Agentenbasierte Informationserschließung im World Wide Web unter Einsatz von künstlichen neuronalen Netzen und Fuzzy-Logik

Mit dem World Wide Web (WWW) steht dem interessierten Nutzer eine fast unerschöpfliche Quelle für Informationen zur Verfügung. Die gezielte Suche nach den „richtigen“ Informationen ist jedoch eine schwierige Angelegenheit. Die Suchmaschinen im WWW erfüllen eine an den Präferenzen der Informationsnachfrager ausgerichtete Informationserschließung nur in unzureichendem Maße. Probleme treten vor allem dann zu Tage, wenn sich die Präferenzen der Informationsnachfrager nicht allein über Begriffe bzw. Begriffs-kombinationen spezifizieren lassen, sondern durch qualitative Merkmale gekennzeichnet sind. „Intelligente“ Suchwerkzeuge und Suchverfahren sind notwendig, damit die Informationserschließung im WWW effizient unterstützt werden kann. In dieser Arbeit wird untersucht, welchen grundsätzlichen Beitrag die von Zadeh begründete Fuzzy-Logik, Künstliche Neuronale Netze (KNN) sowie die Agententechnologie zur Verbesserung der Informationserschließung im WWW leisten können. Ein im Rahmen der Arbeit in der UML-Notation (UML = Unified Modeling Language) spezifiziertes Multi-Agenten-System zur Informationssuche, -filterung und -klassifikation stellt die Machbarkeit und Praxis-tauglichkeit der theoretischen Konzepte unter Beweis. In der Agentenkommunikation wird Fuzzy-Logik eingesetzt, damit ein Austausch und die Verarbeitung von unscharfen Informationen ermöglicht werden kann. Durch zwei beispielhafte Anwendungsfälle wird gezeigt, daß KNN für die Suche, Filterung und Klassifikation von Informationen im WWW geeignet sind. Bis zu 90% unbekannter Informationsangebote aus dem WWW wurden in Testläufen korrekt klassifiziert.