-
Die Erfindung betrifft ein Verfahren
zur Differenzierung von durch Suchmaschinen im Rahmen einer Suchanfrage
ermittelten Referenzen auf Dokumente, die als monoton fallende bzw.
steigende Folge von numerischen Werten vorliegen, welche entsprechend
ihrer Relevanz zur Suchanfrage geordnet sind.
-
Volltextsuchmaschinen dienen der
Suche nach Dokumenten auf der Basis von gesuchten Begriffen. Ergebnis
einer Suchanfrage ist eine sortierte Liste von Referenzen auf Dokumente,
die – zumeist – nach der
Relevanz der entsprechenden Dokumente bzgl. der Suchanfrage sortiert
ist.
-
Aus
DE 198 59 838 A1 ist ein Verfahren zum rechnergestützten Recherchieren
nach Dokumenten in einer elektronischen Datenbank bekannt, das als zweistufiges
Verfahren ausgebildet ist. In der ersten Stufe werden vom Nutzer
Suchbegriffe bestimmt oder es wird ein Referenz-Dokument benannt.
Allen als relevant ermittelten Dokumenten wird ein relativer Informationsgehalt
nach Häufigkeit
und Verteilung der Suchbegriffe in den Dokumenten zugeordnet. In einem
zweiten Schritt wird anhand der Summe aller gemeinsamen Informationsgehalte
für jedes
Dokument ein hinsichtlich der Suchanfrage relevantes Ähnlichkeitsmerkmal
definiert, nach welchem die Dokumente sortiert ausgegeben werden.
Die Lösung nach
DE 198 59 838 A1 ermöglicht die
Sortierung von Dokumenten entsprechend ihrer inhaltlichen Ähnlichkeit.
-
In
DE 197 44 648 A1 wird ein Verfahren und eine
Anordnung zur Sekundärbilderzeugung
und zur schnellen Suche in digitalen Bilddatenbanken beschrieben.
Bei dieser Lösung
wird in einer Recheneinheit mittels einer Wavelet-Zerlegung von
einer Bildvorlage ein Sekundärbild
erstellt, wobei durch eine Farbtransformation die digitale Farb-
und Helligkeitsskalierung dem menschlichen Farb- und Helligkeitsempfinden
angeglichen wird und/oder, dass das Sekundärbild in einem Bildreduzierer
auf einen Teil seiner bildspezifisch wesentlichen Koeffizienten
reduziert wird. Durch den Vergleich mit anderen derartigen Sekundärbildern
soll eine schnellere und zuverlässigere
Suche in Bilddatenbanken ermöglicht
werden. Hierbei kann die Suche in digitalen Bilddatenbanken für jedes
der gefundenen Bilder ein Ähnlichkeitsmaß bestimmen.
-
DE 198 11 352 A1 beinhaltet ein System und ein
Verfahren zur Suche auf untereinander vernetzten Rechnern mit Informationsbeständen mittels Softwareagenten.
Bei dieser Lösung
wird ein erster Suchagententyp in Form eines Profilagenten, der
mit variabler semantischer Suchprofilinformation ausgestattet ist,
zur Informationssuche verwendet. Mindestens eine erste und eine
zweite Suchprofilinformation werden miteinander verglichen; und
es wird ein Profilähnlichkeitsmaß bestimmt.
Das Profilähnlichkeitsmaß wird bezüglich seines Ähnlichkeitsschwellwertes
bewertet. Falls die Ähnlichkeit
groß genug
ist, werden die zwei Profilinformationen in einer Suchgruppe zusammengefasst.
Falls die Ähnlichkeit
zu klein ist, wird für
jede Suchprofilinformation eine eigene Gruppe gebildet. Durch die
Lösung
wird die Netzlast reduziert, die Datenbankzugriffe werden minimiert,
und es wird lediglich die gewünschte
Information mit hoher Qualität
zur Verfügung
gestellt.
-
Die oben angeführten Lösungen beziehen sich auf den
eigentlichen Suchvorgang selber und sind insbesondere darauf ausgerichtet,
den Suchvorgang zu optimieren bei gleichzeitiger Sortierung entsprechend
der Relevanz.
-
Die im Rahmen einer Suchanfrage ermittelte Ergebnisliste,
die durchaus mehrere hunderttausend Referenzen enthalten kann, muss
in der Regel durch die Benutzer der Suchmaschine inspiziert werden, um
die Dokumente ausfindig zu machen, die ihrem Informationsbedarf
genügen.
-
Aus
DE 198 14 293 A1 ist ein Verfahren zur Visualisierung
von Suchergebnissen für
Suchanfragen mit zwei Suchbegriffen bekannt. Bei dieser Lösungsollen
dem Nutzer selbst Ergebnisse komplexer Suchanfragen in übersichtlicher
und leicht zu erfassenden Weise dar gestellt werden. Bei dieser Lösung werden
die Treffer als Felder einer Kugel dargestellt. Die Position und
die Farbe der verschiedenen Felder ergibt sich aus der Trefferhäufigkeit
und bietet dem Betrachter somit eine einfache Möglichkeit, innerhalb der Suchergebnisse
zu navigieren und die Treffer zu finden, die ihn wirklich interessieren.
Diese Lösung verbessert
zwar die Übersichtlichkeit,
hilft aber nicht bei der Entscheidung, an welchem Punkt es sinnvoll ist,
die Auswertung der Rechercheergebnisse abzubrechen.
-
Bei den bekannten Lösungen machen
Benutzer in der Regel die Erfahrung, dass die ersten Dokumente der
Liste häufig
sehr relevant bzgl. ihrem Informationsbedarf sind, dass aber Dokumente,
die in der Liste sehr weit hinten stehen, meist irrelevant sind.
-
Auf der Basis dieser Erfahrung inspizieren Benutzer
zumeist nur die ersten paar Dutzend Ergebnisse und geben anschließend auf.
Hierbei passiert es in der Regel, dass sie entweder zu früh aufgeben (d.h.,
dass nach dem Abbruchpunkt noch weitere relevante Dokumente folgen)
oder dass sie zu spät
aufgeben (d.h., dass sie trotz Erreichen eines Abbruchpunktes die
Ergebnisse weiter inspizieren). Was fehlt, ist ein Kriterium, nach
dem Benutzer entscheiden können,
wann es sinnvoll ist, die Inspektion der gefundenen Ergebnisse abzubrechen.
-
In einigen Anwendungen – insbesondere
im Bereich intelligenter Agenten – ist es nötig, die durch eine Suchmaschine
gefundenen Ergebnisse mit Hilfe von Analyseprogrammen weiter zu
analysieren. Beispielsweise, um aus den gefundenen Dokumenten spezifische
Informationen zu extrahieren. Auch hierfür wird ein Kriterium benötigt, mit
dem entschieden werden kann, wann eine weitere Analyse nicht mehr sinnvoll
ist. Die Nutzung von Suchmaschinen wird jedoch auch für Endgeräte angeboten,
bei denen, bedingt durch die Bildschirmgröße, nur eine sehr kleine Anzahl
von Ergebnissen dargestellt werden kann, bzw. bei denen sich die
Durchsicht einer größeren Menge
von Ergebnisreferenzen als zu unkomfortabel erweist. Hierzu zählen die
sogenannten WAP-fähigen
Endgeräte,
wie z.B. Mobiltelefone oder Organizer. Bei WAP (Wireless Application
Protocol) handelt es sich um ein Protokoll, mit dem WML (Wireless Markup
Language) Dokumente an mobile Endgeräte, wie beispielsweise Handys, übermittelt
werden können.
-
Aufgabe der Erfindung ist es, ein
Verfahren bereitzustellen, dass eine bessere Differenzierung von
durch Suchmaschinen im Rahmen einer Suchanfrage ermittelten Referenzen
auf Dokumente ermöglichen
soll. Die im Rahmen einer Suchanfrage von einer Suchmaschine ermittelten
Ergebnisreferenzen, die als monoton fallende bzw. steigende Folge
von numerischen Werten vorliegen, welche entsprechend ihrer Relevanz
zur Suchanfrage geordnet sind, sollen dabei in Bezug auf relevante
Ergebnisreferenzen so weit differenziert werden, dass sich das Verfahren
auch für
Endgeräte
mit geringer Bildschirmgröße, wie
beispielsweise WAP-fähige
Handys, eignet.
-
Diese Aufgabe wird durch die im Patentanspruch
1 ausgegeben Merkmale gelöst.
-
Zur Realisierung des erfindungsgemäßen Verfahrens
wurde ein aus dem Bereich der Bilderkennung an sich bekanntes Vorverarbeitungsverfähren umstrukturiert.
Bei dem Verfahren handelt es sich um ein Vorverarbeitungsverfahren,
zur Kontrastverstärkung
und Identifikation von Kanten. Dieses Verfahren beruht auf der Manipulation
der Bildinformation mit einer als „Sobel-Operator" bezeichneten
Funktion. Dieser beispielsweise in The Hand-book of Artifical Intelligence
von Cohen, P. R. und Feigenbaum, E. A.; editors 1982). Volume 3,
Heuris Tech Press and William Kaufmann, Stanford, California and
Los Altos, California beschriebene Operator ist standardmäßig für den zwei-dimensionalen
Fall und die Verarbeitung einer Matrix von Bildpunkten definiert.
-
Vorteilhafterweise wurde dieser Operator vom
zwei-dimensionalen Fall auf den eindimensionalen Fall umstrukturiert.
Der nachfolgend mit Stufen-Operator bezeichnete Operator wurde dabei
so verändert,
dass er erstens eine Kontrastverstärkung und zweitens eine Identifikation
von Stufen innerhalb einer monoton fallenden (oder steigenden) Folge
von numerischen Werten ermöglicht.
Da insbesondere im Anwendungskontext von Suchmaschinen nicht gleich
jede kleinste Stufe einer Relevanzbewertung als signifikant betrachtet
werden darf, wurde der Stufen-Operator mit einem Schwellwertmechanismus verknüpft, mit
dem sich die Sensitivität
des Operators steuern lässt.
Das bedeutet, dass über
den konkret eingestellten Schwellwert s bestimmt wird, welche Höhe einer
Stufe als signifikant zu bewerten ist. Es werden dabei lediglich
die Stellen als signifikante Stufen bewertet, an denen die Differenz
zwischen zwei aufeinanderfolgenden Funktionswerten mindestens dem vorgegebenen
Schwellwert s entspricht und eine maximale Steigung (1. Ableitung)
vor oder hinter dem Funktionswert gegeben ist. Alle Stellen, die
als signifikante Stufen ermittelt wurden, stellen generell eine
potentielle Schnittstelle zwischen relevanten und weniger relevanten
Referenzen auf Dokumente dar.
-
Wird nur eine signifikante Stufe
ermittelt, so wird diese Stufe als Schnittstelle zwischen relevanten
und weniger relevanten Referenzen bewertet, wobei im Ergebnis nur
die relevanten Referenzen auf Dokumente ausgegeben werden.
-
Da unter Umständen mehrere signifikante Stufen
ermittelt werden können,
kann mit einem weiteren Parameter P spezifiziert werden, wie viele
dieser Stufen zur Schnittstellenbestimmung herangezogen werden müssen. Der
Parameter P ist dabei ein Schwellwert, der angibt, wieviele signifikante
Stufen in die Schnittstellenbestimmung einbezogen werden. Der Parameter
P kann frei festgelegt werden.
-
Nachfolgend werden Möglichkeiten
für die Bestimmung
der konkreten Schnittstelle zwischen den ermittelten Referenzen
zu Dokumenten beschrieben: Lassen sich lediglich weniger als P bzw. genau
P solcher potentiellen Schnittstellen (Funktionswerte) identifizieren,
so wird die jeweils erste Stufe als „Schnittstelle" bewertet.
-
Sind mehr als P Stufen identifizierbar,
so kann keine Einzelne als signifikant betrachtet werden und der
letzte Funktionswert wird als „Schnittstelle" bewertet.
-
1 zeigt
anhand einer grafischen Darstellung ein Beispiel, bei dem zu 10
Funktionswerten, die den ermittelten Relevanzwerten von gefundenen
Dokumenten entsprechen, potentielle Stufen ermittelt wurden.
-
Wird beispielsweise der Parameter
P auf 2 gesetzt, so werden die in 1 berechneten
Stufen als signifikant betrachtet und als Schnittstelle wird der Wert
4 ausgegeben, da nach diesem Wert die erste Stufe folgt. Wurde hingegen
der Parameter P auf 1 gesetzt, so werden alle in 1 berechneten Stufen als nicht signifikant
betrachtet – was
bedingt durch die Regelmäßigkeit
der Funktionswerte auch berechtigt ist – und es wird als Schnittstelle
der Wert 10 ausgegeben.
-
Je nach Anwendung kann die Schnittstelle dazu
verwendet werden, Benutzer darüber
zu informieren, dass die Funktionswerte ab dem bezeichneten Punkt
signifikant schlechter werden. Oder die Schnittstelle kann dazu
verwendet werden, die weitere Verarbeitung oder Darstellung zu unterbinden.
-
Nachfolgend wird der dem Stufen-Operator mit
Schwellwertmechanismus zugrunde liegende Verfahrensalgorithmus näher erläutert:
-
Sei a1, ...,an eine Folge von monoton fallenden Funktionswerten,
sei s ein Schwellwert und sei p ein Parameter, dann wird in einem
ersten Schritt a1, ...,an mit
den Operator Werten o1, o3 (wobei
o1 ≤ – o3) wie folgt zu einer Folge von potentiellen
Stufenwerten b1,...,bn verrechnet: b1 = round((a2 – a1)/s)*s*o3 bi = round((ai+1 – ai)/s)*s*o3 – round((ai – ai–1)/s)*s*o1 für
i = 2,...,n m – 1 bn = round((an – an–1)/s)*s*
o1
-
Aus der Folge b1,...,bn wird anschließend in einem zweiten Schritt
die erste Ableitung c1,...,cn wie folgt
ermittelt: ci = bi – bi+1 für i = 1,..., n – 1 cn = – bn–1
-
Gleichzeitig mit der Berechnung der
ersten Ableitung wird deren maximaler Wert, der Index i des ersten
Auftretens des maximalen Stufenwertes und die Anzahl des Vorkommens
dieses Wertes bestimmt.
-
Ist die Anzahl des Vorkommens des
maximalen Stufenwertes größer als
p, so wird im letzten Schritt als Schnittstelle der Wert von n zurückgeliefert,
ansonsten wird als Schnittstelle der Wert von i zurückgeliefert,
wenn ci = 0 ist (Nulldurchgang der ersten
Ableitung in bi), wenn ci–1 < 0 und ci > 0
ist (Nulldurchgang der ersten Ableitung zwischen bi–1 und
bi) oder wenn bi < 0 und bi+1 > 0
ist (Nulldurchgang der ersten Ableitung zwischen bi und
bi+1).
-
Neben der beschriebenen Eigenschaft
der Identifikation signifikanter Stufen besitzt das erfindungsgemäße Verfahren
darüber
hinaus die folgenden Vorteile:
- – Das erfindungsgemäße Verfahren
terminiert garantiert, d.h., es ist nach endlicher Zeit beendet und
hält garantiert
an.
- – Da
das Verfahren bei der Berechnung maximal n Funktionswerte in 2 Iterationen
verrechnet, besitzt es eine lineare Laufzeitkomplexität der Größenordnung
O(2n) und kann somit als schnell bezeichnet werden.
- – Die
Speicherplatzkomplexität – hierunter
wird die Größenordnung
des von einem Verfahren benötigten
Speicherplatzes verstanden – besitzt eine
Größenordnung
von maximal O(3n) und ist daher ebenfalls als effizient zu bezeichnen.