Zusammenfassung - Otto-von-Guericke-Universität Magdeburg

6.2 Approximative Stringsuche mittels dynamischer Programmierung
Abbildung 6.4: Beispiel einer Distanzmatrix D der Größe 244 × 6809; oben die Matrixzeile
Dm als Graph und unten die gesamte Matrix, dargestellt durch Farbwerte
anzeigen, deren Editierähnlichkeit einen zu wählenden Schwellwert τ nicht unterschreiten:
S j ≥ τ (6.19)
Dieser Schwellwert τ beeinflusst die Suchgenauigkeit; je größer τ gewählt wird, desto strikter
ist die Suche, das heißt, desto weniger Treffer gibt es.
Von besonderem Interesse sind jedoch nicht sämtliche dieser beschriebenen Werte j, die die
Ungleichung 6.19 erfüllen; in der unmittelbaren Umgebung ε einer Position j mit optimaler
Ähnlichkeit (similarityedit = 1) befindet sich auch stets eine Anzahl weiterer Positionen j ′
( j − ε ≤ j ′ ≤ j + ε), deren Ähnlichkeit mit wachsender Entfernung von j zwar abnimmt,
die dennoch zunächst den Schwellwert τ überschreiten, also die Ungleichung 6.19 erfüllen.
Diesem Problem kann begegnet werden, indem für die Ergebnismenge H einer Suchanfrage
nur solche Treffer h (engl. hit) berücksichtigt werden, die keine Überlappung mit anderen
berücksichtigten Treffern haben. Ein Treffer h ist ein 4-Tupel der Gestalt:
h = (ID, j b , j e ,σ) mit ID ∈ N, σ ∈ [0,1], 0 < j b ≤ j e ≤ n, h ∈ H (6.20)
Hierbei ist ID der Bezeichner des Dokumentes, welches den Treffer enthält, jb und je sind die
Indices, die Beginn und Ende des Treffers in der Dokumentzeichenkette s (n = |s|) anzeigen
und σ ist die Ähnlichkeitsbewertung (σ = S je) des Treffers, das bedeutet, die Ähnlichkeit
zwischen der Teilzeichenkette sib ...ie und der Suchzeichenkette r.
Algorithmus 6 realisiert solch eine Suche nach einer Zeichenkette r in einer Menge {s1,s2,
s3,...,sl} von l Dokumentzeichenketten s1 bis sl. Die minimal erlaubte Ähnlichkeit der Treffer
ist durch den Schwellwertparameter τ angegeben. Wenn eine Zuordnung der Indices j
79