Deskriptor
Anabelen sind vorwiegend natürlichsprachige Bezeichner, die der Beschreibung von Texten oder Bildern dienen. Eine geordnete Zusammenstellung von Deskriptoren, die in einem Dokumentationsgebiet zum Indexieren, Speichern und Wiederauffinden (Information Retrieval) von Dokumenten dient, nennt man Thesaurus.
Man unterscheidet zulässige und nicht-zulässige Deskriptoren, so genannte Nicht-Deskriptoren. Letztere werden auf zulässige Deskriptoren zurückgeführt, womit eine Suche auch mit ihnen möglich ist. Wenn z.B. ein Thesaurus die Verwendung des Deskriptors "Sonnabend" vorschreibt, wird dieser Deskriptor mit dem Nicht-Deskriptor "Samstag" verknüpft, sodass die Nutzer auch diesen verwenden können. Für jedes Sachgebiet gibt es eine solche Liste, aus der man sich bedienen muss. Ziel einer solchen Liste mit zulässigen und nicht zulässigen Deskriptoren ist es, Konsistenz und Vereindeutigung zu erreichen.
Ein (invertierter) Index stellt die Verbindung zwischen Deskriptoren und Dokumenten her. Er entspricht einer Matrix, in der jede Spalte einem Dokument und jede Zeile einem Deskriptor entspricht. An dem Punkt, wo sich Spalte und Zeile treffen, steht dann die Zahl 1 für ein im Dokument vorkommendes Schlüsselwort und die Null, wenn das Dokument das Schlüsselwort nicht enthält.
Inhaltsverzeichnis
Ermittlung von Deskriptoren
Man unterscheidet verschiedene Methoden zur Ermittlung von Deskriptoren:
- Bei der Extraktionsmethode werden Worte aus dem Text ausgewählt, um ihn zu beschreiben (Stichwörter).
- Schlagworte sind Worte, die nicht im Text vorkommen, aber dennoch eng mit dem Inhalt des Textes verwandt sind. Sie werden bei der Additionsmethode als Beschreibung genutzt.
Dokumente ohne Text (z.B. Filme, Bilder oder Modelle) können natürlich nur nach der Additionsmethode indexiert werden.
Da die Nutzer ihre Anfragen auf sehr unterschiedliche Weise stellen, oftmals dasselbe meinen, aber einen anderen Wortschatz verwenden, versucht man durch verschiedene Möglichkeiten die Trefferquote zu verbessern:
- Stoppworteliminierung
- Terme, die nicht zur Semantik des Dokumentes beitragen, sollen nicht verwaltet werden. Dies bezieht sich auf Artikel, Konjunktionen etc.
- Stamm- und Grundformenreduktion
- Das Matching soll auf die Wortstämme ausgedehnt werden, d.h. sucht der Nutzer nach dem Begriff 'Methoden', sucht das System automatisch auch nach 'Methode'. Bei konjugierten Verben wird automatisch auch der Infinitiv gesucht usw.
- Mehrwortgruppenidentifikation
- Semantisch zusammengehörige Wortgruppen sollen erkannt und als Einheit verwaltet werden.
Koordinierung der Deskriptoren
Unter der Koordinierung der Deskriptoren versteht man, wie die Deskriptoren in den Metadaten aufgenommen werden. Also ob sie unterschiedliche Gewichtung bekommen und ob eventuelle Beziehungen einzelner Deskriptoren untereinander mit abgespeichert werden.
Welche Vorteile bietet welche Deskriptorenermittlungsmethode?
| Extraktion vs. Addition | ||
|---|---|---|
| Extraktion | Addition | |
| notwendige Textkenntnis des Indexierers |
nicht besonders hoch | gute Kenntnisse erforderlich |
| Indexierungs-Konsistenz | weitestgehend sichergestellt | führt oft zu Inkonsistenz |
| Erfolgsquote | im Schnitt gut | Schnitt nicht so gut, aber bei gutem Indexierer oft besser |
Also: ein guter Indexierer erzielt mit der Additionsmethode wohl das beste Ergebnis. Ist er jedoch nicht so geübt, so ist die Extraktionsmethode meist besser; vor allem aber schneller und billiger.
