Modellierung lernender Systeme durch Neuronale Netze (NN) - Modellierung komplexer Prozesse durch naturanaloge Verfahren - page 151

Das Neuronale Netz
Für das Modell wurde eine so genannte Ritter-Kohonen-Karte (Ritter and Kohonen 1989)
gewählt, deren besondere Leistungsfähigkeit wie beim SEN in der Verwendung einer
semantischen Matrix besteht. Damit ist gemeint, dass die Aufgabe einer Ritter-Kohonen Karte
darin besteht, aus bestimmten semantischen Merkmalen, durch die verschiedene Begriffe
charakterisiert sind, „Begriffscluster“ zu bilden, d. h., die Begriffe jeweils zu Begriffsklassen
zusammenzufassen. Die Selbstorganisierende Karte erhält Eingaben der Art „Kunde A, der alle
Innovationen kauft“, „Kunde C, der Innovationen nur im Angebot kauft“, „Kunde D, bei dem
Werbemaßnahmen nicht erfolgreich sind“, etc. Diese Eingaben werden in einer semantischen
Matrix folgendermaßen codiert - die Beispiele hier sind fiktiv:

Tabelle 4-3 Semantische Matrix

Innovationen
werden im-
mer gekauft

Innovationen werden
in der Umgebung
gesehen und darauf-
hin gekauft

Kauf von Inno-
vationen nur im
Angebot

Der Kauf von
Produkten
erfolgt spontan

Werbung
beeinflusst das
Kaufverhalten

Kunde A 1 -1 -1 -1 1

Kunde B -1 1 1 1 1

Kunde C -1 -1 1 -1 1

Kunde D -1 -1 -1 -1 -1

etc.

Mit anderen Worten, Kunde A kauft immer Innovationen (1), braucht deshalb keine Umge-
bungsanregungen (-1), orientiert sich auch nicht an Sonderangeboten (-1), kauft auch nicht
spontan (-1), aber lässt sich von Werbung beeinflussen (1). Es handelt sich hier um eine so
genannte bipolare Codierung. Zu beachten ist dabei, dass in dieser Matrix nur die „realen“,
wenn auch hier fiktiven Kunden enthalten sind, und noch kein Referenztyp.
Eine derartige semantische Matrix ist die Voraussetzung dafür, dass die Selbstorganisierende
Karte auch tatsächlich mit der Klassifizierung beginnen kann; die Daten sind noch, um die
obige Formulierung noch einmal aufzugreifen, in einer impliziten Ordnungsstruktur.
Wenn man nun einen Referenztyp explizit einfügt, werden die Kunden entsprechend der all-
gemeinen Darstellung um diesen Referenztypen geordnet. In einer SEN-Visualisierung bedeu-
tet dann die Nähe eines Kunden zu dem Referenztyp, dass dieser Kunde dem Referenztyp
weitgehend entspricht; eine größere Distanz besagt dann natürlich, dass der entsprechende
Kunde dem Referenztyp ziemlich unähnlich ist. Dies ist anders bei der hier gewählten SOM-
Visualisierung: Die Kunden, die dem jeweiligen Referenztyp (im Beispiel unten C) ähnlich
sind, werden durch hellgraue Farbe markiert; „dunkle“ Kunden sind dem Referenztyp unähn-
lich, kommen also nicht als einschlägige Kundentypen in Frage.
Bei der Implementierung des Modells werden einem Benutzer zwei Optionen geboten:
1. Man hat die Möglichkeit, sich die Referenztypen auf der Karte anzeigen zu lassen, und
2. die Referenztypen werden nicht auf der Karte angezeigt, sondern dienen der typspezifi-
schen Clusterung der Kunden.
Im ersten Fall besteht das Vorgehen darin, dass die Kunden, die dem jeweiligen Referenztypen
am ähnlichsten sind, entsprechend in dessen unmittelbarer Umgebung angezeigt werden. In
diesem Fall erfolgt die Klassifizierung automatisch, d. h. ohne weitere Mitwirkung des Benut-
zers, wobei mitunter die Kunden nicht eindeutig eingeordnet werden, die Ähnlichkeiten zu