Strukturelle Analyse Web-basierter Dokumente
:
Matthias Dehmer
:
Strukturelle Analyse Web-basierter Dokumente
:
DUV Deutscher Universitäts-Verlag
:
9783835091351
:
1
:
CHF 32.70
:
:
Informatik
:
German
:
171
:
Wasserzeichen/DRM
:
PC/MAC/eReader/Tablet
:
PDF
Matthias Dehmer rückt das Web Structure Mining, insbesondere die strukturelle Analyse Web-basierter Hypertexte auf Grundlage gerichteter Graphen, in den Mittelpunkt seiner Untersuchung. Der Autor stellt ein graphentheoretisches Modell zur Bestimmung der strukturellen Ähnlichkeit einer Klasse von gerichteten Graphen vor. Auf Basis des angesprochenen Modells führt er Experimente mit bestehenden Hypertexten durch und beschreibt neuartige Anwendungen im Web Structure Mining und in anderen Gebieten.
Dr. Matthias Dehmer arbeitet in der Informatik im Bereich der Strukturklassifikation und der Analyse von graphbasierten Netzwerken. In der Mathematik ist er in der diskreten Mathematik (Schwerpunkt Graphentheorie) und in der angewandten Funktionentheorie (Schwerpunkt Nullstellenlokalisierung) tätig.
Einleitung
(S. 1)
1.1 Motivation der Arbeit
Die Untersuchung von Strukturen ist aus der Sicht vieler Wissenschaftsbereiche ein aktuelles Forschungsthema. Dabei ist die Strukturanalyse einerseits in anwendungsorientierten Disziplinen und andererseits in theorieorientierten Forschungsbereichen von zentraler Bedeutung:
 ,In der Linguistik wird intensiv die Struktur von Sprache, z.B. die syntaktische Sprachstruktur (Bar-Hillel 1964, Chomsky 1976) untersucht.
 ,Die soziologische Forschung betrachtet z.B. Kommunikationsstrukturen (Bavelas 1950) und soziale Netzwerke (Harary 1959, 1974, Scott 2001).
 ,In der Biologie und in der Biochemie spielen z.B. fraktale biologische Strukturen (Sernetz 2001) eine größte Rolle.
 ,Die Elektrotechnik untersucht Strukturen von Stromverzweigungen, elektrischer Netzwerke und Platinen.
Aus diesen Beispielen geht zunächst nicht hervor, mit welchen Methoden und Formalismen die jeweiligen Strukturen modelliert werden. Da in dieser Arbeit relationale Strukturen in Form von Graphen als Repräsentation komplexer Dokumentstrukturen eine wesentliche Rolle spielen, ist speziell das letzte Beispiel der obigen Aufzählung interessant.
KIRCHOFF (Kirchhoff 1847) publizierte im Bereich der Elektrizitätslehre bereits 1847 eine wichtige Arbeit bezogen auf die Theorie der Stromverzweigungen, die einen Grundstein der modernen Graphentheorie legte. Daran schlossen sich richtungsweisende Beiträge , von CALEY (Caley 1875), PETERSEN (Petersen 1891) und SYLVESTER (Sylvester 1878) an, die ihre Wurzeln ebenfalls in der Graphentheorie besitzen.
Heute ist die Beschreibung von Strukturen ohne graphbasierte Modelle in vielen Wissenschafts- und Lebensbereichen nicht mehr vorstellbar, wobei Graphen in der Informatik, z.B. für die Darstellung von Rechnernetzen, breite Anwendung , finden.
Die vorliegende Arbeit ist thematisch in einem Teilbereich des Web Mining (Chakrabarti 2002, Kosala&, Blockeel 2000)- dem Web Structure Mining (Kosala&, Blockeel 2000)- angesiedelt, weil sie strukturelle Modellierungsaspekte webbasierter , Dokumentstrukturen untersucht.
Da der Umgang mit Computern allgegenwärtig ist und die Menge an Dokumenten im Web bekanntlich exponentiell zunimmt, sind Hilfsmittel zur schnellen Erfassung, Klassifizierung und Auffindung von Dokumenten von zentraler Bedeutung. Längst wurde klar, dass Inhalt und Struktur vernetzter Dokumente hierbei relevant sind. Die vorliegende Arbeit konzentriert sich auf Strukturaspekte web-basierter Dokumente, welche in jüngerer Zeit immer stärker ins Blickfeld rücken.
Es existieren formale Ansätze (dInverno et al. 1997, Fronk 2003, Lange 1990, Mehler 2001), die strukturelle Aspekte hypertextueller Dokumente beschreiben. Die ersten bekannten Arbeiten, die insbesondere die strukturelle Analyse von Hypertexten auf der Basis graphentheoretischer Methoden fokussierten, stammen von (Botafogo&, Shneiderman 1991, Botafogo et al. 1992, Botafogo 1993).
Dabei wurden bekannte Konzepte , der Graphentheorie verwendet, um Maßzahlen- so genannte Indizes (Dehmer 2005, Mehler 2004) - für die Beschreibung struktureller Hypertextausprägungen zu entwickeln. Beispielsweise definierten BOTAFOGO et al. (Botafogo et al. 1992) als einen typischen Vertreter das bekannte Maß Compactness , welches den Grad der Vernetztheit einer Hypertextstruktur beschreibt.
Die Aussagekraft solcher Maße ist jedoch sehr eingeschränkt, da die zu beschreibende Ausprägung auf eine einzige Maßzahl abgebildet wird. Damit folgt weiter, dass solche Maße nicht eindeutig interpretierbar sind.
Unmittelbar daraus resultiert ein Problem, welches sich bislang negativ auf die Analyse hypertextueller Dokumente auswirkte (Dehmer 2005): Wegen der nicht eindeutigen Interpretierbarkeit und der damit verbundenden mangelnden Aussagekraft dieser Maße, ist eine Gruppierungähnlicher Strukturen nicht möglich, mit dem Ziel, ähnliche Funktionen oder sogar Qualitätsmerkmale abzuleiten.
Vorwort
6
Zusammenfassung
8
Inhaltsverzeichnis
10
Kapitel 1 Einleitung
13
1.1 Motivation der Arbeit
13
1.2 Zielsetzung der Arbeit
15
1.3 Aufbau der Arbeit
17
1.4 Wissenschaftlicher Beitrag der Arbeit
19
Kapitel 2 Strukturelle Aspekte hypertextueller Einheiten
23
2.1 Hypertext und Hypermedia
23
2.2 Problemstellungen des Web Mining
26
2.3 Existierende graphentheoretische Analysemethoden von Hypertextstrukturen
32
2.4 Existierende Clusteringverfahren zur Analyse hypertextueller Daten
43
2.5 Modellbildung: Polymorphie und funktionale Äquivalenz
55
2.6 Konkreter Modellierungsansatz auf der Basis von GXL
57
2.7 Zusammenfassende Bewertung und Fazit
59
Kapitel 3 Grenzen der inhaltsbasierten Kategorisierung von Hypertextstrukturen
63
3.1 Motivation
63
3.2 Das Testkorpus und die Extraktion web-basierter Hypertexte
66
3.3 Motivation des maschinellen Lernverfahrens
68
3.4 Das Kategorisierungsexperiment
71
3.5 Interpretation der Evaluierungsergebnisse
74
3.6 Fazit
76
Kapitel 4 Graphentheorie und strukturelle Ähnlichkeit: Bekannte Methoden
79
4.1 Erforderliche Grundlagen
79
4.2 Strukturelle Ähnlichkeit von Graphen
87
4.3 Graph Mining und weitere graphorientierte Ähnlichkeitsmaße
92
4.4 Zusammenfassende Bewertung
101
Kapitel 5 Graphbasierte Analyse und Retrieval: Neuer Ansatz
105
5.1 Motivation
106
5.2 Gradsequenzen von Graphen
110
5.3 Hierarchisierte und gerichtete Graphen
114
5.4 Zentraler Lösungsansatz
117
5.5 Berechnungsgrundlagen
120
5.6 Strukturelle Ähnlichkeit hierarchisierter und gerichteter Graphen
125
5.7 Ergebnisse
134
5.8 Experimentelle Ergebnisse
136
Kapitel 6 Exkurs: Strukturvorhersage
151
6.1 Erkennung struktureller Beziehungen zwischen Graphmengen
151
6.2 Ergebnisse
154
6.3 Fazit
156
Kapitel 7 Zusammenfassung und Ausblick
157
7.1 Zusammenfassung der Ergebnisse
157
7.2 Ausblick
160
7.3 Weiterführende Fragestellungen
163
Literaturverzeichnis
165