hhu düsseldorf, ss 2003information retrieval1. hhu düsseldorf, ss 2003information retrieval2 wer...
TRANSCRIPT
HHU Düsseldorf, SS 2003 Information Retrieval 1
Information Retrieval
HHU Düsseldorf, SS 2003 Information Retrieval 2
Information Retrieval
Wer befasst sich mit Information Retrieval?Konferenzen – Messen
ZeitschriftenWie findet man Literatur?
Kurze Geschichte des Information Retrieval
Grundlagen:Relevanz – Pull / Push – konkreter vs. problemorientierter
Informationsbedarf – Recall und Precision – Suche nach Datensätzen („Nadel-im-Heuhaufen“-Syndrom) – Berrypicking -
informetrische Suchen – Informationsfilter – Informationsbarrieren – Typologie von Retrievalsystemen:
Boolesche Systeme und natürlichsprachige Systeme – Weltregionen im Internet - invertierte Dateien
HHU Düsseldorf, SS 2003 Information Retrieval 3
Information Retrieval
Funktionalität Boolescher Retrievalsysteme:Datenbankaufruf - feldspezifische Suche - Suche im Basic Index -
Blättern im Wörterbuch - Fragmentierung - mengentheoretische Operatoren - Abstandsoperatoren - Häufigkeitsoperatoren -
hierarchische Suche – datenbankübergreifende Suche - Umformulierung von Suchergebnissen zu Suchargumenten –Anzeigen von Suchergebnissen - Bestellen von Volltexten -
Suchprofile / SDI – Menüführung vs. Befehlssprache
Gewichtetes Retrieval:Intellektuelles Gewichten von Schlagworten – Gewichten durch
„Cracken“ von Ketten beim syntaktischen Indexieren – Termähnlichkeiten – Themencluster – variierbarer Thesaurus
HHU Düsseldorf, SS 2003 Information Retrieval 4
Information Retrieval
Informationslinguistik:Erkennen von Worten – Stoppworte – Wortstammanalyse –
Lemmatisierung - Phrasenerkennung – Homonyme – Synonyme – Pronomina-Analysen – Fehlertoleranz – SOUNDEX -
Besonderheiten der deutschen Sprache – MILOS/KASCADE
Textstatistik (Relevance Ranking I):Worthäufigkeiten – dokumentspezifische Wortgewichtung –
Position im Dokument – inverse Dokumenthäufigkeit – FREESTYLE - Vektorraummodell – probabilistisches Modell – INQUERY – Anreichern von Suchargumenten - ALTAVISTA -
Relevance Feedback
HHU Düsseldorf, SS 2003 Information Retrieval 5
Information Retrieval
Link-Topologie (Relevance Ranking II):Zitationsindexierung - Link-Analyse – Hubs und Authorities - PageRank – kontextspezifischer PageRank – Nutzungsanalyse -
Automatische Indexierung mit Vorzugsbennungen:Indexierung mit Deskriptoren und Notationen – FACTIVA -
ortsabhängiges Ranking (GIS / regionale Klassifikation)
Automatische Indexierung mit freien Schlagworten:Schlagwortvergabe bei SMART – automatische Klassifikation –
Northern Light
Assoziative Suche / „More like this“:linguistische Variante – zitatenanalytische Variante
HHU Düsseldorf, SS 2003 Information Retrieval 6
Information Retrieval
Informationsextraktion:bereichsspezifisches Retrieval – Faktenextraktion aus Volltexten –
Faktenextraktion aus Literaturdatenbanken
CLIR (Cross-Language Information Retrieval):Sprachidentifikation – maschinelles Übersetzen –
wörterbuchunabhängige Verfahren
Sponsored Links („Einkaufen“ in Ausgabelisten):Ersteigern von Listenpositionen – AdWords (GOOGLE) -
OVERTURE
Informationsvisualisierung:Formulierung des Sucharguments – Ausgabe von Nicht-WWW-
Dokumenten – Ausgabe von WWW-Dokumenten – KARTOO - Ausgabe informetrischer Ergebnisse
HHU Düsseldorf, SS 2003 Information Retrieval 7
Information Retrieval
Basisliteratur:Reginald Ferber: Information Retrieval. Suchmodelle und Data-Mining-Verfahren für Textsammlungen und das Web. – Heidelberg: dpunkt.verlag, 2003.William B. Frakes; Ricardo Baeza-Yates (Hrsg.): Information Retrieval. Data Structure & Algorithms. – Upper Saddle River, NJ: Prentice Hall, 1992.Eleonore Poetzsch: Information Retrieval. Einführung in Grundlagen und Methoden. – Potsdam: Verl. für Berlin-Brandenburg, 3. Aufl., 2002.Eleonore Poetzsch: Wirtschaftsinformation. Online – CD-ROM - Internet. – Potsdam: Verl. für Berlin-Brandenburg, 2001.Karen Sparck-Jones; Peter Willett (Hrsg.): Readings in Information Retrieval. – San Francisco: Morgan Kaufmann, 1997.Wolfgang G. Stock: Informationswirtschaft. Management externen Wissens. – München; Wien: Oldenbourg, 2000.
HHU Düsseldorf, SS 2003 Information Retrieval 8
Information Retrieval
Wer befasst sich mit Information Retrieval?
HHU Düsseldorf, SS 2003 Information Retrieval 9
Information Retrieval
Informatik
Informationswissenschaft
Linguistik
Retrievalsoftware
Kommerzielle Datenbanken und Hosts
Suchmaschinen im Internet
HHU Düsseldorf, SS 2003 Information Retrieval 10
Information Retrieval
Konferenzen• ACM SIGIR Conference on Research and Development
in Information Retrieval (seit 1977; Fokus: informatische, computerlinguistische und informationswissenschaftliche Grundlagen) – ACM: Association for Computing Machinery – SIGIR: Special Interest Group on Information Retrieval
• TREC (seit 1992; Fokus: Evaluation von Retrievalsystemen) – Text REtrieval Conference
• World Wide Web Conference (seit 1994; Fokus: Retrieval-systeme im Internet)
HHU Düsseldorf, SS 2003 Information Retrieval 11
Information Retrieval
Messen (mit Tagungen)• Online Information (London)• National Online Meeting (USA)• ComInfo / DGI-Online-Tagung (Frankfurt/M.) (Fokus: jeweils
auf kommerzielle Datenbanken und Hosts)
Verbände in Deutschland• Fachgruppe Information Retrieval der Gesellschaft für
Informatik• Online-Benutzergruppe in der DGI (OLBG) – DGI: Deutsche
Gesellschaft für Informationswissenschaft und Informationspraxis
HHU Düsseldorf, SS 2003 Information Retrieval 12
Information Retrieval
Zeitschriften:• Journal of the American Society for Information Science
and Technology (JASIST)
• Communications of the ACM
• Information Processing & Management
• Information Retrieval
• Journal of Documentation
Spezialsuchmaschine:• CiteSeer von NEC Research
Institute (citeseer.com)
C. Lee Giles; Kurt D. Bollacker; Steve Lawrence: CiteSeer: An Automatic Citation Indexing System. – In:Digital Libraries 98. – New York: ACM, 1998, 89-98.
HHU Düsseldorf, SS 2003 Information Retrieval 13
Information Retrieval
Eine kurze Geschichte des Information Retrieval:Beginn der Forschungen: Anfang der 60er Jahre
– Experimente mit natürlichsprachigen Systemen: Gerard Salton (1927 – 1995) – Vektorraummodell, SMART
– Vorbereitungen kommerzieller Online-Systeme: Roger Kent Summit (geb. 1930) – DIALOG
HHU Düsseldorf, SS 2003 Information Retrieval 14
Information Retrieval
Eine kurze Geschichte des Information Retrieval:Theoriebildungen / erste Anwendungen: 70er Jahre
– Erstes Online-System: DIALOG 1972
– Theoretische Grundlagen, Gewichtungsverfahren: Karen Sparck-Jones / Donna Harman / C.J. „Keith“ van Rijsbergen (geb. 1943)
– Probabilistisches Modell: Stephen E. Robertson
Sparck-Jones
RobertsonvanRijsbergen
HHU Düsseldorf, SS 2003 Information Retrieval 15
Information Retrieval
Eine kurze Geschichte des Information Retrieval:Erfolg der Booleschen Online-Systeme in Praxis einsetzbare natürlichsprachige Systeme (nur moderat erfolgreich): 80er Jahre– diverse Online-Hosts, auch in Deutschland: GENIOS, GBI u.a.
– natürlichsprachige Systeme: OKAPI, INQUERY; in Deutschland: AIR/PHYS: Gerhard Lustig, Norbert Fuhr, Gerhard Knorz
Fuhr Knorz
HHU Düsseldorf, SS 2003 Information Retrieval 16
Information Retrieval
Eine kurze Geschichte des Information Retrieval:Boom durch Word Wide Web: 90er Jahre
– großangelegte Retrievaltests: TREC (Donna Harman)– natürlichsprachige Oberflächen auch bei Online-Hosts: Freestyle, WIN– Retrievaltechniken für‘s Web: Technologieführer bei „klassisch“
orientierten Systemen: AltaVista (Louis Monier)– Technologieführer bei Systemen unter Nutzung der Web-Topologie:
Google (Lawrence „Larry“ Page; Sergey Brin; Monika R. Henzinger)
Brin (li.)
Page
Monier
Henzinger
HHU Düsseldorf, SS 2003 Information Retrieval 17
Grundlagen des Information Retrieval
HHU Düsseldorf, SS 2003 Information Retrieval 18
Grundlagen des Information Retrieval
Infor-mations-bedarf
DBE
Dok. Bezugs-
einheiten
DE
Dokumen-tations-
einheiten
Frage
Treffer
Information Retrieval
Information Indexing
Vergleich Vergleich der der
BegriffeBegriffe
HHU Düsseldorf, SS 2003 Information Retrieval 19
Grundlagen des Information Retrieval
Relevanz - PertinenzRelevanz: Wann ist ein Dokument für ein Suchargument relevant?– (1) wenn es objektiv zur Vorbereitung einer Entscheidung
dient– (2) wenn es objektiv eine Wissenslücke schließt– (3) wenn es objektiv eine Frühwarnfunktion erfüllt
Pertinenz: Wann ist ein Dokument für einen Nutzer pertinent?– (1) wenn es subjektiv zur Vorbereitung der Entscheidung eines
Nutzers dient– (2) wenn es subjektiv eine Wissenslücke des Nutzers schließt– (3) wenn es subjektiv eine Frühwarnfunktion für den Nutzer
erfüllt
HHU Düsseldorf, SS 2003 Information Retrieval 20
Grundlagen des Information Retrieval
Relevanz - PertinenzZiele des Information Retrieval:– Gewinnung relevanter / pertinenter Dokumente, die
objektives Wissen enthalten– Umwandlung des gefundenen objektiven Wissens in
subjektives Wissen beim Nutzer (was auch heißt: der Nutzer muss die Fähigkeit haben, das entsprechende Wissen zu verstehen)
– Ableitung von Handlungen – aus dem gefundenen Wissen auf der Basis der eigenen Vorkenntnisse neues, handlungsrelevantes Wissen zu kreieren
HHU Düsseldorf, SS 2003 Information Retrieval 21
Grundlagen des Information Retrieval
Relevanz - PertinenzVoraussetzungen für erfolgreiches Retrieval:– das richtige Wissen– zum richtigen Zeitpunkt („just in time“)– am richtigen Ort– im richtigen Umfang– in der richtigen Form– mit der richtigen Qualität,
wobei „richtig“ heißt:– (1) Wissen, Zeitpunkt usw. haben (objektiv betrachtet)
Relevanz– (2) Wissen, Zeitpunkt usw. werden vom Nutzer
(subjektiv betrachtet) als passend eingeschätzt: haben Pertinenz
HHU Düsseldorf, SS 2003 Information Retrieval 22
Grundlagen des Information Retrieval
Retrieval: Pull und Push– Pull-Service: zur Befriedigung von ad-hoc auftretendem
Informationsbedarf sucht ein Nutzer aktiv in Informationssystemen nach Wissen
– Push-Service: zur Befriedigung eines (über einen gewissen Zeitraum) andauernden Informationsbedarf wird ein Nutzer vom Informationssystem mit jeweils aktuellem, neuem Wissen versorgt. Push-Services sorgen für current awareness
• Arbeitsschritt 1: Festlegen eines Informationsprofils (führt Nutzer durch)
• Arbeitsschritt 2: Periodische Lieferung von Wissen (führt Informationssystem automatisch durch) – „SDI“ (selective dissemination of information) oder „Alert“
HHU Düsseldorf, SS 2003 Information Retrieval 23
allgemeine Infor-mationen
exklusive Infor-mationen
zielgruppen-spezifische Informationen
Pull-Service
Push-Service
Pass-wörter
Benutzer-sichten
freier Zugang
(a) E-Mail-Verteiler (b) personalisiert auf Homepage
Grundlagen des Information Retrieval
HHU Düsseldorf, SS 2003 Information Retrieval 24
Themenbearbeitungszeit
bekannte Informationen
gedeckter Informationsbedarf
unbekannte Informationen
ungedeckter Informationsbedarf
t1
t2
Grundlagen des Information Retrieval
erhalten durch Push-Service
erhalten durch Pull-Service
R.Schönfelder: Inhaltliche und methodische Probleme einer rationellen Informationsplanung in Forschung und Entwicklung. – In: Informatik 22 (1975) 6, 49-52.
HHU Düsseldorf, SS 2003 Information Retrieval 25
Grundlagen des Information Retrieval
Frage- und Antworttypen– Konkreter Informationsbedarf (Faktenfrage)
• Welchen Umsatz hatte Unternehmen X im Dezember 1998 in der Region Z?
• Wo liegt der Schmelzpunkt von Kupfer?• Wie schloß der Dollarkurs letzten Freitag an der Frankfurter
Börse?• Wann hat mein Geschäftspartner X Geburtstag?
– Problemorientierter Informationsbedarf (Literatur)• Welche Methoden der fuzzy logic lassen sich beim Data Mining
einsetzen?• Wie hängen Marketing und Qualitätsmanagement zusammen?• Wie bewerten Analysten das Unternehmen X?• Wie beschreiben Marktforscher das Konsumklima für
ausländischen Wein in Ungarn?
Valery I. Frants; Jacob Shapiro; Vladimir G. Voiskunskii: Automated Information Retrieval. – San Diego [u.a.]:Academic Press, 1997. - Kap. 2.3: The information need, 34-40.
HHU Düsseldorf, SS 2003 Information Retrieval 26
Grundlagen des Information Retrieval
Konkreter Informationsbedarf
– 1. Thematische Grenzen sind klar angesteckt.
– 2. Die Suchfrageformulie-rung ist durch exakte Terme ausdrückbar.
– 3. Eine Faktenfrage reicht aus, um den Bedarf zu decken.
– 4. Mit der Übermittlung der Fakteninformation ist das Informationsproblem erledigt.
Problemorientierter Informationsbedarf
– 1. Thematische Grenzen sind nicht exakt.
– 2. Die Suchfrageformulie-rung läßt terminologische Varianten zu.
– 3. Es müssen diverse Doku-mente aus unterschiedlichen Quellen beschafft werden.
– 4. Mit der Übermittlung der Literaturinformation wird ggf. das Informationsproblem modifiziert oder ein neuer Bedarf entdeckt.
HHU Düsseldorf, SS 2003 Information Retrieval 27
Grundlagen des Information Retrieval
Aspekte der Relevanz:– Haben wir alle Datensätze gefunden, die handlungs-
relevantes Wissen beinhalten? (Vollständigkeit; Recall)Recall = a / a + c
– Haben wir nur solche Datensätze gefunden? (Genauigkeit, Precision)
Precision = a / a + b
a =: gefundene relevante Trefferb =: nichtrelevante Datensätze, die in der Treffermenge enthalten sind (Ballast)c =: relevante Datensätze in der Datenbank, die nicht gefunden wurden
HHU Düsseldorf, SS 2003 Information Retrieval 28
Grundlagen des Information Retrieval
• Recall und Precision beim konkreten InformationsbedarfRecall = 1Precision = 1
• Recall und Precision beim problemorientierten Informationsbedarfinverse Relation zwischen Recall und Precision– bei Erhöhung des Recall: Absinken der Precision– bei Erhöhung der Precision: Absinken des Recallempirischer Schätzwert: Recall + Precision = 1
• Achtung Problem: dies ist ein theoretisches Modell; genaue Messergebnisse sind unmöglich, da der Wert c in großen Datenbanken prinzipiell unbekannt ist.
HHU Düsseldorf, SS 2003 Information Retrieval 29
Grundlagen des Information Retrieval
100
R
e
c
a
l
l
100P r e c i s i o n
„durchschnittliches“
Information Retrieval
Der “heilige Gral” der Rechercheure
Zugewinn
durch
elaborierte
Suche
Ross Evans: Beyond Boolean: Relevance ranking, natural language and the New Search Paradigm. – In:Proceedings of the Fifteenth National Online Meeting. – Medford: Learned Information, 1994, 121-128.
HHU Düsseldorf, SS 2003 Information Retrieval 30
Grundlagen des Information Retrieval
Suchansätze– (1) Suche nach Datensätzen (oder Teilen davon)
„Nadel-im-Heuhaufen-Syndrom“– Strategie beim problemorientierten Informationsbedarf:
Berrypicking InformationsbedarfInformationsbedarf
Ausgangsformulierung desInformationsbedarf
Datenbank 1
Datenbank 2
Datenbank iTreffermenge 1
Treffermenge 2
Treffermenge iReformulierung derSuchfrage
Reformulierung derSuchfrage
Marcia J. Bates: The design ofbrowsing and berrypicking
techniques for the online searchinterface. – In: Online Review
13 (1989), 407-424.
HHU Düsseldorf, SS 2003 Information Retrieval 31
Grundlagen des Information Retrieval
Suchansätze– (2) informetrische Suche
Charakterisierung ganzer „Heuhaufen“, d.h. von Treffermengen
– Faktenextraktion aus Datenbanken. Generierung von neuartigen Informationen durch das Retrieval
• Rangordnungen• Zeitreihen• semantische Netze• Informationsflussgraphen
• Hinweis: informetrische Suchen werden in der Vorlesung „Empirische Informationswissenschaft“ behandelt.Wolfgang G. Stock: Wirtschaftsinformationen aus informetrischen Online-Recherchen. – In:
Nachrichten für Dokumentation 43 (1992), 301-315.
HHU Düsseldorf, SS 2003 Information Retrieval 32
Grundlagen des Information Retrieval
Informationsfilterung (erwünschte Einschränkung auf relevante / pertinente Dokumente)
• durch Strukturierung der Dokumente• durch Indexieren (Informationsfilter i.e.S.)
– Thesaurus– Klassifikation– Textwortmethode– Zitationsindexierung– usw.
• durch Informationsverdichtung– Abstracts– Ontologien– Topic Maps
HHU Düsseldorf, SS 2003 Information Retrieval 33
Grundlagen des Information Retrieval
Informationsbarrieren (unerwünschte Einschränkung auf Teilmengen der relevanten / pertinenten Dokumente)
• politisch-ideologische Barriere• Eigentumsbarriere• Gesetzesbarriere• Zeitbarriere• Effektivitätsbarriere• Finanzierungsbarriere• Terminologiebarriere• Fremdsprachenbarriere• Zugangsbarriere• Barrieren durch Mängel beim Information Retrieval• Bewusstheitsbarriere• Resonanzbarriere
Heinz Engelbert: Der Informationsbedarf in derWissenschaft. – Leipzig: Bibliographisches Institut, 1976. –
Kap. 4: Informationsbarrieren, 59-72.
HHU Düsseldorf, SS 2003 Information Retrieval 34
Grundlagen des Information Retrieval
Informationsbarrieren
Wolfgang G. Stock: Informationswissenschaft und –praxis in der
Deutschen Demokratischen Republik. – Frankfurt:IDD Verl. Werner Flach, 1986, S. 64.
HHU Düsseldorf, SS 2003 Information Retrieval 35
Grundlagen des Information Retrieval
• Typologie von Retrievalsystemen– (1) Boolesche Systeme
George Boole (1815 – 1864), englischer Mathematiker und Logiker („Boolesche Algebra“)
– Boolesche Systeme erfordern die Übersetzung einer Anfrage in eine formale Sprache.
– Country AND Western ANDNOT „Garth Brooks“
HHU Düsseldorf, SS 2003 Information Retrieval 36
Grundlagen des Information Retrieval
• Typologie von Retrievalsystemen– (2) Natürlichsprachige Systeme
Natürlichsprachige Systeme erwarten Anfragen in gewöhnlicher Sprache (mittels ganzer Sätze, einzelner Terme oder auch ganzer Musterdokumente).Beispiele: kommerzielle Content-Aggregatoren mit natürlichsprachiger Suche: WIN (Westlaw), Target (DIALOG), Freestyle (Lexis-Nexis); Content-Aggregatoren mit natürlichsprachiger automatischer Indexierung: FACTIVA, Dialog Profound, Dialog NewsEdge; alle Suchmaschinen im WWWKomponenten:a) Informationslinguistik (Abgleich Suchargument – Dokumente)b) Informationsstatistik (Relevance Ranking)c) nicht immer: Ordnungssysteme (terminologische Kontrolle)
HHU Düsseldorf, SS 2003 Information Retrieval 37
Grundlagen des Information Retrieval
• Typologie von Retrievalsystemen– (3) Kombinierte Systeme
Boolesches und natürlichsprachiges Retrieval in Kombination(a) zuerst Boolesches Retrieval, danach in Treffermenge Relevance RankingBeispiele: diverse Content-Aggregatoren, AltaVista(b) zuerst Informationslinguistik, danach in Treffermenge Feinrecherche mittels Boolescher OperatorenBeispiel: Lexis-Nexis
HHU Düsseldorf, SS 2003 Information Retrieval 38
Grundlagen des Information Retrieval
Weltregionen des Internet:Die „Oberfläche“
– digitale Dokumente im Web– (prinzipiell) auffindbar durch Suchwerkzeuge– Dokumente sind u.U. unerwünschter Ballast („Spam“)
• Suchwerkzeuge / Typen:– Suchmaschinen– Webkataloge– Meta-Suchmaschinen– Portale
HHU Düsseldorf, SS 2003 Information Retrieval 39
Grundlagen des Information Retrieval
Suchmaschinen (Search Engines)
Mechtild Stock; Wolfgang G. Stock: Informationslinguistik und -statistik: AltaVista, FAST und Northern Light. – In: Password Nr.1 (2001), 16-24. - Mechtild Stock; Wolfgang G. Stock: Relevance
Ranking nach „Popularität“ von Webseiten: Google. – In: PasswordNr. 2 (2001), 20-27.
HHU Düsseldorf, SS 2003 Information Retrieval 40
Grundlagen des Information Retrieval
Suchmaschinen (Search Engines)• Gegenstand: Dokumente im Internet (WWW, Newsgroups),
gerichtet auf einzelne Webseiten• automatisches Einsammeln der Dokumente mittels Crawler• automatisches Aktualisieren der Datenbasis• Kopieren der Dokumente (oder von Teilen) in die eigene
Datenbank• automatisches Indexieren der kopierten Dokumente• eher große Datenbasis (mehrere Mrd. Dokumente)• Suchsystem mit natürlichsprachiger Eingabe und mit Profi-
Oberfläche
HHU Düsseldorf, SS 2003 Information Retrieval 41
Grundlagen des Information Retrieval
Webkataloge (Web-Directories)
Mechtild Stock; Wolfgang G. Stock: Klassifikation und terminologi-sche Kontrolle: Yahoo!, Open Directory und Oingo im Vergleich. –
In: Password Nr. 12 (2000), 26-33.
HHU Düsseldorf, SS 2003 Information Retrieval 42
Grundlagen des Information Retrieval
Webkataloge (Web-Directories)• Gegenstand: Dokumente im WWW (z.T. zusätzlich
exklusive Dokumente, z.B. News), gerichtet vor allem auf Einstiegs-seiten in Websites
• intellektuelle Auswahl• intellektuelles Indexieren (i.d.R. Klassifikation)• Datenbasis: „Titel“ der Dokumente (vom Webkatalog oder
vom Anmeldenden vergeben) und URL• eher kleine Datenbasis (einige Mio. Dokumente)• unregelmäßiges Update• Suchsysteme mit Klassifikationshierarchien und
natürlichsprachiger Suche (über die Klassenbezeichnungen und die Dokumenten“titel“)
HHU Düsseldorf, SS 2003 Information Retrieval 43
Grundlagen des Information Retrieval
Meta-Suchmaschinen
HHU Düsseldorf, SS 2003 Information Retrieval 44
Grundlagen des Information Retrieval
Meta-Suchmaschinen• keine Datenbasis; greifen auf die Datenbasen anderer
Suchwerkzeuge zurück („Schmarotzer“)– a) Metasuchmaschinen ohne eigenen informationellen
Mehrwert (außer der Abfrage diverser Suchwerkzeuge
und ggf. Dublettenelimination)– b) Metasuchmaschinen mit Angebot von
Dokumentationssprachen (z.B. Thesaurus)– c) mit Bearbeitung eingesammelter Dokumente
HHU Düsseldorf, SS 2003 Information Retrieval 45
Grundlagen des Information Retrieval
Portal• einheitlicher Einstiegspunkt in das WWW
(allgemein: „horizontales Portal“; fachspezifisch: „vertikales“ Portal)
• Simplizität• Bereitstellung von Suchwerkzeugen
(Suchmaschine und Katalog)• allgemein interessierende bzw. fachspezifische
(möglichst) exklusive Inhalte (News, Aktienkurse)• Zusatzfunktionalitäten (Tools mit
benutzerspezifischem Gebrauchswert, z.B. Übersetzungsprogramme, Kalender, Adressbuch)
• Personalisierung (Verwalten von Informationsprofilen – „MyXXX“)
• Kommunikation (E-Mail-Accounts, themenspezifische Chatrooms, Platz für benutzereigene Homepage o.ä.)
Hermann Rösch: Internetportal, Unternehmensportal,Wissenschaftsportal. – In: Gerhard Knorz; Rainer Kuhlen
(Hrsg.): Informationskompetenz – Basiskompetenz inder Informationsgesellschaft. – Konstanz: UVK, 2000,
245-264.
HHU Düsseldorf, SS 2003 Information Retrieval 46
Grundlagen des Information Retrieval
Weltregionen des Internet: Das „Deep Web“ (oder „Invisible Web“)– digitale Dokumente, die nicht direkt im Web liegen, aber via Web
erreichbar sind– derzeit nicht auffindbar durch Suchwerkzeuge– Dokumente sind (meist) qualitätsgeprüft– Terminologie: „invisible Web“ – Sherman & Price
„Deep Web“ – Bergman (Schätzung: Deep Web ist 500mal größer als das Oberflächenweb – wahrscheinlich stark überschätzt)
• Typen:– Kostenfreie singuläre Datenbanken– Kommerzielle Informationsanbieter
• Selbstvermarkter• Content-Aggregatoren (Online-Hosts)
Chris Sherman; Gary Price: The Invisible Web. – Medford: Information Today, 2001.Michael K. Bergman: The Deep Web: Surfacing Hidden Value. – In: The Journal of Electronic Publishing
7 (2001) Iss.1
HHU Düsseldorf, SS 2003 Information Retrieval 47
Grundlagen des Information Retrieval
(Kostenfreie) Singuläre Datenbanken im Web– thematisch orientierte Datenbanken– (i.d.R.) aufgebaut von öffentlichen Einrichtungen (durch
öffentliche Mittel bereits finanziert)– mehrere tausend Datenbanken via Web erreichbar
HHU Düsseldorf, SS 2003 Information Retrieval 48
Grundlagen des Information Retrieval
(Kommerzielle) Singuläre Datenbanken im Web – „Selbstvermarkter“– thematisch orientierte Datenbanken– (i.d.R.) aufgebaut von Privatunternehmen mit dem
Zweck der Erzielung von Gewinnen– teilweise auch zusätzlich bei Content-Aggregatoren
aufgelegt
Mechtild Stock; Wolfgang G. Stock: Professionelle Informationen über deutsche Unternehmen im Internet. – In: Password Nr. 11 (2001), 26-33, und Nr. 12 (2001), 18-25.
HHU Düsseldorf, SS 2003 Information Retrieval 49
Grundlagen des Information Retrieval
Content-AggregatorenWirtschaft
– Bündelung wirtschaftsrelevanter Datenbasen unter einer Oberfläche
– Wirtschaftsnachrichten, Firmeninformationen, Wirtschaftswissenschaft, Marktdaten usw.
Mechtild Stock: GBI – the contentmachine. Wirtschaftsinformationen für Hochschulen, Unternehmen und Internet-Surfer. – In: Password Nr. 2 (2003), 8-17; Mechtild Stock; Wolfgang G. Stock : Dialog / DataStar. One-Stop-
Shops internationaler Fachinformationen. – In: Password Nr. 4 (2003), 22-29. - Mechtild Stock; Wolfgang G. Stock :Dialog Profound / NewsEdge: Dialogs Spezialmärkte für Marktforschung und News. – In: Password Nr. 5 (2003).
HHU Düsseldorf, SS 2003 Information Retrieval 50
Grundlagen des Information Retrieval
Content-AggregatorenNews
– Bündelung von Nachrichten-Datenbasen unter einer Oberfläche
– (real-time)-Informationen von Nachrichtenagenturen, Zeitungen, Zeitschriften
Mechtild Stock: Factiva.com. Neuigkeiten auf der Spur. – In: Password Nr. 5 (2002), 31-40. - Mechtild Stock;Wolfgang G. Stock: Von Factiva.com zu Factiva Fusion. Globalität und Einheitlichkeit mit Integrationslösungen. –
In: Password Nr. 3 (2003), 19-28. – Mechtild Stock: ASV Infopool. Boulevard online. – In: Password Nr. 10(2002), 22-27.
HHU Düsseldorf, SS 2003 Information Retrieval 51
Grundlagen des Information Retrieval
Content-AggregatorenWTM (Wissenschaft – Technik – Medizin)
– Bündelung von Wissenschaftsdatenbasen unter einer Oberfläche
– disziplinspezifische bibliographische Datenbasen, Volltexte von Wissenschaftszeitschriften, Zitationsdatenbanken
Wolfgang G. Stock: Web of Science. Ein Netz wissenschaftlicher Informationen – gesponnen aus Fußnoten. – In:Password Nr. 7+8 (1999), 21-25.
HHU Düsseldorf, SS 2003 Information Retrieval 52
Grundlagen des Information Retrieval
Content-AggregatorenRecht
– Bündelung von juristischen Datenbasen unter einer Oberfläche
– Urteile, Volltexte juristischer Zeitschriften, bibliographische Datenbanken
HHU Düsseldorf, SS 2003 Information Retrieval 53
Grundlagen des Information Retrieval
Weltregionen des InternetGrenzüberschreitungen
– Hybrid-Suchmaschine (Content-Aggregator und WWW-Suchmaschine)
HHU Düsseldorf, SS 2003 Information Retrieval 54
Grundlagen des Information Retrieval
Weltregionen des Internet / Grenzüberschreitungen– Querweltein-Ergänzungen
Suchmaschinen mit Links ins Deep Web. Beispiel: AltaVista (Oberflächenweb) – Wer liefert was? (Deep Web)
HHU Düsseldorf, SS 2003 Information Retrieval 55
Grundlagen des Information Retrieval
Weltregionen des Internet / Grenzüberschreitungen– Querweltein-Ergänzungen
Deep Web-Datenbank mit Links ins OberflächenwebBeispiel: HWWA-Wirtschaftsdatenbank
HHU Düsseldorf, SS 2003 Information Retrieval 56
Grundlagen des Information Retrieval
Weltregionen des Internet / Überblick
Wolfgang G. Stock: Weltregionen des Internet: Digitale Informationen im WWW und via WWW. – In: PasswordNr. 2 (2003), 26-28.
HHU Düsseldorf, SS 2003 Information Retrieval 57
Grundlagen des Information Retrieval
Weltregionen des Internet und die Welt gedruckter Dokumente... wenn die benötigten Dokumente nur in Printausgaben vorliegen:
Nutzung von Document Delivery Services
HHU Düsseldorf, SS 2003 Information Retrieval 58
Grundlagen des Information Retrieval
Typische Dokumente: Wirtschafts-information
Beispiel: Firmendossier (Creditreform Online) - 1 -
HHU Düsseldorf, SS 2003 Information Retrieval 59
Grundlagen des Information Retrieval
Beispiel: Firmendossier (Creditreform Online) - 2 -
HHU Düsseldorf, SS 2003 Information Retrieval 60
Grundlagen des Information Retrieval
Beispiel: Firmendossier (Creditreform Online) - 3 -
HHU Düsseldorf, SS 2003 Information Retrieval 61
Grundlagen des Information Retrieval
Beispiel: Firmendossier (Creditreform Online) - 4 -
HHU Düsseldorf, SS 2003 Information Retrieval 62
Grundlagen des Information Retrieval
Typische Dokumente: News
Beispiel: Zeitungsartikel bei Factiva- 1 -
HHU Düsseldorf, SS 2003 Information Retrieval 63
Grundlagen des Information Retrieval
Beispiel: Zeitungsartikel bei Factiva- 2 -
HHU Düsseldorf, SS 2003 Information Retrieval 64
Grundlagen des Information Retrieval
Typische Dokumente: WTM (1)
Beispiel: Bibliographischer Nachweis / MEDLINE bei DIMDI
HHU Düsseldorf, SS 2003 Information Retrieval 65
Grundlagen des Information Retrieval
Typische Dokumente: WTM (2)
Beispiel: PatentnachweisDerwent bei DIALOG - 1 -
HHU Düsseldorf, SS 2003 Information Retrieval 66
Grundlagen des Information Retrieval
Beispiel: PatentnachweisDerwent bei DIALOG - 2 -
HHU Düsseldorf, SS 2003 Information Retrieval 67
Grundlagen des Information Retrieval
Typische Dokumente: Rechts-information
Beispiel: Grundsatzurteil (Juris) - 1 -
HHU Düsseldorf, SS 2003 Information Retrieval 68
Grundlagen des Information Retrieval
Beispiel: Grundsatzurteil (Juris) - 2 -
HHU Düsseldorf, SS 2003 Information Retrieval 69
Grundlagen des Information Retrieval
Typische Dokumente: WWW
HHU Düsseldorf, SS 2003 Information Retrieval 70
Grundlagen des Information Retrieval
Dateien– Dokumentenspeicher (sequentielle Aufnahme aller
Daten eines Dokumentes) – Zuordnung einer eindeutigen Dok.-Nr.
– Invertierte Dateien: feldspezifische (i.d.R. alphabetische) Listen aller Einträge eines Feldes aller Dokumente – unter Zuordnung der Dok.-Nr. und weiterer Angaben
– Basic Index: Invertierte Datei über bestimmte Felder (je nach System alle Felder oder Auswahl)
– Wortindex: jedes einzelne Wort ist IndexeintragPhrasenindex: zusammengehörige Phrasen bilden einen Indexeintrag
HHU Düsseldorf, SS 2003 Information Retrieval 71
Grundlagen des Information Retrieval
Invertierte Dateien. Jeder Eintrag enthält:– eigene Adresse im Speicher– Dokumentnummer(n) bzw. deren Adresse(n)– Häufigkeit in Gesamtdatenbank
• Anzahl der Dokumente, in denen der Eintrag (min. einmal) vorkommt
• Gesamtanzahl des Vorkommens in der Datenbank– Position(en) im Dokument
• Wortnummer(n)• Vorkommen in Satz/Sätzen Nummer(n) X, X‘, ...• Vorkommen in Absatz/Absätzen Nummer(n) Y, Y‘, ...• beim Einsatz syntaktischen Indexierens: Vorkommen in
Themenkette(n) T, T‘, ...– ggf.: Kennzeichen auf Position (z.B. Größe des Druckerfonts)– ggf.: Gewichtungswert– ggf. jeder Eintrag zweimal: normale Buchstabenfolge und
zusätzlich rückläufig
HHU Düsseldorf, SS 2003 Information Retrieval 72
Grundlagen des Information Retrieval
Invertierte Dateien. Beispiel (Textbody)
Eintrag: Unternehmen / nemhenretnU
Dok.-Nr. 2, 23, 45, 56# Dok. 4# insg. 7Wort-Nr. (2: 4, 28), (23: 99), (45: 13, 17, 55), (56: 432)Satz-Nr. (2: 1, 3), (23: 15), (45: 9, 9, 15), (56: 58)Absatz-Nr. (2: 1, 1), (23: 1), (45: 1, 2), (56: 4)Font (2.4: 28), (2.28: 10), (23.99: 12), (45.13: 72),
(45.17: 12), (45.55: 12), (56.432: 20)
HHU Düsseldorf, SS 2003 Information Retrieval 73
Grundlagen des Information Retrieval
Invertierte Dateien. Beispiel (Deskriptorfeld)
Eintrag: Just in Time-Logistik / kitsigoL-emiT ni tsuJ
Dok.-Nr. 44, 1204# Dok. 2# insg. 8Kette-Nr. (44: 1, 3, 10), (1204: 1-5)Gewichtung (44: 33), (1204: 100)
HHU Düsseldorf, SS 2003 Information Retrieval 74
Grundlagen des Information Retrieval
Wie kommen die Datenbanken zu ihren Dokumenten?
– (1) intellektuelle Auswahl nach Kriterien der Dokumentationswürdigkeit
– (2) automatisches Einsammeln durch Crawler (Spider, Robots)
• Verfolgen der Links in bereits gesammelten Dokumenten
• Beachtung von Robot Exclusion Standards
HHU Düsseldorf, SS 2003 Information Retrieval 75
Grundlagen des Information Retrieval
Crawler. Beispiel: Scooter von AltaVista
ja
nein
ja
nein
ja
nein
Analyse der erfassten Web-Seite
Sind alle URL-Links zu anderen Web-Seiten abgearbeitet?
Sende erfasste Seitean dasIndexierungssystem Bearbeite nächste URL
Ist im Speicher bereits ein Eintrag fürdiese URL?
Ist im Speicher bereits ein Eintrag füreine definierte Spiegelung dieser URL?
Füge Eintrag für eine neue Web-Seite in den aktuellenPuffer ein (Markierung: "nicht erfasst");
füge Eintrag für eine neue Web-Seite in die Datenbankein (Markierung: "nicht erfasst")
Louis M. Monier: System for adding a new entry to a web page table upon receiving a web
page including a link to another web pagenot having a corresponding entry in the web
page table. – Patent Nr. US 6.032.196. –Assignee: Digital Equipment Corp. –
Priorität: 28. August 1998; erteilt: 29. Februar 2000.
HHU Düsseldorf, SS 2003 Information Retrieval 76
Funktionalität Boolescher Retrievalsysteme
HHU Düsseldorf, SS 2003 Information Retrieval 77
Funktionalität Boolescher Retrievalsysteme
Einsatz boolescher Systeme bei:• bibliographischen Datenbanken• Volltextdatenbanken• Faktendatenbanken• z.T. bei Suchmaschinen im WWW
Varianten:• befehlsorientiert (für Information Professionals)• menügeführt (für Laien)
Wolfgang G. Stock: Informationswirtschaft. – München; Wien: Oldenbourg. 2000. - Kap. 4: Retrieval von elektronischen Informationen: Techniken und Strategien, 90-118.
HHU Düsseldorf, SS 2003 Information Retrieval 78
Funktionalität Boolescher Retrievalsysteme
Menügeführtes Boolesches Retrievalsystem
Beispiel: Profound
HHU Düsseldorf, SS 2003 Information Retrieval 79
Funktionalität Boolescher Retrievalsysteme
Befehls-orientiertesBoolesches Retrievalsystem
Beispiel: DialogWeb
HHU Düsseldorf, SS 2003 Information Retrieval 80
Funktionalität Boolescher Retrievalsysteme
Arbeiten mit booleschen Retrievalsystemen– Suchen nach den bestpassenden Datenbanken (Nadel-im-
Heuhaufen-Syndrom – Phase 1)Derzeit existieren mehrere zehntausend fachspezifische Datenbanken. (Hinweis: recht vollständig ist der Datenbankführer von GALE)
– Suchen nach den bestpassenden Dokumenten (Nadel-im-Heuhaufen-Syndrom – Phase 2)Derzeit existieren (außerhalb des WWW) mehrere zehnmilliarden Dokumente.
– Ausgeben der gefundenen Dokumente– Initiierung eines Pushdienstes
HHU Düsseldorf, SS 2003 Information Retrieval 81
Funktionalität Boolescher Retrievalsysteme
Suchen nach bestpassenden Datenbanken (Nadel-im-Heuhaufen-Syndrom – Phase 1)– „Bluesheets“: Detaillierte
Datenbankbeschreibungen
HHU Düsseldorf, SS 2003 Information Retrieval 82
Funktionalität Boolescher Retrievalsysteme
Datenbankindex: Suchen der bestpassenden Datenbanken (befehlsorientierte Variante)
• Öffnen der Indexdatenbank (bei DIALOG: b 411)• Einschränken auf thematischen Bereich / SET FILES
(sf papersmj, 47, not 703)• Suchargument eingeben / SELECT (s XXX)• ggf. Suchargument speichern / SAVE TEMP (save temp
Name)• Rangordnung der Datenbanken nach Treffern zum
Suchargument / RANK FILES (rf)• Aussuchen der Datenbanken; Aufrufen entweder mit File-
Name oder mit Ausgabenummer (N1, N2, ...) / BEGIN (b N1-N9)
HHU Düsseldorf, SS 2003 Information Retrieval 83
Funktionalität Boolescher Retrievalsysteme
Datenbankindex: Beispiel DIALOG (1)
HHU Düsseldorf, SS 2003 Information Retrieval 84
Funktionalität Boolescher Retrievalsysteme
Datenbankindex: Beispiel DIALOG (2)
HHU Düsseldorf, SS 2003 Information Retrieval 85
Funktionalität Boolescher Retrievalsysteme
Datenbankindex: Suchen der bestpassenden Datenbanken (menügeführte Variante)Beispiel: GBI (CROSS)
HHU Düsseldorf, SS 2003 Information Retrieval 86
Funktionalität Boolescher Retrievalsysteme
Suchen nach bestpassenden Dokumenten (Nadel-im-Heuhaufen-Syndrom – Phase 2)Zugang zu Datenbanken
– Öffnen einer Datenbank / BEGIN 3– Öffnen von Segmenten einer Datenbank (etwa: nur die
letzten zwei Jahrgänge) / BEGIN 3 CURRENT 2– Öffnen mehrerer (gleich strukturierter) Datenbanken
gleichzeitig / Einzelauswahl / BEGIN 3, 45, 47– Öffnen mehrerer Datenbanken eines vordefinierten
Datenbankclusters / BEGIN PAPERS
HHU Düsseldorf, SS 2003 Information Retrieval 87
Funktionalität Boolescher Retrievalsysteme
Feldspezifische Suche– alphanumerische Felder (wie AU, CT, TI, ...) / SELECT
S AU=Marx, Karl (bei Phrasenindex)S AU=Marx AND AU=Karl (bei Wortindex)
– numerische Felder (wie YR, UM, PL, ...) / algebraische Operatoren (gleich, größer, kleiner)YR=2003; YR>1999; YR<1999
– Basic Index / Suchen ohne FeldkürzelS Marx
Blättern im Wörterbuch– Einstieg in die invertierten Dateien / EXPAND
E AU=Marx– Anzeige der (alphabetischen) Umgebung mit lfd. Nr.
(etwa: T3 Marx, Karl)– Übernahme der lfd. Nr. / S T3
HHU Düsseldorf, SS 2003 Information Retrieval 88
Funktionalität Boolescher Retrievalsysteme
Schreibvarianten (Beispiele: Lexis-Nexis)– ohne weitere Befehle: je nach System: nicht
zeichensensitiv, automatische Pluralbildung, automatische Weiterleitung zum Deskriptor
– nur Großbuchstaben suchen: ALLCAPS ALLCAPS aids (findet AIDS)
– nur Kleinbuchstaben suchen: NOCAPSNOCAPS aid (findet aid)
– erster Buchstabe groß: CAPS CAPS aid (findet Aid)
– nur Pluralform suchen: PLURALPLURAL job (findet jobs)
– nur Singularform suchen: SINGULARSINGULAR job (findet job)
HHU Düsseldorf, SS 2003 Information Retrieval 89
Funktionalität Boolescher Retrievalsysteme
Fragmentierung (Truncation)– Links-, Mitte-, Rechtsfragmentierung– offene Fragmentierung (beliebig viele Zeichen werden
ersetzt) / $Unternehm$ findet Unternehmen, Unternehmung, Unternehmensgeschichtsschreibungstheorie, ...$unternehmen findet Bauunternehmen, Chemieunternehmen, Stahlunternehmen
– begrenzte Fragmentierung (genau ein Zeichen wird ersetzt) / *Unternehm*** findet Unternehmen, Unternehmung, aber nicht längere TermeMa*er findet Maier, Mayer, Majer (aber auch Maler)
– Je nach System müssen n Zeichen (oft: 3 oder 5) vor oder nach dem Jokerzeichen vorhanden sein
– Achtung bei großzügiger Fragmentierung: $affe$
HHU Düsseldorf, SS 2003 Information Retrieval 90
SchnittmengeA UND B
1. Invertierter Index: Suche nach A nebst Dok.-Nr. Die Menge der Dok.-Nummern sei „Menge 1“.
2. Invertierter Index: Suche nach B nebst Dok.-Nr. Die Menge der Dok.-Nummern sei „Menge 2“.
3. Bestimme Schnittmenge aus „Menge1“ und „Menge 2“. Entstehende Menge sei „Menge 3“.
4. Folge den Verweisen aus „Menge 3“ zu den Dokumenten, kopiere diese zur Ausgabe!
Funktionalität Boolescher Retrievalsysteme
Gerard Salton; Michael McGill: Information Retrieval – Grundlegendes für Informationswissenschaftler. – Hamburg [u.a.]: McGraw-Hill, 1983. – Kap.2: Invertierte Dateisysteme, 27-55.
HHU Düsseldorf, SS 2003 Information Retrieval 91
VereinigungsmengeA ODER B
1. Invertierter Index: Suche nach A nebst Dok.-Nr. Die Menge der Dok.-Nummern sei „Menge 1“.
2. Invertierter Index: Suche nach B nebst Dok.-Nr. Die Menge der Dok.-Nummern sei „Menge 2“.
3. Bestimme Vereinigungsmenge aus „Menge1“ und „Menge 2“. Entstehende Menge sei „Menge 3“.
4. Folge den Verweisen aus „Menge 3“ zu den Dokumenten, kopiere diese zur Ausgabe!
Funktionalität Boolescher Retrievalsysteme
HHU Düsseldorf, SS 2003 Information Retrieval 92
ExklusionsmengeA UND NICHT B
1. Invertierter Index: Suche nach A nebst Dok.-Nr. Die Menge der Dok.-Nummern sei „Menge 1“.
2. Invertierter Index: Suche nach B nebst Dok.-Nr. Die Menge der Dok.-Nummern sei „Menge 2“.
3. Lösche sämtliche Elemente aus „Menge 1“, die auch Elemente aus „Menge 2“ sind!4. Folge den Verweisen aus der verbleibenden „Menge 1“ zu den Dokumenten, kopiere
diese zur Ausgabe!
Funktionalität Boolescher Retrievalsysteme
HHU Düsseldorf, SS 2003 Information Retrieval 93
Ausschließende ExklusionsmengeA XOR B
1. Invertierter Index: Suche nach A nebst Dok.-Nr. Die Menge der Dok.-Nummern sei „Menge 1“.2. Invertierter Index: Suche nach B nebst Dok.-Nr. Die Menge der Dok.-Nummern sei „Menge 2“.3. Bestimme Vereinigungsmenge aus „Menge1“ und „Menge 2“. Entstehende Menge sei „Menge 3“.4. Bestimme Schnittmenge aus „Menge1“ und „Menge 2“. Entstehende Menge sei „Menge 4“.5. Lösche alle Elemente aus „Menge 3“, die auch Element von „Menge 4“ sind!6. Folge den Verweisen aus der verbleibenden „Menge 3“ zu den Dokumenten, kopiere diese zur
Ausgabe!
Funktionalität Boolescher Retrievalsysteme
HHU Düsseldorf, SS 2003 Information Retrieval 94
Funktionalität Boolescher Retrievalsysteme
Boolesche Funktoren in aussagenlogischer Deutung
A B A UND B A ODER B A UND NICHT B A XOR B
w w w w f fw f f w w wf w f w f wf f f f f f
Konjunktion Disjunktion Postsektion Kontravalenz „beides“ „mindestens eines“ „das eine „entweder das eine oder ohne das andere“ das andere“
I.M.Bochenski; Albert Menne: Grundriß der Logistik. – Paderborn: Schöningh, 1973, 27-35.
HHU Düsseldorf, SS 2003 Information Retrieval 95
Funktionalität Boolescher Retrievalsysteme
Abstandsoperatoren (Verschärfung des Booleschen UND)– (1) direkte Nachbarschaft:
• Phrasen: „Miranda Otto“• benachbarte Worte in Reihenfolge: Miranda ADJ Otto findet Miranda Otto• benachbarte Worte ohne Beachtung der Reihenfolge: Miranda (N) Otto
findet Miranda Otto und Otto, Miranda– (2) numerische Abstandsoperatoren:
• Suche nach Worten im Abstand von n Worten (n frei wählbar): Miranda (N) Otto W/25 Eowyn findet alle Texte, in denen die Namen im Abstand von max. 25 Worten vorkommen
– mehrfache Anwendung von W/n findet (bei geschickt gewähltem n) hochrelevante Texte: Auenland W/25 Auenland W/25 Auenland
• Suche nach Worten im Abstand von n Worten (n fest, i.d.R. 10): Eowyn NEAR Aragorn findet Texte, in denen die Namen im Abstand von max. 10 Worten vorkommen
HHU Düsseldorf, SS 2003 Information Retrieval 96
Funktionalität Boolescher Retrievalsysteme
Abstandsoperatoren (Verschärfung des Booleschen UND)– (3) grammatische Nachbarschaft:
• (nicht) im gleichen Satz (auch bei thematischen Ketten des syntaktischen Indexierens)– A UND.S B– A NICHT.S B
• (nicht) im gleichen Absatz– A UND.P B– A NICHT.P B
• (nicht) im gleichen Feld– A UND.F B– A NICHT.F B
• Satzanfang: #A (A steht am Satzanfang)
Häufigkeitsoperator (Angabe der Minimalhäufigkeit)– ATLEAST 20 (A): A muss min. 20mal vorkommen
HHU Düsseldorf, SS 2003 Information Retrieval 97
Funktionalität Boolescher Retrievalsysteme
UND
Marketing Dienstleister
UB1 UB2 UB3
Werbung
UB1 UB2 UB3
Consultant
Hierarchische Suche
HHU Düsseldorf, SS 2003 Information Retrieval 98
Funktionalität Boolescher Retrievalsysteme
Hierarchische Suche• bei Klassifikationen durch Rechtsfragmentierung
– DDC=382 findet alles zur Klasse 382– DDC=382* findet alles zu 382 und zu den Unterbegriffen der
nächsten Hierarchieebene– DDC=382** findet alles zu 382 und zu den Unter-begriffen der
nächsten zwei Hierarchieebenen– DDC=382$ findet alles zu 382 nebst allen Unterbegriffen
• bei Thesauri – DOWN-Operator (findet alles zum Deskriptor nebst aller
Unterbegriffe)DE DOWN Hepatitis findet alles zu Hepatitis und zu allen Unterbegriffen (bis zu den Bottomterms) im unterlegten Thesaurus
– NÄCHSTE EBENE (findet alles zum Deskriptor sowie zu den Unterbegriffen der nächsten Hierarchieebene)
HHU Düsseldorf, SS 2003 Information Retrieval 99
Funktionalität Boolescher Retrievalsysteme
Hierarchische Suche
Beispiel:GBI
HHU Düsseldorf, SS 2003 Information Retrieval 100
Funktionalität Boolescher Retrievalsysteme
Klammersetzung / Bindungsstärke der Operatoren– je nach System binden die Operatoren jeweils stärker
als andere; Beispiel: UND stärker ODER– Umgehen der Bindungsstärke durch Klammern; die
Systeme arbeiten die Klammern von innen nach außen ab
– Gesucht: Artikel von Ernst Meier (oder Maier?) aus den Jahren 1998 und 1999 über Mineralwasser sowie Soft Drinks:AU=M*ier, Ernst UND (YR=1998 ODER YR=1999) UND (DE=Mineralwasser ODER DE=Soft Drinks)
– Gesucht: Unternehmen im Postleitzahlbereich Köln, die Anwendersoftware anbieten und die entweder mehr als 30 Mitarbeiter oder mehr als 20 Mio. EURO Jahresumsatz haben. Wir wollen dabei nichts mit Unternehmen zu tun haben, die Software für militärische Zwecke erstellen.(PL=5$ UND PC=7372002 UND (MI>30 ODER UM>20)) UND NICHT PC=7372003
HHU Düsseldorf, SS 2003 Information Retrieval 101
Funktionalität Boolescher Retrievalsysteme
Datenbankübergreifende Suche– Dubletten können vorkommen und sollten gelöscht werden– Aufruf der Datenbanken in der Reihenfolge ihrer Qualität (damit die
besten Datensätze erhalten bleiben)– nach Abschluss der Suche:
• Identifizieren der Dubletten / IDENTIFY DUPLICATES• Löschen der Dubletten / REMOVE DUPLICATES
– ggf. Aufsplitten der Ergebnisse in die einzelnen Daten- banken
– Beispiel: DataStar
HHU Düsseldorf, SS 2003 Information Retrieval 102
Funktionalität Boolescher Retrievalsysteme
Umformulierung von Suchergebnissen zu Suchargumenten (MAPPING)– Suchschritt 1: Suche nach Argumenten für (den
eigentlich erwünschten) Suchschritt 2– Interesse besteht nur an den gefundenen Inhalten
gewisser Felder; Zwischenspeichern / MAP (ggf. Feldkürzel verändern)
– Suchschritt 2: ggf. Aufruf einer neuen Datenbank, Ausführen des gespeicherten Sucharguments
– Beispiel: Suche nach Literatur zu „Aspirin“ – chemische Bezeichnungen unbekannt: (1) Aufruf einer Synonymdatenbank für chemische Bezeichnungen; Suche nach Aspirin; MAP RN (RN: Feld mit den Bezeichnungen) Suchergebnis wird zwischengespeichert – (2) Aufruf einer Chemie-Literaturdatenbank; Auslösen des Zwischenspeichers EXECUTE STEPS
HHU Düsseldorf, SS 2003 Information Retrieval 103
Funktionalität Boolescher Retrievalsysteme
Ausgeben der gefundenen Dokumente– Anzeigen / TYPE [Suchschritt]/[Format]/[Dokumente]
TYPE S3/5/1-5,9– bisherige Suchgeschichte / DISPLAY SET
– Sortieren / SORT [Suchschritt]/[Dokumente]/[Feld(er)]/ [Sortierrichtung] / SORT S3/all/yr,au/d
– Bilden einer Rangordnung nach Feldinhalten / RANK– Bestellen von Volltexten (die nicht direkt im PDF-Format vorliegen) / ORDER
HHU Düsseldorf, SS 2003 Information Retrieval 104
Funktionalität Boolescher Retrievalsysteme
Einrichten eines Pushdienstes– Suchargument ist vorhanden; Treffermenge
zufriedenstellend– Name des
Suchprofils definieren
– Periodizität festlegen
– Lieferanschrift eingeben hier: E-Mail (GBI)
HHU Düsseldorf, SS 2003 Information Retrieval 105
Funktionalität Boolescher Retrievalsysteme
Einrichten eines Pushdienstes– auf Homepage ausliefern (Beispiel: Factiva)
HHU Düsseldorf, SS 2003 Information Retrieval 106
Funktionalität Boolescher Retrievalsysteme
Auslieferung des Pushdienstes auf Homepage