Comparative study of clustering algorithms on textual databases

Zielstellung: Die Diplomarbeit zeigt, dass eine Menge von Lebensläufen in eine numerische Repräsentation umgewandelt werden kann, um ihre Besitzer in a priori unbekannte Gruppen zu unterteilen. Mitglieder einer Gruppe sollen ähnliche Fähigkeiten besitzen und sich von Fähigkeiten anderer Gruppen unterscheiden. Mit der Unterteilung sollen Anwendungen aus dem Bereich des Wissensmanagements unterstützt werden. Hintergrund: Die große Sammlung von Lebensläufen brasilianischer Wissenschaftler, die auf der Lattes Platform3 hinterlegt ist, bietet einen hervorragenden Ausgangspunkt für das Auffinden von Informationen über Qualifikationen, Fähigkeiten und Wissen von Personen, welche im Folgenden als Kompetenzen bezeichnet werden. Ergebnisse dieser Kompetenzanalyse können ihre Anwendung im Personalwesen, Projektmanagement und bei der Planung von betrieblichen Weiterbildungen finden. Abgrenzung: Die Arbeit baute auf dem Knowledge Discovery in Textual Database (KDT) [22] Prozess auf, um jeden einzelnen Schritt von der Datenselektion, der Extraktion und Gewichtung von Indextermen bis hin zum Clustering und der Interpretation hinsichtlich Wissensmanagement zu untersuchen. Für die Unterteilung der Eingangsdaten in kompetenzbasierte Gruppen wurden zwei Clustering-Algorithmen implementiert, der k- means Algorithmus sowie Kohonen Self-Organizing Maps (Kohonen-SOM). Methoden: Während einer quantitativen Evaluierung erfolgte die Untersuchung beider Algorithmen mittels des Reuters-21578 Datensatzes, Distribution 1.0 4 auf ihre jeweils beste Konfiguration, welche daraufhin während der praktischen Evaluierung auf einem Datensatz, bestehend aus 46 Lebensläufen von Angestellten des Stela Instituts, angewandt wurde. Ergebnisse: Zur Veranschaulichung der von k-means errechneten kompetenzbasierten Gruppen diente eine graphenähnliche Darstellung. Ergebnisse von Kohonen-SOM wurden hingegen durch eine Topologie für die Besitzer der Lebensläufe und durch eine Topologie der wichtigsten Kompetenzen dargestellt. Schlussfolgerung: Beide Clustering Algorithmen zeigten gegensätzliche Stärken. Aus diesem Grund fiel es schwer, eine allgemeingültige Entscheidung für die Anwendung eines Algorithmus zu treffen. Es wurde eine Entscheidungsregel vorgestellt. Stichworte: Clustering Algorithmen, kompetenzbasierte Gruppen, Wissensmanagement 3http://lattes.cnpq.br 4abrufbar unter http://www.daviddlewis.com/resources/testcollections/reuters21578