Inhaltsverzeichnis

1  Inhalt  1

2  Einf uhrung  1

2.1  Bezug zum Seminar: Wissensmanagement  1

2.2  Eingrenzung des Themas  1

2.3  Motivation  1

3  Fuzzy  2

3.1  Was ist Fuzzy?  2

3.2  Der Begriff Unsch arfe“  2

3.3  Mathematische Grundlagen  3

3.3.1  Die Zugeh origkeitsfunktion  3

3.3.2  Mengentheorie  4

3.3.3  Normierung  6

3.3.4  logische Operatoren  6

3.3.5  Abgrenzung zur Wahrscheinlichkeitstheorie  8

4  Suchen mit Fuzzy  8

4.1  Bisherige Schl usselwortsuche  9

4.2  Kombinierte Suche mit einem unscharfen Begriff  9

4.3  Kombinierte Suche mit mehreren unscharfen Begriffen  11

5  Einbindung des Benutzers  11

6  Bewertung der Fuzzy-Suche  13

6.1  Vorteile  13

6.2  Nachteile  13

6.3  Symbiose  14

7  Fazit  14

Literaturverzeichnis   15

1 Inhalt

Diese Seminararbeit besch¨ aftigt sich mit dem Thema Fuzzy-Suche. ¨ Uber die Eingrenzung des Themas auf die Suche im Internet gelingt es, ein Szenario aufzustellen. Durch dieses Szenario wird gezeigt, dass das Suchen mit herk¨ ommlichen Suchmaschinen ohne Fuzzy zu problematischen Suchergebnissen f¨ uhren kann. Auf diesem Szenario aufbauend, wird erkl¨ art, wie die Fuzzy-Theorie helfen kann, das Problem in den Griff zu bekommen. Hierzu wird zun¨ achst auf die mathematische Konzeption der Fuzzy-Theorie eingegangen, die dann auf die Suchproblematik des Szenarios ¨ ubertragen wird. Im weiteren wird darauf eingegangen, was an den Benutzer f¨ ur Anforderungen gestellt werden und was dies f¨ ur Vor- und Nachteile mit sich bringt. Zum Schluss wird eine W¨ urdigung der Ergebnisse vorgenommen.

2 Einf¨ uhrung

2.1 Bezug zum Seminar: Wissensmanagement

Das Seminar besch¨ aftigt sich mit dem Thema Wissensmanagement. Es ist ersichtlich, dass dadurch das Auffinden von Wissen einen zentralen Punkt darstellt. Wissen ist meist in einer bestimmten Form irgendwo abgelegt. Es soll also das Ziel sein, das Wissen in seiner bestimmten Form zu finden und sich Zugang dazu zu verschaffen.

2.2 Eingrenzung des Themas

Der Fokus der Arbeit liegt hierbei auf der Suche nach Quellen insbesondere Homepages im Internet. Nat¨ urlich lassen sich die folgenden Schwierigkeiten und die vorgeschlagenen Erweiterungen der vorhandenen Suchmaschinen auch auf die Suche in Datenbanken oder anderen Datensammlungen ¨ ubertragen.

Die spezielle Problemstellung der Internetsuche bietet ein einsichtiges Beispiel, da ein großer Anteil der Leser - wenn nicht die Gesamtheit - bereits auf Schwierigkeiten bei der Suche mit Google & Co gestoßen ist.

2.3 Motivation

Stellen wir uns in Anlehnung an [Cho03] folgendes Szenario vor: Wir befinden uns in den USA in San Francisco. Wir m¨ ochten an einem Tag einen ber¨ uhmten Nationalpark besuchen, wir wissen aber nicht welchen. Was liegt also uber Lage, ggf. ¨ n¨ aher, als das Internet zu bem¨ uhen, um sich ¨ Offnungszeiten usw.

1

zu erkundigen. Wir geben also unter www.google.com folgendes in das Suchfeld ein: popular national parks in the USA (beliebte Nationalparks in den USA) und erhalten ca. 174.000 Ergebnisse. Die Suche hat uns also nicht das geliefert, was wir eigentlich wollten, denn es w¨ urde viel zu lange dauern alle vorgeschlagenen Internetseiten nach den gew¨ unschten Informationen durchzusehen. Der Vollst¨ andigkeit halber soll hier angemerkt sein, dass es sich nicht um ein Google-spezifisches Suchergebnis handelt. Als weiteres Beispiel sei hier die Suchmaschine Yahoo aufgef¨ uhrt, welche 176.000 Seiten zu der gesuchten Eingabe findet.

Das Problem von denen im Internet angebotenen Suchdiensten wie Google, Yahoo, Altavista u.a. ist, dass sie auf Schl¨ usselw¨ ortern basieren. Dass heißt, sie suchen nach auf den jeweiligen Seiten enthaltenen Schl¨ usselw¨ ortern und erstellen dann nach Anzahl der Treffer eine Rangfolge der gefundenen Seiten. Die Frage, die sich also stellt ist: Wie k¨ onnen wir eine Suchmaschine so gestalten, dass sie uns die Ergebnisse liefert, die wir gerne haben wollen?

3 Fuzzy

3.1 Was ist Fuzzy?

Wir betrachten zun¨ achst eine ganz allgemeine Definition aus [Bro99]: Fuzzy-Logik (englisch fuzzy: unscharf) ist im weiteren Sinn eine Erweiterung

”

der klassischen Logik und Mengenlehre, [...] so dass eine Darstellung und Verarbeitung unpr¨ aziser Informationen (wie z. B.: [...], ziemlich heiß, stark bremsen) m¨ oglich ist.“

Hier sehen wir schon den Bezug zu dem Problem der Suche aus dem oben geschilderten Szenario. Wir m¨ ochten einen beliebten Nationalpark besuchen. Was aber ist ein beliebter Nationalpark? Der Begriff beliebt ist nicht exakt. Er ist unscharf, also nicht genau abgegrenzt oder im Sinne der obigen Definition unpr¨ azise. Um kl¨ aren zu k¨ onnen, was ein beliebter Nationalpark ist, m¨ ussen wir uns zum einen mit dem Begriff Unsch¨ arfe auseinander setzen, und uns zum anderen mit den mathematischen Grundlagen der Fuzzy-Theorie besch¨ aftigen.

3.2 Der Begriff ” Unsch¨ arfe“

Der Mensch verwendet h¨ aufig unscharfe Begriffe, insbesondere dann wenn es sich um eine unsichere Situation handelt. F¨ ur diese Unsicherheit gibt es nach [Zim93] drei Gr¨ unde:

1. Die Ausgangssituation ist zu komplex, um vom Menschen komplett erfasst zu werden.

2. Vielleicht weiß der Mensch in einer Situation gar nicht genau, was er will.

2

3. Es kann Dinge geben, die der Mensch aufgrund zuk¨ unftiger Ereignisse gar nicht wissen kann.

Wenn wir auch hier wieder unser Szenario betrachten, sehen wir, dass Punkt 2 derjenige ist, welcher den Grund f¨ ur die Unsch¨ arfe im Begriff beliebt (bzw. popular) widerspiegelt.

Die unscharfen Begriffe halten den Menschen jedoch nicht ab, Entscheidungen zu treffen. Ziehen wir zur Verdeutlichung ein Beispiel aus [Zim93] heran. Stellen wir uns vor, jemandem beim Einparken zu helfen. Unsere Kommandos w¨ aren so etwas wie: ” noch etwas weiter zur¨ uck“ oder ” sch¨ arfer einschlagen“. Der Fahrer wird die

Anweisungen zu interpretieren wissen und danach Entscheidungen treffen, wie er sein Auto rangiert.

Ein herk¨ ommlicher Rechner kann mit solchen Kommandos nichts anfangen. Er braucht exakte Informationen; um bei dem Beispiel zu bleiben so etwas wie ” 13,5 mm zur¨ uck“ bzw. ” das Lenkrad 12 Grad 14 Minuten nach rechts“.

Aufgrund der oben genannten Gr¨ unde f¨ ur Unsicherheit ist unsere Begriffswelt voller unscharfer Konzepte. Diese sollen durch die Fuzzy-Mengen formal erfasst und der Verarbeitung durch Rechner zug¨ anglich gemacht werden [Dud93].

3.3 Mathematische Grundlagen

Die mathematischen Grundlagen gehen auf den Wissenschaftler L. Zadeh zur¨ uck. L. Zadeh entwickelte die Fuzzy-Set-Theory (Theorie der unscharfen Mengen) im Jahre 1965. Die Theorie stellt eine Verallgemeinerung der klassischen Mengenlehre als auch der dualen Logik dar [Zim99].

Die zentrale Rolle der Theorie liegt in der Idee und der Konzeption der Zugeh¨ origkeitsfunktion.

3.3.1 Die Zugeh¨ origkeitsfunktion

Die Zugeh¨ origkeitsfunktion ordnet Werten der Menge X einen Grad der Zugeh¨ origkeit zum Konzept F zu, indem X mit der Funktion µ in das reelle Intervall [0; 1] abgebildet wird [Dud93]. µ : X → [0; 1]

Hierbei stellt X eine Menge dar, die wir als Indikator f¨ ur den unscharfen Begriff ansehen. Jedem Element dieser Menge wird ¨ uber die Funktion µ ein Wert zwischen 0 und 1 zugeordnet. Hierbei soll der Wert 1 f¨ ur die volle Zugeh¨ origkeit zum Konzept F stehen und 0 f¨ ur ¨ uberhaupt keine Zugeh¨ origkeit. ¨ Ubertragen wir diese Theorie auf unser Szenario, dann k¨ onnen wir als Indikator f¨ ur den unscharfen Begriff beliebt eine Gr¨ oße w¨ ahlen wie Besucher in Millionen pro Jahr. Das Konzept F ist die Beliebtheit. Nehmen wir an, ab einer Besucherzahl von 5 Millionen geh¨ ort ein Nationalpark zu den beliebten (Zugeh¨ origkeit:

3