Journal of Applied Knowledge Management - Felix Moedritscher
Journal of Applied Knowledge Management - Felix Moedritscher
Journal of Applied Knowledge Management - Felix Moedritscher
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
6.6. PRAKTISCHE ANWENDUNG 87<br />
6.6.8 Metasuchmaschinen<br />
Metasuchmaschinen können sowohl Server als auch Clientbasierend sein. In beiden Fällen wird eine<br />
Suchanfrage an mehrere Suchdienste verschickt. Die erhaltenen Ergebnisse werden von Dubletten befreit<br />
und zu dem Benutzer weitergeschickt. Metasuchdienste besitzen keine eigene Datenbank. Sie sind also auf<br />
die Bewertungsmechanismen der Suchdienste angewiesen, die referenziert werden. Dies kann als Nachteil<br />
angesehen werden. Ein weiterer Nachteil der serverbasierenden Metasuchmaschinen ist die erhöhte Netzlast,<br />
da die Suchergebnisse zuerst zum Server der Metasuchmaschine und dann zum Benutzer geschickt<br />
werden. Andererseits gibt es auf der anderen Seite keinen Informationsbeschaffungsverkehr.<br />
Ein herkömmlicher Suchdienst muss ja jedes Dokument über das Netz laden, um dieses dann einer<br />
Untersuchung zu unterziehen. Der Vorteil der clientbasierenden gegenüber den serverbasierenden Suchmaschinen<br />
ist der, dass diese am Rechner des Benutzers laufen und die Suchanfragen direkt von dort an die<br />
einzelnen Suchdienste verschickt werden. Da es dabei keinen Umweg über den Server der serverbasierenden<br />
Metasuchmaschine gibt, erfolgt die Suche schneller. Beide Arten haben den Vorteil, dass aufgrund des<br />
grossen Datenvolumens, dass von allen referenzierten Suchdiensten abgedeckt wird, die Wahrscheinlichkeit<br />
sehr gross ist, ein passendes Suchergebnis zu erhalten.<br />
Bei der Suche mit Metasuchmaschinen muss man mit jenen Kriterien auskommen, die allen referenzierten<br />
Suchdiensten gemein sind. Da aber Metasuchdienste hauptsächlich dazu verwendet werden, um ein<br />
grosses Datenvolumen nach speziellen Schlüsselwörtern zu durchsuchen, fällt dieser Nachteil nicht so sehr<br />
ins Gewicht. Ein Beispiel für einen Serverbasierenden Metasuchdienst ist MetaCrawler. [Legenstein 1999]<br />
6.6.9 Recommender Systems<br />
Die Grundidee der Recommender Systems ist es Empfehlungen von anderen Menschen mit entsprechenden<br />
Interessensgebieten einzuholen. Damit können zusätzliche Informationen gewonnen werden. Diese Systeme<br />
bilden die programmtechnische Umgebung, die es ermöglicht, Dokumente mit bestimmtem Inhalt und<br />
Qualität für Benutzer mit bestimmten Interessen und Ansprüchen zugänglich bzw. kenntlich zu machen.<br />
Die Gruppe der Recommender Systems kann man grundsätzlich in zwei Kategorien unterteilen. Die Content<br />
based Recommender Systems beruhen darauf, dass sie die tatsächlichen Inhalte der Dokumente mit den<br />
Pr<strong>of</strong>ilen der Benutzer vergleichen und daraus versuchen, zu erkennen, welche Dokumente für den Benutzer<br />
interessant sein könnten.<br />
Das Benutzerpr<strong>of</strong>il kann dabei eine Sammlung von gewichteten Wörtern sein, die jene Themengebiete<br />
beschreiben, die im Interessensfeld des Benutzers liegen. Die Collaborative based Recommender Systems<br />
verwenden im Gegensatz zu den Content based Recommender Systems nicht die Inhalte der Dokumente.<br />
Bei diesen Systemen wird versucht, ähnliche Benutzer mit ähnlichen Interessen zu erkennen und interessante<br />
Dokumente, die durch einen der Benutzer gefunden wurden, den anderen Benutzern kenntlich zu<br />
machen. Diese Systeme beruhen also auf dem Vergleich der einzelnen Benutzerpr<strong>of</strong>ile:<br />
Es gibt eine Vielzahl von Recommender Systemen. Unter anderem wären zu nennen:<br />
• PHOAKS System