Tolerantes Information Retrieval. Neuronale Netze zur Erhöhung der Adaptivität und Flexibilität bei der Informationssuche

Mandl, Thomas (2001) Tolerantes Information Retrieval. Neuronale Netze zur Erhöhung der Adaptivität und Flexibilität bei der Informationssuche. Universitätsverlag Konstanz.

Full text available as: PDF - Requires Adobe Acrobat Reader or other PDF viewer.

Abstract

[German abstract]

Information Retrieval befasst sich mit vagen Anfragen und der vagen Modellierung von Benutzerverhalten. Neuronale Netze sind eine Methode zur vagen Informationsverarbeitung und zur Implementierung kognitiver Fähigkeiten.
Diese Arbeit gibt einen umfassenden Überblick über den state-of-the-art zu neuronalen Netzen im Information Retrieval und analysiert, gruppiert und bewertet zahlreiche Systeme. Als Konsequenz von Schwächen bestehender Modelle wird das COSIMIRModell entwickelt, das auf dem neuronalen Backpropagation-Algorithmus aufbaut. Es erlernt den im Information Retrieval zentralen Vergleich zwischen
Dokument und Anfrage anhand von Beispielen. Die kognitive Modellierung ersetzt so ein formales Modell und führt zu höherer Adaptivität und damit zu verbesserter Toleranz gegenüber Benutzereigenschaften. Das Transformations-
Netzwerk ist ein weiteres System, das auf dem Backpropagation-Algorithmus basiert und Retrieval bei heterogenen Daten ermöglicht. In mehreren Experimenten werden das COSIMIR-Modell und das Transformations-Netzwerk mit realen Daten getestet. Das COSIMIR-Modell hat sich dabei für Fakten-Retrieval bewährt. Die Experimente mit dem Transformations-Netzwerk und alternativen Verfahren ergaben je nach Datengrundlage unterschiedliche Ergebnisse. Das optimale Verfahren hängt also vom Anwendungsfall ab.
Bei gleicher Qualität ist die Überschneidung der Ergebnisse verschiedener Verfahren relativ gering, so dass Fusionsverfahren erprobt werden sollten.

[English abstract]

Information retrieval deals with vague queries and vague models of user behavior. Neural networks are a method to process vague information and implement cognitive skills. This thesis provides an overview of the state-ofthe-art of neural networks in information retrieval by analysis, clustering and evaluation of a large number of systems.
The shortcomings of existing models have led to the development of the COSIMIR model, which is based on the neural backpropagation algorithm. It learns from examples to compare queries and documents, a central process in
information retrieval. The cognitive approach replaces a formal model and leads to higher adaptivity and tolerance with regard to user interests. The transformation network is another system which is based on the backpropagation
algorithm and which makes the retrieval of heterogeneous data possible. In several experiments, the COSIMIR model and the transformation network are tested with real world data. The COSIMIR model achieves good results for factual retrieval. The experiments with the transformation network and alternative methods lead to different results for different data sets. Which method performs best depends to a considerable extent on the data. Where the different methods are of comparable quality, the overlap of the results is relatively low. It is therefore recommended that fusion methods be employed.

Keywords:	information retrieval
Subjects:	L. Information technology and library technology. > LM. Automatic text retrieval.
ID Code:	3832
Deposited By:	Lewandowski, Dirk
Deposited On:	15 May 2005
Alternative Locations:	http://www.informationswissenschaft.org/download/cc_diss_mandl.pdf
All fields:	Show all fields

Archive Staff Only: edit this record