pdf - Universität zu Köln

• Die Datenmenge sollte nicht zu klein gewählt werden, ansonsten könnten Geschwindigkeitsmessungen
zu viele Nebenaspekte des verwendeten Betriebssystems, wie z.
B. das Startverhalten des Programms, miteinbeziehen.
Pfeifer u. a. (1995) untersuchen vor allem die Kombination von Algorithmen für die
Phonetische Suche. Zuerst werden Soundex, die Varianten von Phonix, Damerau-Levenshtein
und zwei Verfahren namens Skeleton Key und Omission Key 49 miteinander verglichen.
Anschliessend werden Kombinationen der vorgestellten Verfahren mit Hilfe von Recallund
Precision-Diagrammen 50 beurteilt. Gesamtergebnis der Untersuchung ist, dass die
Phonixvariante mit Ending-Sound in Kombination mit Digrammstatistik das beste Ranking
erzeugt.
In Erikson (1997) handelt es sich um eine Untersuchung für das Schwedische. Diese
Arbeit misst zum einen die Geschwindigkeit der untersuchten Algorithmen, aber auch die
Fehlerrate. Für die Kategorisierung der Suchresultate werden dabei eng bemessene Kriterien
verwendet. So ist ein positives Suchergebnis bei Erikson (1997) nur dann gegeben,
wenn ein Name exakt gleich ausgesprochen werden kann. Es werden deshalb Probleme bei
der akustischen Übertragung und sonstige Ähnlichkeiten bei der Aussprache nicht berücksichtigt.
Für diesen Aufsatz wurde ein Korpus von 5.327 unterschiedlichen schwedischen Namen
verwendet. Weiterhin wurde für die Generierung von Suchanfragen eine nicht weiter
spezifizierte Zahl von Namen aus dem Stockholmer Telefonbuch verwendet.
Bei Erikson (1997) werden einige Verfahren vorgestellt, die der Autor als ungeeignet
einstuft. So wird berichtet, dass das Training von neuronalen Netzwerken wegen des nicht
polynomiellen Laufzeitverhaltens zu langsam ist. Die schon erwähnten Skeleton-Keys und
das Verfahren nach Guth sind ebenfalls nicht effektiv genug bzw. liefern zu viele, fehlerhafte
Ergebnisse. Für die sprachunabhängige Verarbeitung wird die Verwendung von
Digrammen, für die sprachabhängige Verarbeitung die eines gewichteten 51 Edit-Distance-
Verfahrens empfohlen. Das vereinfachte Ergebnis dieser Arbeit lässt sich folgendermassen
49 Hierbei handelt es sich um Verfahren für die Umgruppierungen und Sortierung der Buchstaben nach
Konsonanten und Vokalen. Sie schnitten sowohl bei den Untersuchung von Pfeifer u. a. (1995), als auch bei
Erikson (1997) besonders schlecht ab, so dass Sie im Rahmen dieser Arbeit keine weitere Berücksichtigung
mehr finden.
50 Recall/Precision wird in Raghavan u. a. (1989) beschrieben. Es handelt sich um ein Verfahren, welches
die Güte eines Rankings bewertet und diese mit Hilfe von Diagrammen visualisiert.
51 Für die Gewichtung wurde auf bestehende Äquivalenztabellen für schwedische Grapheme zurückgegriffen.
Diese sind jedoch lediglich in schwedischer Sprache publiziert worden und konnten deshalb im
Rahmen dieser Arbeit nicht berücksichtigt werden. Aufgrund der im Artikel gegebenen Beispiele wird
ausserdem angenommen, dass das Schwedische weniger Probleme mit dem Alignment von Graphemen
33