Databases Reference
In-Depth Information
wiederum bei der Wiederverwendung von bereits erprobten Lösungen hilft. Zusätzlich wird
die erneute Entscheidung für nicht zielführende Lösungen verhindert. Zum Beispiel nach Ein-
gabe der Problembeschreibung eines neuen Änderungsantrags kann mit Hilfe der Methode
nach ähnlichen Anträgen gesucht und als Ergebnisliste präsentiert werden. So erhält man In-
formationen, ob es bereits in der Vergangenheit zu verwandten Fällen gekommen ist.
Weiterhin können Schwerpunkte hinsichtlich der Änderungsanforderungen gesammelt und
auf ihre Ursache hin ausgewertet werden. Da im vorliegenden Fall auch die Lösungen, der
Nutzen sowie die Kommentare in textueller Form beschrieben werden, ist für diese Daten
ebenfalls eine Ermittlung der Ähnlichkeiten durch das Kosinus-Ähnlichkeitsmaß mit Hilfe
des modellierten Analyseprozesses möglich.
Nutzen von KDD
Durch die Analyse der Daten auf Ähnlichkeiten mit Hilfe der Vektorkreation und der Anwen-
dung des Kosinus-Ähnlichkeitsmaßes kann für jede textuelle Beschreibung die Ähnlichkeit zu
einer anderen Beschreibung als Prozentwert ermittelt werden. Die Berechnungen laufen dabei
in einem überschaubaren Zeitrahmen ab und können für die Wiederverwendung dokumentiert
werden. Der Prozess ist von seiner Grundstruktur her auf analoge Fälle anwendbar und er-
möglicht so einen allgemeinen Vergleich beliebiger Texte. Verbesserungen der Untersu-
chungsergebnisse sind durch den Einsatz von modifizierten Stoppwortlisten sowie durch die
Verwendung von domänen- oder unternehmensspezifischen Wörterbüchern zu erwarten.
Weiterer Forschungsbedarf
Neben den Auswirkungen der Analyseprozessverbesserungen ist es sinnvoll, die Berechnung
auf einen größeren Datensatz anzuwenden. Ferner stellt sich auch die Frage, ob in der Ver-
gangenheit gleiche oder ähnliche Probleme auch zu gleichen oder ähnlichen Lösungen geführt
haben. Untersuchungen hinsichtlich dieser Fragestellung sind notwendig, um den möglichen
Nutzen der Implementierung von Ähnlichkeitssuchen für den Erstellungsprozess, aber auch
für andere Anwendungsfälle einschätzen zu können.
6.2.10
Kosinus-Ähnlichkeitsmaß zwischen Kurztext und Problembeschreibung
Analyseergebnisse
Ein bei dieser Fragestellung teilweise überraschendes Ergebnis liefert der Analyseprozess zur
Bestimmung der Gleichheit des Kurztextes und der Problembeschreibung. Denn nahezu 35 %
der Anträge besitzen keinerlei Ähnlichkeit zwischen den Texten. Dieser Vergleich wurde mit
Hilfe des Kosinus-Ähnlichkeitsmaßes berechnet und liefert zu jedem Betrachtungspaar
"Kurztext-Problembeschreibung" einen Prozentwert.
Handlungsempfehlungen
Die Ergebnisse zeigen einen Handlungsbedarf auf, denn eine gewisse Ähnlichkeit zwischen
dem Kurztext und der Problembeschreibung wird aus Gründen der anforderungsgerechten
Dokumentation vorausgesetzt. Ein festgelegter Mindestprozentwert der Ähnlichkeit sollte
