Künstliche Neuronale Netze zum Filtern und Klassifizieren betrieblicher E-Commerce-Angebote im World Wide Web - eine vergleichende Untersuchung

摘要

Suchmaschinen bieten keine ausreichende Hilfe, wenn sich die gewünschten Informationen nicht durch (wenige) Schlagwörter beschreiben lassen, sondern durch qualitative Merkmale gekennzeichnet sind. Für einen solchen Fall, nämlich die Suche nach „betriebswirtschaftlich interessanten" E-Commerce-Seiten, wird ein Ansatz auf Basis von Künstlichen Neuronalen Netzen diskutiert. Mit den leistungsfähigeren Netztopologien wurden im Test bis zu 90% unbekannter E-Commerce-Angebote korrekt klassifiziert. Die besten Ergebnisse erzielten ein Multilayer Perceptron und ein hybrides Netzwerk (PCA und MLP). Künstliche Neuronale Netze eignen sich für die Suche und Klassifizierung von Informationen im WWW, wenn die Kriterien des Anwenders stabil sind.%Searching in the World Wide Web can be a tedious task since the information space is unstructured and dynamically changing. In many cases, keywords are not sufficient to describe the users information needs appropriately. Whenever qualitative criteria are important, keyword-based search engines cannot help much. Our problem was to find corporate e-commercc web sites which are "interesting" from a business perspective. Interesting in this sense means, for example, that a site provides online support for business transactions and business processes. An approach to filtering and classifying WWW information based on artificial neural networks is described in this paper. Several network topologies are discussed and evaluated: Multilayer perceptrons (MLP), modular networks, generalized feedforward networks and two hybrid topologies, i.e. principal component analysis networks and radial basis function networks combined with MLPs. Real-world corporate WWW sites were used to train and test the networks.