Was ist die ungenaue Suche?

Bei der Fuzzy-Suche werden verschiedene Algorithmen und Techniken verwendet, um die Ähnlichkeit zwischen zwei Textstrings, der Suchanfrage und dem möglichen Treffer in den Daten zu bestimmen. Diese Algorithmen basieren oft auf Konzepten wie:

• Levenshtein-Distanz: Dieser Wert gibt die minimale Anzahl an Änderungen (wie Einfügungen, Löschungen oder Ersetzungen) an, die erforderlich sind, um einen String in einen anderen zu verwandeln. Je niedriger die Levenshtein-Distanz, desto größer die Ähnlichkeit. Beispielsweise haben „Kitten“ und „Sitzen“ eine Levenshtein-Distanz von 3.
• Kosinus-Ähnlichkeit: Hier wird der Kosinus des Winkels zwischen zwei Vektoren berechnet, die die Wörter oder Zeichenfolgen darstellen. Ein Wert von 1 steht für eine exakte Übereinstimmung, während 0 für keine Übereinstimmung steht. Diese Methode wird häufig verwendet, um Dokumente anhand ihres Wortinhalts zu vergleichen.
• Phonetische Algorithmen: Diese Techniken wie Soundex oder Metaphone kodieren Wörter basierend auf ihrer Aussprache. So lassen sich Wörter finden, die sich ähnlich anhören, auch wenn sie unterschiedlich geschrieben werden, z. B. „Smith“ und „Smyth“.

Mithilfe dieser Konzepte können Fuzzy-Suchmaschinen mögliche Übereinstimmungen basierend auf ihrer Ähnlichkeit zur ursprünglichen Anfrage sortieren. So erhalten Nutzer eine Reihe relevanter Ergebnisse, auch wenn sie geringfügig von den Suchbegriffen abweichen.

Da Datasets immer größer werden und die Eingaben der Nutzer immer vielfältiger werden, bietet die Fuzzy-Suche einen wertvollen Ansatz, um Informationen effektiv abzurufen. Sie kann die Lücke zwischen den verschiedenen Möglichkeiten, wie Nutzer kommunizieren (oder suchen), und der Art, wie Daten möglicherweise strukturiert und gespeichert wurden, schließen. 

Hier sind einige Gründe, warum die Fuzzy-Suche wichtig sein kann:

• Nutzerfreundlichkeit: Die Fuzzy-Suche berücksichtigt Tippfehler, Wortvariationen oder Rechtschreibfehler, sodass Nutzer leichter finden, was sie brauchen, ohne die genaue Schreibweise oder Formulierung zu kennen. Dadurch kann die Suche schneller und reibungsloser ablaufen.
• Verbesserte Suchrelevanz: Da bei der Fuzzy-Suche auch Varianten und Synonyme berücksichtigt werden, werden mehr relevante Ergebnisse abgerufen, die bei einer genauen Übereinstimmung möglicherweise übersehen worden wären.
• Verbesserte Auffindbarkeit von Daten: In großen Datensätzen mit potenziellen Inkonsistenzen oder Variationen bei der Dateneingabe hilft die Fuzzy-Suche, verborgene Zusammenhänge aufzudecken und relevante Informationen zu finden, die sonst übersehen worden wären.

Der grundlegende Unterschied zwischen der exakten Suche und der Fuzzy-Suche liegt in der Art und Weise, wie sie mit Datenvariationen umgehen. Sehen wir uns die wichtigsten Unterschiede an:

Um die praktischen Anwendungen zu veranschaulichen, sehen wir uns einige Beispiele an, wie die Fuzzy-Suche dabei helfen kann, die Nutzerabsicht hinter verschiedenen Suchanfragen mit relevanten Suchergebnissen abzugleichen. 

• Nutzer sucht nach: „Afelkuchen“
• Fuzzy-Suche findet: „Apfelkuchen“

In diesem Fall erkennt der Algorithmus für die Fuzzy-Suche die Absicht des Nutzers trotz des Tippfehlers und liefert das gewünschte Rezept für Apfelkuchen. Sie erkennt, dass „Afel“ wahrscheinlich eine falsche Schreibweise von „Apfel“ ist, und priorisiert das Ergebnis entsprechend.

• Nutzer sucht nach: „Rezept“
• Fuzzy-Suche findet: „Rezepte“

Die Fuzzy-Suche berücksichtigt problemlos Pluralformen. Ganz gleich, ob Nutzer nach der Einzahl oder Mehrzahl suchen, die Suchmaschine liefert intelligente Ergebnisse, die der beabsichtigten Bedeutung entsprechen. So finden Nutzer Rezepte, unabhängig von ihrer grammatikalischen Herangehensweise.

• Nutzer sucht nach: „schnelle Rezepte“
• Fuzzy-Suche findet: „Rezepte fürs Abendessen“

Die Fähigkeit, Synonyme zu interpretieren, erweitert den Suchbereich. Die Suchmaschine erkennt, dass „schnelle Mahlzeiten“ und „einfache Abendessen“ konzeptionell ähnlich sind, und liefert relevante Ergebnisse für beide Suchanfragen. So werden die Möglichkeiten über die buchstäblich verwendeten Keywords hinaus erweitert.

• Nutzer sucht nach: „Laufschuhen“ (running shoes)
• Fuzzy-Suche findet: „Laufschuh“ (run shoe)

Algorithmen verwenden oft Wortstammerkennung, bei der Wörter auf ihre Grundform reduziert werden. So werden beispielsweise „Laufschuhe“ und „Laufschuh“ als Treffer angezeigt, obwohl die Wörter grammatisch unterschiedlich sind. Nutzer können so relevante Produkte finden, auch wenn die Schreibweise leicht variiert.

• Nutzer sucht nach: „USA“
• Fuzzy-Suche findet: „Vereinigte Staaten von Amerika“

Das System kann auch Abkürzungen verarbeiten und erkennt, dass „USA“ für „Vereinigte Staaten von Amerika“ steht. Diese Funktion ist besonders in Datenbanken und Suchmaschinen nützlich, in denen häufig Abkürzungen verwendet werden, um Platz zu sparen.

Die Implementierung der Fuzzy-Suche umfasst in der Regel die folgenden Schritte:

1. Datenvorverarbeitung: In diesem Schritt werden die Daten in gewissem Maße bereinigt und standardisiert. Dazu gehören unter anderem die Umwandlung von Text in Kleinbuchstaben, das Entfernen von Interpunktion oder das Anwenden von Stemmern. Die Fuzzy-Suche ist zwar tolerant gegenüber Abweichungen, aber eine grundlegende Vorverarbeitung kann ihre Effizienz verbessern.
2. Indexierung: Die vorverarbeiteten Daten werden indexiert, oft mithilfe spezieller Datenstrukturen wie invertierten Indizes oder Trie-Strukturen. Diese Strukturen ermöglichen das schnelle Abrufen potenzieller Übereinstimmungen für eine bestimmte Abfrage.
3. Ähnlichkeitsberechnung: Wenn ein Nutzer eine Abfrage eingibt, berechnet der Algorithmus für die unscharfe Suche die Ähnlichkeitsbewertungen zwischen der Abfrage und den indizierten Daten. Dazu werden Algorithmen wie die Levenshtein-Distanz, die Kosinus-Ähnlichkeit oder phonetische Algorithmen verwendet, um den Grad der Übereinstimmung zu bestimmen.
4. Ranking und Abruf: Die möglichen Übereinstimmungen werden anhand ihrer Ähnlichkeitsbewertungen eingestuft. Die Ergebnisse mit dem höchsten Ranking werden abgerufen und dem Nutzer präsentiert.

Die konkrete Umsetzung kann je nach Anwendung variieren. Vertex AI von Google Cloud kann in seinen Machine-Learning-Workflows Techniken für die Fuzzy-Suche nutzen, um die Genauigkeit des Modells zu verbessern und mit unvollständigen oder inkonsistenten Daten umzugehen. Mithilfe von Fuzzy-Matching können Sie beispielsweise das Feature-Engineering verbessern, indem Sie ähnliche Datenpunkte gruppieren oder Fehler in Trainingsdatensätzen erkennen und korrigieren.