Um einen schnellen Zugriff auf Textdokumente über enthaltene Stichwörter zu ermöglichen, müssen die Texte zu einem invertierten Dateisystem aufbereitet werden. Ein invertiertes Dateisystem besteht aus

Vom Textdokument zum invertierten Dateisystem

(ein vereinfachtes Beispiel)

Dokument 1

Er konnte nie über etwas lachen, wie kann ein Mensch so tief verflachen!

Dokument 2

Wozu, so fragt man sich, Reichtum, Wohlstand, Macht,
wenn alles dies die Menschen nur verflacht?

(aus: Christian Morgenstern, Sprüche)


Arbeitsschritte des Programms bei der Volltextinvertierung:

1. Schritt:
2. Schritt:

Erstellen eines Index in der Reihenfolge des Vorkommens im Text. Jedes Wort erhält beim ersten Vorkommen eine feste Adresse (Nr.)


alphabetische Sortierung des Index aus Schritt 1

numerisch sortierter Index alphabetisch sortierter Index
Adresse Stichwort Stichwort Adresse
1 er alles 22
2 konnte die 24
3 nie dies 23
4 über ein 9
5 etwas er 1
6 lachen etwas 5
7 wie fragt 15
8 kann kann 8
9 ein konnte 2
10 mensch lachen 6
11 so macht 20
12 tief man 16
13 verflachen mensch 10
14 wozu menschen 25
15 fragt nie 3
16 man nur 26
17 sich reichtum 18
18 reichtum sich 17
19 wohlstand so 11
20 macht tief 12
21 wenn über 4
22 alles verflachen 13
23 dies verflacht 27
24 die wenn 21
25 menschen wie 7
26 nur wohlstand 19
27 verflacht wozu 14

3. Schritt:

Jetzt wird das invertierte Dateisystem erstellt, indem für jedes Wort eine invertierte Liste angelegt wird, in der angegeben ist:

Stichwortadresse DocID Position im Text Frequenz Zusatzinfos
z.B. Gewicht
... ... ... ...  
10 1 10 1
11 1
2
11
2
1
1
... ... ... ...
27 2 15 1

Erläuterungen

Eine Zeile ist eine invertierte Liste/Datei im invertierten Dateisystem. Für jedes Stichwort wird eine eigenständige invertierte Liste in der invertierten Datei erstellt.

Die Bezeichnungen 'invertierte Liste' und 'invertierte Datei' werden häufig verwechselt, bzw. synonym verwendet. Es gibt keine einheitliche Sprachregelung.

Bei der Suche nach einem Dokument greift ein Retrieval System zunächst auf den alphabetisch sortierten Index zu. Der Index holt sich Informationen zu dem gesuchten Indexterminus in der entsprechenden invertierten Datei. Die wiederum greift über die in ihr enthaltenen Dokument-Identnummern auf die direkten Textdateien zu.

Stichwortsuchen in Textdokumenten erfolgen also über alphabetisch oder numerisch sortierte Listen; dadurch sind sie schnell. Eine direkte Suche nach einem Stichwort in einer Sammlung von Textdokumenten (Stringsuche) ist sehr langsam und nur in sehr kleinen Textmengen üblich.


Stand: 27. Januar 2013

< Seite drucken >
< Zum Seitenanfang >

STEP 1

Einführung

STEP 2

Initialaufgabe

STEP 3

Lektüre 1

STEP 5

Übung
Step 1
Step 2
Step 3
Step 4
Step 5
Lektüre 2: Invertierte Dateisysteme

LE 02: Volltextinvertierung