Zusammenfassung - Otto-von-Guericke-Universität Magdeburg

7 Fusion
Für die handschriftliche Suche würde ein analoges Vorgehen bedeuten, dass die Suchanfrage
in Form mehrfacher Realisierungen des zu suchenden Begriffes erfolgen müsste. Damit
wäre für den Benutzer ein gewisser Mehraufwand verbunden, welcher hier durch ein alternatives
Vorgehen umgangen werden soll. Statt der mehrfachen Eingabe eines Suchbegriffes werden
einzelne Treffer einer klassischen Suchanfrage in weiteren Durchläufen (Iterationen) als
Suchbegriffe verwendet. Schematisch ist dieser Vorgang in Abbildung 7.3 dargestellt. Hierbei
handelt es sich um eine Erweiterung des Schemas der einfachen Suche ohne Fusion aus Abbildung
4.1 (Kapitel 4, S. 47). Ein entscheidender Parameter bei dieser Art von Fusion betrifft die
Auswahl der für die Suchiterationen als Suchbegriffe verwendeten Treffer der ersten Suchanfrage.
Zweckmäßig ist hierfür die Verwendung der n besten Treffer unter Berücksichtigung
eines Schwellwertes für die maximal erlaubte Abweichung von der Suchanfrage.
Die Fusion kann bei diesem Vorgehen auf der Vergleichs- oder der Entscheidungsebene
erfolgen. Für eine Fusion der Treffermengen H0,H1,...,Hn der Einzelanfragen auf Entscheidungsebene
können die Operationen der Mengenlehre verwendet werden. Insbesondere die
Schnittmenge (engl. intersection) und die Vereinigungsmenge (engl. union) der einzelnen Treffermengen
sind dabei denkbar:
n�
H∩ = Hi = H0 ∩ H1 ∩ ... ∩ Hn und
n�
H∪ = Hi = H0 ∪ H1 ∪ ... ∪ Hn (7.1)
i=0
i=0
mit H∩ ,H∪ ,H0,H1,...,Hn ∈ H ∗ , 0 ≤ i ≤ n (7.2)
Hierbei ist H0 die Treffermenge der originalen Suchanfrage; H1 bis Hn sind die Treffermengen
der n Suchiterationen; H ∩ und H ∪ sind die durch Mengenschnitt beziehungsweise
-vereinigung fusionierten Ergebnistreffermengen.
Für eine Fusion der Ergebnisse der einzelnen Suchanfragen auf der Ebene der Ähnlichkeitswerte,
das heißt der Vergleichsebene, ist es zweckmäßig, statt lediglich der Ähnlichkeitswerte
der einzelnen Treffer vielmehr die Distanzmatrizen der einzelnen Suchvorgänge heranzuziehen.
Wie in Abschnitt 6.2 zur approximativen Stringsuche erörtert, enthält die Distanzmatrix
D eines Suchvorgangs die Editierabstände zwischen bestimmten Teilen der Such- und der Dokumentzeichenketten.
Insbesondere die unterste Zeile Dm enthält die für die Suche relevanten
Editierabstände zwischen der Suchzeichenkette und jeder Position der Dokumentzeichenkette
(vergleiche Abbildung 6.4). Bei Berücksichtigung des Einflusses der Länge der Suchzeichenkette
auf die Editierabstände lässt sich, wie in Gleichung 6.18 definiert, aus der Matrixzeile
Dm der Vektor S der entsprechenden Ähnlichkeitswerte erzeugen.
Die Fusion der Ergebnisse der verschiedenen Suchanfragen lässt sich somit durch eine Verknüpfung
der jeweiligen Ähnlichkeitsvektoren realisieren. Bei Verwendung derselben Merkmalszeichenketten
der Dokumentdaten (das heißt, bei Nutzung desselben Feature Extractor
mit gleichbleibender Parametrisierung, beziehungsweise bei »Wiederverwendung« der einmal
gewonnenen Merkmalsdaten) für alle Suchiterationen ergibt sich eine konstante Länge
der n + 1 Ähnlichkeitsvektoren S 0 , S 1 bis S n . Die Verknüpfung dieser Ähnlichkeitsvektoren
kann beispielsweise durch elementweises Bilden des arithmetischen Mittelwertes geschehen:
92
¯S = 1
n + 1 ·
n
∑ S
i=0
i
(7.3)