im abgeschlossenem Intervall
zwischen 0 und 1 und kann mithilfe der Zugehörigkeitsfunktion 1 bestimmt werden. [Fer03]
DiesesModellverfolgtgenauwiedasboolescheModelldenmengentheoretischenAnsatzfür
die Wissensrepräsentation. Jedes Dokument wird als eine unscharfeMenge, die aus Tupeln
besteht, repräsentiert. Jedes Tupel besteht aus dem Token, der Dokumenten-ID und dem
Grad seiner Zugehörigkeit, welche als eine reelle Zahl im Intervall [0,1] definiert ist, zu
dem jeweiligen Dokument. Die Anfragen werden genauso wie bei dem booleschen Modell
repräsentiert. Die Operatoren AND, OR und NOT sind im Vergleich zu dem booleschen
Modell für die Auswertung der Gewichte erweitert und entsprechen den Definitionen des
Durchschnitts, der Vereinigung und des Komplementes aus der Theorie der unscharfen
Mengen. [Fuh11]
Für die Bestimmung der Werte einzelner Terme innerhalb des Indexes werden in [CP99]
nur Vorschläge gemacht. Die Werte sollen entweder über eine manuelle Bewertung durch
Experten oder automatisiert in Abhängigkeit von solchen Parametern wie der Typ des
Dokumentes oder die Auftrittshäufigkeit des Terms innerhalb des Dokuments bestimmt
werden. Ein konkrete Technik zur Bestimmung der Termwerte wird in [HCL03] beschrieben.
Hier wird mithilfe der Termfrequenz und der inversen Dokumentenhäufigkeit die
Relevanz von Dokumenten zu der Suchanfrage schrittweise, durch virtuelle Verschiebung
der Suchanfrage in Richtung relevanter Dokumente, verbessert. In [Ver05] werden fürdiese
Aufgabe drei Vorgehensweisen vorgestellt, welche die Werteerstellung direkt, indirekt und
mithilfe von Zahlentransformationen umsetzen.
Bei diesem Ansatz wird also der Nachteil von nur exakten Übereinstimmungen des booleschen
Modells mit der Unschärfe der Zugehörigkeit zu einer Menge behoben, so dass ein
RankingderDokumente im Suchergebnis möglich ist. Das gilt abernur fürdie Gewichtung
der Dokumente. Die Formulierung von gewichteten Anfragen ist weiterhin nicht möglich.
Der Nachteil mit der komplizierten Anfragesprache bleibt weiterhin bestehen.
In gewissen Fällen kann die Auswertung des UND-Operators in dem Fuzzy-Set-Modell zu
fraglichenErgebnissenführen.Wiebereitserwähnt,entsprichteinlogischerUND-Operator
1 bei der booleschen Logik wird die Zugehörigkeit ausschließlich auf die Intervallgrenzen abgebildet