Kostenloser Download der gesamten Diplomarbeit - dotSource

KAPITEL 5. INTEGRATION IN SCOOBOX 63
Man sieht deutlich, dass die Größe der Solr-Indizes, ausgenommen die Werte bei 2.000
Beiträgen, mehr Speicherplatz als die FACT-Finder-Indizes erfordern. Dabei pendelt sich
das Verhältnis der Index- zu der Originalgröße ab 128.000 Beiträgen bei beiden Suchplattformen
um einen festen Wert ein. Bei FACT-Finder ist der Overhead in etwa 40% und bei
Solr 133% von der Originalgröße der indizierten Daten.
Der deutliche Größenunterschied kann zum Einen wieder auf die Anzahl der für den Index
angelegten Dateien und der Struktur dieser Dateien gesehen werden. Vermutlich liegt jedoch
der Hauptunterschied in dem strukturellem Aufbau der Indizes in folge verschiedener
Algorithmen, welche für die Suche eingesetzt werden. Des Weiteren muss auch in diesem
Test die Tatsache, dass die Beiträge dupliziert worden sind, berücksichtigt werden.
5.3.4 Qualität der Suche
In diesem Abschnitt soll die Qualität der Suche durch die Analyse der von den Suchplattformen
generierten Suchergebnisse analysiert und bewertet werden, wobei wieder der
Ausgangszustand von 1876 Beiträgen erzeugt wurde. Die Qualität der Suche impliziert in
diesem Zusammenhang die schnelle Ausführung der Suche und sowie eine relevante Ergebnismenge
von Dokumenten. Somit sind diese Kriterien fundamental für Information
Retrieval (vgl. Definition von IR-Abschnitt 2.1). Da es kein automatisches Auswertungssystem
für die Schätzung der Relevanz von Suchergebnissen vorhanden war, wurden die
Suchergebnisse ” von Hand“ analysiert als relevant oder nicht relevant zu dem gestellten
Suchbegriff angesehen. Aufgrund der manuellen Auswertung wurden die Suchbegriffe mit
Absicht gewählt, um kleine Ergebnismengen zu erhalten. Weiterhin wurde in der Datenbank
nach den Begriffen gesucht, um einen Referenzwert über die Menge von Beiträgen
mit exakter Übereinstimmung zu erhalten. Um das Ergebnis der Datenbank zu erhalten
wurde die SQL-Anfrage aus Listing 5.2 verwendet.
1 SELECT title , text
2 FROM scblogpost
3 WHERE title like ’%Suchbegriff%’ OR text like ’%Suchbegriff%’
Listing 5.2: SQL-Anfrage für den Referenzwert
Das Ergebnis der Oracle-Anfrage dient somit als Referenzwert für das tatsächliche Aufkommen
der Suchbegriffe ohne der Texttransformationen wie z.B. Wortstammreduzierung
und phonetische Analyse (vgl. Abschnitt 2.2.1). Für die im Anschluss aufgeführten
Performance-Zahlen ist natürlich die Frage nach Indizes in Oracle interessant, um auch die
dortigen Möglichkeiten FACT-Finder und Solr gegenüberzustellen. Im zeitlichen Rahmen
dieser Arbeit war dies jedoch einfach nicht machbar.
Die Untersuchung basiert auf zwei Szenarien, bei den die Suche mit und ohne phonetische
Analyse des Suchraums erfolgte. Hierfür wurde bei Solr der phonetische Filter aus
der Konfiguration entfernt und die Stoppwortliste, welche für die deutsche und englische
Sprache ausgelegt ist, mit den Standardeinträgen von dem FACT-Finder Server gefüllt.
Weitere Filter für die Stammwortzerlegung und Thesauri wurde bei Solr ebenfalls nicht
aktiviert. Bei FACT-Finder wurde der Regler für die Kompromisseinstellung zwischen der
Schnelligkeit und Präzision der Suche auf die maximale Stufe 9 gesetzt, so dass gemäß
[Doc11] die Phonetik ausgeschaltet wurde und die Suche nach 2.000 durchsuchten Einträgen
automatisch abbricht. Genauso wie bei Solr wurden auch bei FACT-Finder keine
Konfiguration im Bezug auf Thesauri und Stammwortreduzierung explizit vorgenommen.