Konzeption und Implementierung eines ... - Stephan, Daniel

103 9.1. TECHNISCHE PERSPEKTIVE
Da die automatisch erzeugten Cluster rein statistisch begründet sind, fällt
es mitunter schwer, nachzuvollziehen warum nun eine bestimmte Menge an
Dokumenten zusammengruppiert wurde. Das ist immer dann der Fall, wenn
Eigenschaften bzw. Begriffe zum Clustern herangezogen wurden, die wenig in-
haltliche Aussagekraft haben. Um also qualitativ hochwertige, sinnvolle Cluster
erzeugt zu bekommen, ist es von Nöten, die Begriffe manuell zu überprüfen und
all diese als Stoppwort zu deklarieren, die generell wenig über den Inhalt der
Texte aussagen.
Um dies zu belegen, seien nun einige Beispiele dargestellt, die jeweils in ein
und demselben Cluster zusammegefasst wurden. Das erste Beispiel zeigt den
Beginn eines Textes, der offenbar vom leicht gefallenen Dollarkurs handelt und
dass sich die Händler wegen der unklaren Situation zurückgehalten haben.
” The dollar opened slightly lower in quiet trading, with dealers holding back
ahead of the outcome of this week’s top-level international monetary talks in
Washington. The dollar began here at 1.5128/5138 Swiss francs, down from
the previous 1.5185/5195 close and the 1.5180/5190 francs in New York. Ho-
wever, dealers were sceptical that anything other than a mere reaffirmation of
February’s Paris Accord was likely to emerge from Washington.“
Der nächste Absatz dagegen spricht von Schweinen. Deren Marktpreis sei
gestiegen.
” Hog prices are expected steady to 0.50 dlr higher on estimated receipts of
2,000 head, private sources said. Top seen at 51.00 to 51.50 dlrs per cwt. Sources
said the market closed stronger late yesterday and was expected to carry over
into today’s session. ” Farmers are getting in the fields here,& they said. Also,
little if any country movement was expected, they added.“
Im selben Cluster befanden sich noch Texte, die über den Börsenwert bei-
spielsweise eines Unternehmens im Markt der Kaffee-Röster berichteten. Die
Begriffe, die der Algorithmus als besonders zentral für diese Gruppierung er-
achtet hatte, waren ” higher“, ” openly“, ” lowers“ und ” Dealers“. (Diese Begriffe
werden für jeden Cluster automatisch auf der Basis der durch SVD hergestellten
Matrizen errechnet und als Bennungsvorschlag angeboten.) Man sieht daran,
dass die Veränderung von Preisen der relevante Aspekt für diese Gruppierung
war. In Bezug auf die Qualität der Cluster muss hier beachtet werden, ob dieser
Cluster, bzw. der Aspekt der ihm zugrundeliegt, auch dem Ziel entspricht, das
man mit dem Clustering ursprünglich verfolgt hat. Möglicherweise wäre es hier
interessanter, die Dokumente nach den Objekten zu gruppieren (also alles über