4.1.4: Suche nach und in XML-Dokumenten

Mit XML wird ein System geschaffen, mit dem viele und vergleichsweise gut dokumentierte Daten über die (interne) Struktur von Dokumenten und Datensätzen zur Verfügung gestellt werden können. Prinzipiell können solche Daten zur Verbesserung der Suche nach Dokumenten genutzt werden. Es bleibt aber zu untersuchen, wie weit das mit den bisher vorhandenen und geplanten Mitteln möglich und realistisch ist.

4.1.4.1: Anwendungen von XML bei der Suche

Die Dokumentstruktur kann bei der Suche - wie wiederholt erwähnt - verwendet werden, um einzelne Terme oder Teile eines Dokuments im Vektorraummodell zu gewichten. Dazu ist die reine Baumstruktur, wie sie zunächst von XML geliefert wird, allerdings nur bedingt hilfreich. Was benötigt wird, ist die Semantik der XML-Elemente, also das Wissen, welchen Inhalt ein Element hat, und ein Konzept, wie diese Inhalte z.B. in einem Dokumentvektor gewichtet werden sollen.

Eine weitere Frage ist, auf welchen Hierarchiestufen XML-Elemente sinnvoll für die Suche genutzt werden können. Bei einigen Elementen scheint das verhältnismäßig klar: Sinnvoll erscheinen einige Elemente auf der Wortebene wie Autoren und Autorinnen, Indexterme für das Stichwortverzeichnis oder Überschriften und Ankertexte. Wieweit aber Einteilungen auf hoher Ebene, also Elemente mit vielen Unterelementen wie Teile oder Kapitel eines längeren Dokuments, sinnvoll für die Gewichtung in Dokumentvektoren genutzt werden können, ist zunächst unklar. Sie können aber genutzt werden, um - bei langen Dokumenten - einzelne Teile wie Kapitel als Ergebnis einer Suche zu spezifizieren.

Am einfachsten erscheint die Nutzung von Dokumentstrukturen für die Suche, wenn für eine ganze Sammlung nur eine DTD mit einer einheitlichen Semantik für alle Dokumente verwendet wird, wie es in HTML getan wurde. Die Entwicklung der Anwendung von HTML hat aber auch gezeigt, dass nicht davon ausgegangen werden kann, dass eine solche Semantik von den Autorinnen und Autoren der Web-Dokumente auch einheitlich verwendet wird (siehe Abschnitt 4.3.1 ).

4.1.4.2: Indexierungsmethoden

4.1.4.3: Modelle für die Suche in XML-Dokumenten

4.1.4.4: Ein Vektorraummodell für strukturierte Anfragen an Sammlungen von XML-Dokumenten

4.1.4.5: Suche bei unterschiedlichen DTDs