LE 6: Retrievalmodelle

Das Relevance Ranking lässt sich nach einer einfachen Formel berechnen. Schauen Sie sich dazu folgendes Beispiel an.

Gesucht sind Dokumente zum Thema "Tiere und Pflanzen in Korallenriffs" in einer großen biologischen Datenbank mit 1000000 Datensätzen

Die Datenbank enthält

40 000 Datensätze mit dem Wort 'Tiere'
30 000 Datensätze mit dem Wort 'Pflanzen'
50 Datensätze mit dem Wort 'Korallenriffs'
10 Datensätze mit Wort 'Seeanemone'

Zunächst wird eine vereinfachte Formel zur Berechnung der Gewichte der einzelnen Suchtermini angewandt. Die Formel kennen Sie bereits teilweise aus der Lerneinheit "Statistische Verfahren". In dem folgenden Beispiel wird mit dem sogenannten natürlichen Logarithmus (= zur Basis 2,718..) gearbeitet. Auf dem Taschenrechner die Taste ln.:

G = log(N/n)

N = eine Konstante, die mindestens so groß ist wie die Anzahl der Treffer für das hä ufigste Wort in der Datenbank und nicht größer als die Anzahl ihrer Datensätze: also 1000000
n = Anzahl der Treffer für den jeweiligen Suchterminus

In diesem Beispiel:

Tiere: log(1 000 000 / 40 000) = log 25 = 3,2 (abgerundet)
Pflanzen: log(1 000 000 / 30 000) = 3,5 (abgerundet)
Korallenriff: log(1 000 000 / 50) = 9,9 (abgerundet)
Seeanemone: log( 1 000 000 / 10) = 11,51 (abgerundet)

Für jeden Datensatz, der einen oder mehrere der Suchtermini enthält, werden folgende Schwellenwerte berechnet:

MAG = minimal akzeptable Gewichtung. Diesen Schwellenwert muss der Datensatz überschreiten, um überhaupt für die Recherche als relevant angezeigt zu werden.
MMG = maximal mögliche Gewichtung - kann ein Datensatz erhalten, wenn alle Suchtermini in ihm enthalten sind.

Formeln für die Gewichtung der Datensätze

Für Suchfomulierungen mit nur 1 Suchterminus:

MAG = MMG

Für Suchfomulierungen mit genau 2 Suchtermini:

a) 2 häufig vorkommende Termini (z.B. Tiere von Pflanzen)

MAG = S Gewichte beider Suchtermini

b) 1 häufig vorkommender und 1 selten vorkommender Terminus (z.B. 'Tiere im Korallenriff')

MAG = Gewicht des seltenen Suchterminus

c) 2 selten vorkommende Suchtermini (z.B. 'Korallenriff und Seeanemone')

MAG = Gewicht von einem der beiden Suchtermini

Für Suchformulierungen mit > 2 Suchtermini

MAG = MMG / 2

Bezogen auf das Beispiel oben: "Tiere und Pflanzen in Korallenriffs": Es handelt sich um eine Suchformulierung mit mehr als 2 Suchtermini.

MMG = 3,2 + 3,5 + 9,9 = 16,6

MAG = MMG / 2 = 16,6 / 2 = 8,3

Folglich werden erst alle Treffer angezeigt,

die alle Suchtermini enthalten (MMG)
dann alle Datensätze mit 'Korallenriffs + Pflanzen' (Gewichtung = 13,4)
dann Datensätze mit 'Korallenriff + Tiere' (Gewichtung = 13,1)
dann alle Datensätze mit 'Korallenriff' (Gewichtung = 9,9).
Nicht mehr angezeigt werden Datensätze mit einer Gewichtung unter 8,3 (MAG), also alle Datensätze mit 'Tiere + Pflanzen' (3,2 + 3,5 = 6,7)

Quelle für MAG und MGG (verkürzt): Walker; Jones, Kap. 6.5.3., S. 80-82

Lerneinheit 6

Berechnung der Relevanz

Formeln für die Gewichtung der Datensätze