Boolesche Textsuche - Content Conversion Specialists

Transcription

Handbuch
Boolesche Textsuche
Version 6
CCS Content Conversion Specialists GmbH
Copyright © 2015 CCS Content Conversion Specialists GmbH. Alle Rechte vorbehalten.
Kein Teil dieser Veröffentlichung darf ohne schriftliche Genehmigung der CCS Content Conversion
Specialists GmbH reproduziert, in Datenbanken gespeichert oder in irgendeiner Form (elektronisch,
fotomechanisch, manuell oder anders) übertragen werden. Die im vorliegenden Handbuch beschriebene
Software wird unter Lizenz vergeben und darf nur in Übereinstimmung mit den Lizenzbedingungen
verwendet werden. Die CCS GmbH behält sich das Recht vor, den Inhalt dieses Handbuches ohne
Ankündigung zu verändern. Die CCS GmbH gibt keine Garantie auf die Richtigkeit und Genauigkeit der
Beschreibungen in diesem Handbuch. Microsoft und Windows sind Warenzeichen bzw. eingetragene
Warenzeichen der Microsoft Corp.
Verwendete Produkt- und Firmennamen können Warenzeichen oder eingetragene Warenzeichen der
jeweiligen Unternehmen sein. Die CCS GmbH verwendet sie in diesem Handbuch zu
Erläuterungszwecken und zum Nutzen der jeweiligen Besitzer, ohne eine Verletzung des Warenzeichens
zu beabsichtigen.
Hinweise zum Urheberrecht:
Diese Software kann verwendet werden, um Materialien zu reproduzieren. Die Softwarelizenz erlaubt
Ihnen lediglich, Materialien zu reproduzieren, die urheberrechtlich nicht geschützt sind, oder aber
Materialien, deren Urheberrecht Sie besitzen bzw. für die Sie legal die Erlaubnis zur Reproduktion
erworben haben. Wenn Sie sich unsicher sind, welches Material Sie kopieren dürfen, fragen Sie bitte Ihren
Rechtsanwalt. CCS GmbH haftet nicht für Urheberrechtsverletzungen, die aus dem Gebrauch dieser
Software resultieren.
Zuletzt aktualisiert: 09.07.2015
Weidestrasse 134
22083 Hamburg
Fon: +49-(0)40-2271300
Fax: +49-(0)40-22713011
E-Mail: [email protected]
Website: www.content-conversion.com
Inhaltsverzeichnis
1.
Einleitung
4
2.
Boolesche Textsuche
5
2.1.
2.2.
2.3.
2.4.
2.5.
Zusammenarbeit mit newsProcserver
Operatoren
Klammern und verschachtelte Begriffe
Wildcards
Sonderzeichen
Exakte oder verlustreiche (Lossy) Suche
Suchwortabgleich für Tests und wenige Abfragen
Einfachen Suchwortabgleich einrichten
Farbige Markierung auf der Quellseite
Benutzeroberfläche newsClip/Boolesche Suche
Artikelbasiert - Seitenbasiert
Beispiele
Ergebnis in newsClip - Artikelbasiert
Ergebnis in newsClip - Seitenbasiert
Alle - Nur Teile des Booleschen Suchbegriffes
Alle - Boolescher Suchbegriff NOT auf Seitenbasis
Alle - Boolescher Suchbegriff AND auf Artikelbasis
Alle - Boolescher Suchbegriff AND/OR auf einem Artikel
Suche nach Zahlen
Suche nach E-Mail Adressen
Suche nach Begriffen in Anführungszeichen
Suche nach Wort + Leerzeichen + Wildcard
Suche auf Seite, auf der von der LA keine Artikel erkannt werden
6
7
8
8
9
9
11
13
14
15
15
17
17
17
18
19
20
21
21
21
22
22
22
______________________________________________________________________________________
1. Einleitung
Was bedeutet Boolesche Suche?
Eine Boolesche Suche ist eine sehr wirkungsvolle Suchmethode.
Wer: Die Boolesche Text-Suche mit den newsWorks Produkten ist für Presseausschnitt-Agenturen,
Marketing-Agenturen und große Firmen konzipiert.
Ziele: Zeitsparendes, effektives Arbeiten, kein manuelles Zeitungslesen nötig. Die Lektoren (Clip
Anwender) können schneller identifizieren, ob ein Artikel für einen Kunden relevant ist.
Es kann sehr genau spezifiziert werden, wie die Suchmaschine mit einigen Schlüsselwörtern und ihren
Kombinationen ermitteln soll. Die Schlüsselwörter werden mit der verschlüsselten Suchfrage mit speziellen
"Operatoren" wie "AND", "NOT" oder "OR" verbunden. Für Fragen mit mehr als zwei Schlüsselwörtern
können Klammern benutzt werden.
George Bool war ein englischer Mathematiker, der die neue Logik mitten im 19. Jahrhundert entwickelte.
Später wurde dieses "Boolesche Logik" genannt.
Mit den so genannten "Operatoren" spezifiziert man, in was für einem Verhältnis die Suchwörter
miteinander stehen.
Die Operatoren "AND", "OR" und "NOT" werden von der Booleschen Logik übernommen. Das spezielle an
einer Booleschen Frage ist das mit nur einer Anfrage, viele Suchwörter miteinander verbunden werden
können.
Boolesche_Textsuche.doc
Version: 09.07.2015
4 / 22
______________________________________________________________________________________
2. Boolesche Textsuche
Service Dienstleister haben spezielle Anforderungen. Ihre Kunden sind an Artikeln über ganz bestimmte
Themen interessiert. So bestellt der Kunde Artikel über dieses Themen in einer vorgegebenen Menge und
aus unterschiedlichen Zeitungen.
Betrachtet man alle Kunden, so sind einige der Themen gleich, einige fast gleich und andere total
unterschiedlich.
Alle bestellten Themen werden über Schlüsselwörter definiert. Diese Schlüsselwörter werden zu einfachen
oder komplizierten Ausdrücken (Phrase) kombiniert.
In Version 1 werden nur die Treffer angezeigt, die einer kompletten Suchanfrage entsprechen. In der
aktuellen Version werden alle Treffer angezeigt, sortiert nach Trefferqualität. Anfragen mit der höchsten
Trefferqualität werden zuerst gezeigt. Jetzt fängt der Clipper an, die Trefferliste von oben bis unten
abzuarbeiten, bis ein bestimmtes Trefferniveau erreicht wurde, in dem keine weiteren Treffer gefunden
werden können.
Dieses minimale Trefferniveau kann bei unterschiedlichen Zeitungsarten schwanken.
So ist die Layoutanalyse für die FAZ zum Beispiel fast perfekt, so dass es hier ausreicht, sich nur die
obersten Treffer anzusehen.
Bei anderen Zeitungsarten könnte es notwendig sein, auch in niedrigerem Trefferniveau nachzusehen.
Der Vorteil hierbei ist, dass kein Artikel übersehen werden kann, solange die OCR gut liest.
Boolesche Suche auf geclippten Artikeln:
Dies ist der Hauptunterschied zwischen Version 1 und der aktuellen Version der Booleschen Suche.
Wie oben gesagt, erfordert die Boolesche Suche perfekte Artikel, um das erwartete Resultat zu erhalten.
Sobald ein Artikel geclippt wird, erhält man ein perfektes Resultat. So entstand die Idee, eine zweite Phase
der Booleschen Suche auf dem geclippten Artikel durchzuführen. Es kann jede Suchanfrage mit 100%
Qualität durchgeführt werden. Der Benutzer erhält eine exakte Liste aller Kunden, die sich genau für
diesen Artikel interessieren. Dieser Mechanismus arbeitet auf jedem möglichem Artikel, egal ob einfach
oder kompliziert, Zeitung oder Zeitschrift, einzelne Seite oder auf verschiedenen Seiten.
Version: 09.07.2015
5 / 22
______________________________________________________________________________________
2.1.
Zusammenarbeit mit newsProcserver
OCR

Suche nach booleschen Phrasen in einer Datenbank

Abgleich mit dem OCR Text

Highlighten der Schlüsselwörter in newsClip
 Option: Ganzseiten- oder artikelbasiert
 (abhängig von der Genauigkeit der Layoutanalyse)
Version: 09.07.2015
6 / 22
______________________________________________________________________________________
2.2.
Operatoren
Eine Abfrage enthält eine Reihenfolge von Wörtern, Phrasen und mit ihnen kombinierte Operatoren.
Ein Wort oder eine Phrase wird durch eine Buchstabenreihenfolge und Leerzeichen definiert, die durch
vor- und nachgestellte doppelte Apostrophe (") verbunden werden.
Ein Wort kann ein Sternchen (Asterisk) enthalten, das bedeutet, dass nur ein Teil des Wortes definiert ist.
Kombinierte Operatoren stehen zwischen den Wörtern. Gültige Operatoren sind OR, AND, NOT und
Klammern ( ).
Operator
Suchmethode
Suchvorgang
AND
Erweiterte Suche mit ALLEN Wörtern
OR
Erweiterte Suche mit IRGENDEINEM Sucht Seiten, die mindestens einen der
dieser Wörter
angegebenen Begriffe oder eine der gesuchten
Phrasen enthalten. "hamburg OR Elbe" findet
Bei dieser Suche wird der boolesche
alle Seiten, die entweder das Wort "hamburg"
Operator OR verwendet. Es werden
bzw. "Hamburg" oder das Wort "Elbe"
Seiten angezeigt, die mindestens
enthalten.
einen der eingegebenen Suchbegriffe
enthalten.
Die gefundenen Seiten können auch beide
Begriffe enthalten.
AND NOT
Erweiterte Suche OHNE diese Wörter
Sucht Seiten, die alle angegebenen Begriffe
und Phrasen enthalten. "Hamburg AND Elbe"
findet alle Seiten, die sowohl das Wort
Operator AND verwendet. Es werden
"Hamburg" bzw. "hamburg" als auch das Wort
nur Seiten angezeigt, die jeden der
"Elbe" enthalten.
Suchbegriffe enthalten.
Schließt Seiten aus, die das angegebene Wort
oder die Phrase enthalten. "hamburg AND NOT
Elbe" findet alle Seiten, die das Wort
Operator AND NOT verwendet. Es
"hamburg" bzw. "Hamburg" enthalten, nicht
werden nur Seiten angezeigt, die die
aber den Begriff "Elbe".
eingegebenen
Suchbegriffe nicht
enthalten. Diese Methode eignet sich
beispielsweise in Kombination mit Der NOT-Operator kann nur genutzt werden,
"Erweiterte Suche mit allen Wörtern".
wenn ein AND-Operator vorangestellt wurde.
Er dient lediglich dem Ausschluß von Seiten,
die einem vorherigen Abfrageparameter
entsprechen würden
( )
Man kann Klammern setzen, um Begriffe
innerhalb einer Abfrage hervorzuheben. Diese
Ausdrücke in Klammern werden vor dem Rest
der Abfrage ausgewertet.
Version: 09.07.2015
7 / 22
______________________________________________________________________________________
Um anzuzeigen, dass ein Boolescher Ausdruck
(AND, NOT, OR) als Bestandteil eines Begriffs
gesucht werden soll, sollte dieser Ausdruck in
Anführungszeichen gesetzt werden.
" "
Klammern und verschachtelte Begriffe
Eine Klammer fasst eine logische Verknüpfung zusammen. Alles, was in einer Klammer steht, wird als
eine Einheit behandelt. Es ist so, als ob die gesamte Klammer wie ein einziges Suchwort wirkt, das selbst
wieder mit anderen Suchworten verknüpft werden kann. Deshalb kann man eine Klammer mit einem
weiteren Suchwort oder auch mit einer anderen Klammer neu verknüpfen. Diese Gesamtverknüpfung kann
dann auch wieder eingeklammert werden. Auf diese Weise lassen sich sehr schwierige Suchabfragen
zusammenbauen.
Der Ausdruck Pizzeria AND (Hamburg OR Lübeck) ist der erste Klammerausdruck. Pizzeria muss auf
alle Fälle vorkommen, gleichzeitig muss Hamburg oder Lübeck vorkommen: Das entspricht der Abfrage:
"Ich suche... eine Pizzeria in Hamburg oder Lübeck".
Der Ausdruck (Pizzeria AND (Hamburg OR Lübeck)) AND NOT Altona ist ein ineinander verschachtelter
Klammerausdruck. Der erste Klammerausdruck von vorhin wurde noch einmal in eine Klammer gesetzt
und als Ganzes wieder verknüpft: Das entspricht der Abfrage: "Ich suche.. eine Pizzeria in Hamburg oder
Lübeck, aber nicht in Altona (einem Stadtteil von Hamburg)."
L"google" AND (L"earth" OR L"maps" OR L"pictures" OR L"mail" OR L"adds")
Diese Suche ist so zu verstehen, dass eines der aufgeführten Wörter gefunden wird und zwar genau in der
dargestellten Reihenfolge.
Also erst google dann ein anderes Wort.
Es werden bei dieser Suche keine zusammenhängenden Wörter gefunden!
Brot AND Weizen OR Roggen NOT Kümmel
Brot soll sein, Weizen oder Roggen ist egal, aber bloß kein Kümmel. Hier stimmt der Suchstring nicht
ganz, denn die Suche erfolgt der Reihe nach. Also: Brot AND Weizen sind bei dieser Formulierung
verknüpft, müssen also beide vorkommen.
Es soll in diesem Beispiel aber die Option Weizen oder Roggen offengehalten werden. Daher muss auch
der Suchmaschine diese Absicht klar gemacht werden. Das geht, indem die beiden Begriffe Weizen und
Roggen zusammengefasst werden: Die richtige Eingabe für diese Suche muss lauten: Brot AND (Weizen
OR Roggen) NOT Kümmel
Wildcards
Version: 09.07.2015
8 / 22
______________________________________________________________________________________
Um Wörter und deren Wortwurzeln oder -Kombinationen zu finden können Wildcards (Sternchensymbol *)
benutzt werden.
"wort*"
alle Wörter, die mit ... beginnen
"*wort"
alle Wörter, die mit ... enden
"*wort*"
alle Wörter, die ... enthalten
Bei Phrasen kann jedes Wort ein Sternchensymbol enthalten:
"wort1 *wort2 wort3* *wort4*"
Sonderzeichen
Welche Sonderzeichen werden ignoriert und welche können als Suchworte oder in Phrasen verwendet
werden?
Die Suchmaschine ignoriert alle Sonderzeichen (z. B. - = ! ?), bis auf:
&
/
+
@
Diese müssen sowohl im Suchwort als auch im OCR Text vorhanden sein, damit in newsClip ein Treffer
gehighlighted werden kann.
Exakte oder verlustreiche (Lossy) Suche
Vor dem Wort oder einer Phrase kann ein Attribut hinzugefügt werden. Gültige Attribute sind entweder
 exakt (E) oder
 Name-(N) oder
 lossy (L). Standard ist lossy. (Ist nichts angegeben, wird lossy verwendet)
Beispiele:
L"Department" -> auch departments, ...
N"MAN" -> nicht man, men, ...
E"Zürich" -> auch zürich, ZÜRICH, ... aber nicht "Zürichs"
L"man" and L"wife"
Version: 09.07.2015
9 / 22
______________________________________________________________________________________
L"son" or L"daughter"
(E"Yen" or E"dollar") and not (E"Tokio" or E"new york")
Wie unschaf ist "Lossy"? Wird bei L"Mail" auch e-Mail gefunden?
Bei diesem Beispiel würde e-Mail nicht gefunden werden, da es keine Wortbeugung von Mail ist.
Eine Suche nach *mail würde auch e-Mail finden.
Eine Wortbeugung ist z.B. sehen / sah
Version: 09.07.2015
10 / 22
______________________________________________________________________________________
2.3.
Suchwortabgleich für Tests und wenige Abfragen
Dieser Suchwortabgleich ist für Tests und wenige Abfragen geeignet.
Der Aufruf dieser Suchabfrage kann konfiguriert werden. Einfachen Suchwortabgleich einrichten (auf Seite
13). Gestartet wird die Abfrage über eine Schaltfläche z. B. in der Clipping Maske.
Version: 09.07.2015
11 / 22
______________________________________________________________________________________
Mit Hinzufügen (Add) wird eine neue Suchabfrage angelegt
Der Abfrage Name (Query name) wird in diesem Bereich aufgelistet
Der Abfrage Name (Query name) kann hier eingegeben werden.
Sprache (Language) der Abfrage auswählen
In diesem Feld wird die Abfrage (Query) angelegt
Die Quelle (Source) wird hierüber angelegt oder, wenn bereits vorhanden aus der Auflistung hier
ausgewählt. Hier müssen die Regeln für die Booleschen Operatoren, wie in den vorhergehenden Kapitel
beschrieben, beachtet werden.
Die Adressaten/Kunden (Destination), werden hierüber angelegt oder, wenn bereits vorhanden hier
zugeordnet
Version: 09.07.2015
12 / 22
______________________________________________________________________________________
Einfachen Suchwortabgleich einrichten
Für diese Art des Suchwortabgleiches richten Sie eine neue Schaltfläche, z. B. in der Clipping Maske ein.

Loggen Sie sich als Administrator ein und öffnen Sie im Menü Konfiguration den Eintrag DesignModus.

Öffnen Sie mit der rechten Maus das Kontextmenü von einer beliebigen Stelle in der Clippingmaske.
Zum Einloggen in den Design-Modus benötigen Sie das Administrator Login und Passwort.

Gehen Sie dort auf Neu - Schaltfläche und ziehen Sie einen Rahmen für die neue Schaltfläche.
Diesen Rahmen können Sie nach Belieben verschieben, vergrößern usw.

Legen Sie die Eigenschaften der neuen Schaltfläche fest. Hierzu öffnen Sie mit der rechten Maustaste
über der Schaltfläche das Kontextmenü und dort den Eintrag Eigenschaften.

Geben Sie auf der Karteikarte Allgemein den Titel der Schaltfläche ein (z. B. Suche)

Geben Sie auf der Karteikarte Script ein TCL Script für den Suchabfragedialog ein:
loadmodule ccsbsrch
bsearch dialog
set bsobj [[page] -gethits]
$bsobj -build 1
$bsobj -show -all
[page] -update

Weitere TCL Parameter finden Sie in der Online Hilfe für die TCL Scripte. Sie öffnen diese über das
Fragezeichensymbol.
Version: 09.07.2015
13 / 22
______________________________________________________________________________________
Bei der Anzeige in newsClip werden gefundene Treffer in verschiedenen Farben dargestellt.
Grundsätzlich werden alle gefundenen Wörter farbig markiert.
Beispiel
Farbe
Beschreibung
rot
Artikelbasiert
orange
Seitenbasiert
roter Umriss
Es wird nur ein Teil des
Suchstrings gefunden
Version: 09.07.2015
14 / 22
______________________________________________________________________________________
2.4.
Benutzeroberfläche newsClip/Boolesche Suche
Artikelbasiert - Seitenbasiert
Version: 09.07.2015
15 / 22
______________________________________________________________________________________
Artikelbasiert
Es werden nur artikelbasierte Suchergebnisse angezeigt.
Seitenbasiert
Es wird seitenbasiert gesucht und dadurch mehr Treffer gefunden.
Unbekannt
Alle
Bei Alle werden nicht die booleschen Fundstellen sondern die Wortfundstellen angezeigt.
Die Zahlen neben den Checkboxen bedeuten:
0 = Fundstellen, die artikelbasiert gefunden wurden.
1 = Fundstellen, die aufgrund der Umgebungssuche gefunden wurden.
2 = Fundstellen, die aufgrund der seitenbasierten Suche gefunden wurden.
3 = Alle Fundstellen, auch wenn diese unvollständig sind.
Version: 09.07.2015
16 / 22
______________________________________________________________________________________
2.5.
Beispiele
Es folgen Beispiele für mögliche Suchabfragen:
Zunächst einige einfache Beispiele basierend auf folgenden Suchbegriffen:
 Bonny AND Clyde
 Ernie AND Bert
 Samson AND Delila
Ergebnis in newsClip - Artikelbasiert
Das Ergebnis einer artikelbasierten Suche stellt sich wie unten gezeigt dar. Die gefunden Treffer werden
hier rot markiert.
Ergebnis in newsClip - Seitenbasiert
Version: 09.07.2015
17 / 22
______________________________________________________________________________________
Das Ergebnis einer seitenbasierten Suche stellt sich wie unten gezeigt dar. Die gefunden Treffer werden
hier rot markiert (hier: "Bonnie", "Clyde"), wenn Sie artikelbasiert vorkommen und orange, wenn sie
seitenbasiert vorkommen (hier "Ernie", "Bert").
Alle - Nur Teile des Booleschen Suchbegriffes
Version: 09.07.2015
18 / 22
______________________________________________________________________________________
Wird nur ein Teil des Suchbegriffes (hier "Samson") gefunden wird dies mit einem orangefarbenen Umriss
symbolisiert.
Alle - Boolescher Suchbegriff NOT auf Seitenbasis
In diesem Beispiel wird zur Erstellung/Verwaltung der Suchbegriffe das Modul mediaPORTAL verwendet.
Version: 09.07.2015
19 / 22
______________________________________________________________________________________
Alle - Boolescher Suchbegriff AND auf Artikelbasis
Version: 09.07.2015
20 / 22
______________________________________________________________________________________
Alle - Boolescher Suchbegriff AND/OR auf einem Artikel
Suche nach Zahlen
Zahlen an sich werden gefunden, wenn sie im Dokument entsprechend vorkommen. Bei Zahlen mit
Komma (Beispiel 3,6) oder Punkt (3.6) den Suchstring in diesem Beispiel so anlegen: 3 6
Suche nach E-Mail Adressen
Bei der Suche nach E-Mail Adressen wird die Suche nicht so:
"[email protected]"
sonder so:
"name nachname content conversion com"
angelegt.
Version: 09.07.2015
21 / 22
______________________________________________________________________________________
Suche nach Begriffen in Anführungszeichen
Anführungszeichen werden von newsClip nicht mitgesucht, sollten somit auch nicht eingegeben werden.
Suche nach Wort + Leerzeichen + Wildcard
Suche nach Wort Leerzeichen Wildcard ist erlaubt. Beispiel: page *
Suche auf Seite, auf der von der LA keine Artikel erkannt werden
Hier werden die Highlights erst angezeigt, wenn Zonen montiert wurden oder, wenn man die Checkbox in
newsClip von "Article" auf "Pages" umstellt.
Erklärung:
Wenn kein Artikel vorhanden ist, kann auch nichts in einem Artikel gefunden werden. Die
Layoutanalyse liefert die Daten, die auf der Quellseite verwendet werden. Hierdurch werden Artikel
bestimmt. Auf Zielseiten werden bei der Booleschen Suchlogik immer einzelne Artikel plaziert. Somit
sind alle Zielseiten Zonen eines Clippings ein Artikel. Die daraufhin ausgeführte zweite Suche findet
somit die Fundstellen "artikelbasiert" (Es ist ja nur noch ein Artikel vorhanden).
Version: 09.07.2015
22 / 22

Boolesche Textsuche - Content Conversion Specialists

Transcription

Similar documents

Plugin Evaluierung PDF - A-Tag

Schülerzeitung Ausgabe 4

newsWorks Installation Einzelplatz

benutzerhandbuch

Sat- Installationsanleitung

The Power of Search Search Driven Applications und FAST Search

Handy-Ticketing für Android der Rhein-Neckar

Leseprobe

MLA International Bibliography