Konzeption und Implementierung eines ... - Stephan, Daniel

Roh-Matrix
anlegen
Term-Frequenz-Matrix aufbauen
mittels TF-IDF
gewichten
LSI anwenden
89 7.4. CLUSTER ANALYSE
DONE
Dokument
Vektoren aus den
LSI Ergebnissen
selektieren
Cluster erkennen
EM Clustering
anwenden
Abbildung 7.4.: Ablauf Cluster Analyse
Cluster benennen
untereinander verglichen werden, Dokumente untereinander verglichen werden
und wie neue Dokumente in den Vektor-Raum ” eingefaltet“ werden, damit sie
vergleichbar sind. Die Formeln dazu stehen in Abschnitt 5.3.4.
7.4. Cluster Analyse
Aus den Ergebnissen werden die Dokumentvektoren extrahiert und an den Clu-
stering Algorithmus übergeben. Danach werden Namen vergeben.
Für die Algorithmen, die im Zusammenhang mit dem Clustering nötig
waren, wurde das Strategy-Pattern ([GHJV96]) verwendet. Jeder wichti-
ge Algorithmus, sei es für die Zuweisung von Dokumenten zu Clustern
(ClusterAssignmentStrategy) oder für das Durchführen des Clustering Algo-
rithmus (ClusterStrategy) wird mit einer Schnittstelle ausgestattet, die ihn
von dem Code, der ihn benutzt, entkoppelt. Dadurch ist es möglich, die verwen-
dete Implementation flexibel auszutauschen. Im Diagramm sind beispielsweise
zwei ClusterStrategy-Implementationen aufgeführt. Welche davon zur An-
wendung kommt, entscheidet sich sobald der ClusterContext erzeugt und mit
einer spezifischen Implementation initialisiert wurde.
Die EMClusterStrategy Klasse implementiert der Einfachheit halber gleich
zwei Schnittstellen und verhält sich als ihr eigenes Ergebnis-Objekt. Durch diese
Aufteilung der Schnittstellen ist es möglich, dass der Algorithmus nach der
Arbeit ein anderes Objekt erzeugt und dieses als Ergebnis zurückliefert. Es mag,
je nach Arbeitsweise des Algorithmus, sinnvoll sein, dies zu tun. In diesem Falle
ging es auch so und auf eine Extra-Klasse für die Ergebnisse konnte verzichtet