Strukturelle Analyse web-basierter Dokumente

Im Zuge der web-basierten Kommunikation und in Anbetracht der gigantischen Datenmengen, die im World Wide Web verfugbar sind, erlangt das so genannte Web Mining eine immer starkere Bedeutung. Ziel des Web Mining ist die Informationsgewinnung und Analyse web-basierter Daten auf der Grundlage von Data Mining-Methoden. Die eigentliche Problemstellung des Data Mining ist die Entdeckung von Mustern und Strukturen in grosen Datenbestanden. Web Mining ist also eine Variante des Data Mining; es kann grob in drei Bereiche unterteilt werden: Web Structure Mining, Web Content Mining und Web Usage Mining. Die zentrale Problemstellung des Web Structure Mining, die in dieser Arbeit besonders im Vordergrund steht, ist die Erforschung und Untersuchung struktureller Eigenschaften web-basierter Dokumente. Das Web wird in dieser Arbeit wie ublich als Hypertext aufgefasst. In der Anfangsphase der Hypertextforschung wurden graphbasierte Indizes zur Messung struktureller Auspragungen und Strukturvergleichen von Hypertexten verwendet. Diese sind jedoch im Hinblick auf die ahnlichkeitsbasierte Gruppierung graphbasierter Hypertextstrukturen unzureichend. Daher konzentriert sich die vorliegende Arbeit auf die Entwicklung neuer graphentheoretischer und ahnlichkeitsbasierter Analysemethoden. Ahnlichkeitsbasierte Analysemethoden, die auf graphentheoretischen Modellen beruhen, konnen nur dann sinnvoll im Hypertextumfeld eingesetzt werden, wenn sie aussagekraftige und effiziente strukturelle Vergleiche graphbasierter Hypertexte ermoglichen. Aus diesem Grund wird in dieser Arbeit ein parametrisches Graphahnlichkeitsmodell entwickelt, welches viele Anwendungen im Web Structure Mining besitzt. Dabei stellt die Konstruktion eines Verfahrens zur Bestimmung der strukturellen Ahnlichkeit von Graphen eine zentrale Herausforderung dar. Klassische Verfahren zur Bestimmung der Graphahnlichkeit beruhen in den meisten Fallen auf Isomorphie- und Untergraphisomorphiebeziehungen. Dagegen wird in dieser Arbeit ein Verfahren zur Bestimmung der strukturellen Ahnlichkeit hierarchisierter und gerichteter Graphen entwickelt, welches nicht auf Isomorphiebeziehungen aufbaut. Oft wird im Rahmen von Analysen web-basierter Dokumentstrukturen das bekannte Vektorraummodell zu Grunde gelegt. Auf der Basis eines graphbasierten Reprasentationsmodells wird dagegen in dieser Arbeit die These vertreten und belegt, dass die graphbasierte Reprasentation einen sinnvollen Ausgangspunkt fur die Modellierung web-basierter Dokumente darstellt. In einem experimentellen Teil werden die entwickelten Graphahnlichkeitsmase erfolgreich evaluiert und die aus der Evaluierung resultierenden Anwendungen vorgestellt.