Skip to main content

Information Retrieval


PDF herunterladen

Was ist Information Retrieval?

Wörtlich übersetzt bedeutet Information Retrieval die Rückgewinnung von Informationen. Laut Definition bezieht sich Information Retrieval auf einen Prozess, bei dem auf Basis eines Informationswunsches aus einem großen unstrukturierten Datenbestand die Informationen herausgesucht werden, die zum Informationswunsch passen.

Information Retrieval gehört damit zu den zentralen Aufgaben einer Suchmaschine: Suchmaschinen sind Informations- und Datensammler. Die gesammelten Daten werden ausgewertet, aufbereitet, gespeichert und wiedergewonnen.

Bedeutung von Information Retrieval

Die immer größere Menge digital verfügbarer Dokumente bringt zugleich die Forderung nach einer schnellen, zielgerichteten Suche mit sich. Im klassischen Sinne bezieht sich das auf die Suche nach Textdokumenten. Die Rückgewinnung von Informationen muss aber grundsätzlich für alle multimedialen Dokumente möglich sein.

Neben der Hauptanwendung Suchmaschinen ist der Information Retrieval Prozess u.a. auch relevant für digitale Bibliotheken, Bilddatenbanken oder multimediale Archive.

Dabei hat die Ausprägung der Suche Einfluss auf die Erfordernisse bzw. Methoden des Information Retrieval. Dieser Einfluss äußert sich z.B. folgendermaßen:

  • Datenbestand, in dem gesucht wird: große Unterschiede zwischen selbstverwaltetem Datenbestand und Datenbestand im Internet
  • Informationswunsch: konkrete vs. eher vage Vorstellung bei der Suche
  • Dokumententyp: Texte in verschiedenen Formaten (z.B. doc-, pdf-, html-Datei), Videos, Bilder, Audio-Dateien

Problematisch bei der Auswahl der passenden Informationen ist zudem das unsichere Wissen des Information Retrieval Systems, d.h. es hat keine Kenntnis von den Dokument-Inhalten. Das Retrieval System kann nur bestimmte Methoden nutzen, z.B. Textstatistik oder Termgewichtung, hat aber Probleme mit bestimmten Wortverwendungen, z.B. mit Synonymen oder Homonymen.

Um den Informationswunsch besser erfüllen zu können, also ein besseres Ergebnis liefern zu können, gibt es beim Information Retrieval verschiedene Möglichkeiten, den Suchwunsch genauer einzuordnen, z.B. indem der Kontext der Suche berücksichtigt wird – genau das machen Suchmaschinen wie Google. Die Suchmaschine bezieht dafür bspw. frühere Anfragen mit ein.

Modelle des Information Retrieval

Es gibt verschiedene Retrieval-Modelle, von denen einige aufeinander aufbauen. Zu den wichtigsten Information Retrieval Modellen gehören:

Boolesches-Modell

  • ältestes Information-Retrieval-Modell basierend auf der Booleschen Logik von 1854
  • Inhalte werden nur anhand der Operatoren “und”, “oder”, “nicht” gefunden
  • die Inhalte werden nicht sortiert – es gibt kein Ranking der Ergebnisse

Linktopologisches Modell

  • basiert nicht auf der Auswertung der Dokumentinhalte, sondern auf der Auswertung der Verlinkungsstruktur zwischen Dokumenten – dadurch ergibt sich ein Ranking der Dokumente
  • die Struktur erlaubt eine Aussage zur Autorität von Dokumenten
  • hierzu gehört bspw. der PageRank von Google, entwickelt von Larry Page und Sergey Brin

Textstatistik

  • Untersuchung der Terme innerhalb eines Dokuments
  • Gewichtung geschieht über WDF und IDF
  • WDF: Within Document Frequenzy – relative Häufigkeit eines Terms innerhalb eines Dokuments
  • IDF: Inverse Document Frequency – Häufigkeit, mit der ein Dokument mit einem bestimmten Term in einer Datenbank vorkommt
  • Vektormodell gehört ebenfalls zum Textstatistik-Modell: Jeder Text entspricht einem Punkt im Raum, die Winkel der Vektoren geben Hinweise zur Ähnlichkeit der Wörter zueinander

Cluster Modell

  • Zusammenfassung von Dokumenten nach Ähnlichkeit
  • kann das Suchverfahren beschleunigen, da nur der Zugriff auf einen Dokumentenpool erforderlich ist
  • Probleme können entstehen, wenn die Cluster nicht vollständig oder sehr umfangreich sind

Wie nutzen Suchmaschinen Information Retrieval?

Jede Internetsuchmaschine nutzt Information Retrieval, um Suchanfragen zu bearbeiten. Bei Suchmaschinen ist es wichtig, die “ermittelten” Informationen zu bewerten und nach Wichtigkeit/Relevanz zu sortieren – daraus ergibt sich das Ranking. Sobald Sie einen Suchbegriff in das Suchfeld eingeben, gibt die Suchmaschine relevante Informationen zu Ihrem Suchbegriff aus den gespeicherten Datenbeständen wieder (SERP).

Mit SEO wird demzufolge versucht, die Rückgewinnung der Informationen der optimierten Seite zu verbessern – einer der Maßnahmen ist bspw. die WDF*IDF Optimierung von Webseiten

Weiterführende Informationen: Information Retrieval – Suchmodelle und Data-Mining-Verfahren für Textsammlungen und das Web.

Jetzt den SEO-Küche-Newsletter abonnieren

Ähnliche Artikel

Domain

Was ist eine Domain? Eine Domain ist ein einmaliger, eindeutiger Name, der den Zugriff auf Webseiten im Internet bereitstellt. Sie begegnet jedem Menschen, der eine Internetseite aufruft. Neben diesem Merkmal für die Identifizierung von Webseiten hat die Domain in der Suchmaschinenoptimierung ebenfalls eine kleine, aber womöglich relevante Bedeutung. Warum existieren […]

Broken Link

Was ist ein Broken Link? Ein Broken Link ist ein Hyperlink auf einer Webseite, der zu einer nicht oder nicht mehr erreichbaren Zielseite führt oder zu einer verlinkten Datei, die nicht mehr auf den Servern befindlich ist. Das Resultat eines Klicks auf einen Broken Link ist in der Regel die […]

ASCII Code

Was ist ASCII Code? ASCII Code ist ein Zeichensatz, der mit insgesamt 7 Bits die Darstellung der meisten Zeichen auf einer Computertastatur erlaubt. Da es sich um eine US-amerikanische Erfindung handelt, fehlen im Deutschen (und anderen Sprachen) vorkommende Zeichen wie Umlaute und das ß. Durch eine ASCII Code Tabelle lässt […]

Amazon Web Service

Was sind die Amazon Web Services? Amazon Web Services, auch als AWS bekannt, ist eine vom gleichnamigen Unternehmen angebotene Plattform für Cloud-Computing. Kunden können dort Anwendungen, Webseiten und Dienste hosten lassen, Ressourcen für rechenintensive Aufgaben mieten und vieles mehr. AWS existiert seit 2006 und ist einer der größten Cloud-Services der […]

410 Fehler-Code

Was ist der Fehler 410? Der 410 Statuscode oder 410 Fehler erscheint im Browser, wenn der Nutzer eine URL aufrufen wollte, die jedoch dauerhaft gelöscht ist. Die genaue Formulierung des Fehlercodes hängt vom Webseitenserver ab. Mögliche Varianten sind unter anderem “Error 410”, “Gone”, “HTTP Status 410” oder “410 Gone”. Auch […]

Dialogmarketing

Was ist Dialogmarketing? Das Dialogmarketing ist eine Art des Direktmarketings. Wie der Name es bereits verrät, geht es um den direkten Dialog zwischen Unternehmen und Kunden. Die Akquise der Neukunden sowie Bestandskundenerhaltung sind im Dialogmarketing enthalten. Die Definition Dialogmarketing Aufgrund der sich verändernden Rechtslage ist die Form des Marketings in […]