pdf (18647 Kb) - Fachgebiet Datenbanken und Informationssysteme ...

7. Empirische Befunde und Experimente
zum Similarity Flooding
Kapitel 4 befasste sich damit, wie der Similarity Flooding Algorithmus funktioniert und
wie mit Ergebnissen umgegangen werden kann. Das folgende Kapitel befasst sich nun
mit der Frage, ob bzw. wie gut das Similarity Flooding dafür geeignet ist, Matchings zu
finden, und ob bzw. wie man die Qualität der Ergebnisse verbessern kann. Dazu wird im
Folgenden zunächst darauf eingegangen, wie das Thema in der Literatur behandelt wird
und welche Ergebnisse es dort gibt, bevor anschließend eine Reihe eigener Experimente
durchgeführt und beschrieben werden.
7.1. Befunde in der Literatur
Um die Qualität des Similarity Flooding feststellen zu können, beschäftigen sich die
Autoren von [MGMR01] mit der Frage, ob es überhaupt eine geeignete Metrik gibt, um
diese zu ermitteln. Sie stellen schließlich eine solche Metrik vor, die im Wesentlichen auf
dem Benutzeraufwand basiert, der benötigt wird, um die Ergebnisse, die automatisch von
einem Algorithmus geliefert werden, in die gewünschten Ergebnisse zu transformieren.
Ihre Wahl begründen sie damit, dass in vielen Anwendungsgebieten eines Matchings
dessen Ziel stark von der Intention des Benutzers abhängt und man sich aus diesem
Grund nicht einfach einer vorhandenen Metrik bedienen kann.
Die Autoren stellen – basierend auf ihrer Metrik – in Studien mit acht Benutzern,
die mit Hilfe des Verfahrens Schemata matchen sollen, Folgendes fest: Auch wenn der
Algorithmus nicht in jedem Fall sehr gute Ergebnisse liefert, können im Schnitt 52% des
manuellen Aufwands durch ihn eingespart werden. In typischen Anwendungsfällen bescheinigen
sie dem Algorithmus sogar eine noch weitaus größere Aufwandsersparnis. Bezüglich
der Filter der Ergebnisse stellen sie fest, dass solche, welche die Stable-Marriage-
Eigenschaft aufrechterhalten, besser geeignet sind als andere. Als Fixpunktformel empfehlen
sie nach den Ergebnissen ihrer Studien die Formel C (vgl. Tabelle 4.3), welche
am schnellsten konvergiert und von der Qualität her annähernd gleiche Ergebnisse liefert
wie die anderen Formeln. Als Formel zur Errechnung der Propagation-Koeffizienten
empfehlen sie – wie in Kapitel 4.2 erwähnt – den inversen Durchschnitt (vgl. Tabelle 4.1).
Außerdem stellen sie fest, dass der Algorithmus „Fehlern“ bei den Anfangsähnlichkeiten
gegenüber relativ tolerant ist, sich die Ergebnisse also kaum bzw. gar nicht ändern, selbst
wenn Anfangsähnlichkeiten „falsch“ bestimmt wurden.
Obwohl das Similarity Flooding in einer Reihe von weiteren Verfahren wie etwa SemInt
verwendet wird, gibt es ansonsten in der Literatur relativ wenige Befunde, die
44