Vektorraummodell

Das Vektorraummodell bezeichnet ein Retrieval-Modell, das Dokumente und Suchanfragen als Vektoren in einem gemeinsamen Raum darstellt. Die Ähnlichkeit zwischen Anfrage und Dokument entspricht ihrer geometrischen Nähe und wird über ein Ähnlichkeitsmaß wie die Cosine Similarity berechnet.

Funktionsweise und Einordnung

Gerard Salton entwickelte das Modell in den 1960er- und 1970er-Jahren mit dem SMART-System an der Cornell University. Im klassischen Vektorraummodell steht jede Dimension für einen Term des Vokabulars. Die Werte eines Dokumentvektors stammen meist aus TF-IDF, das häufige und zugleich seltene Terme hoch gewichtet.

Anders als das Boolesche Modell vergibt das Vektorraummodell abgestufte Werte und sortiert Dokumente nach Ähnlichkeit. Es zählt Wörter und ignoriert ihre Reihenfolge, deshalb heißt dieses Prinzip Bag of Words. Neuronale Systeme ersetzen die Termgewichte durch Embeddings und vergleichen sie mit denselben Maßen wie Cosine Similarity oder Skalarprodukt.

Wie Texte zu Vektoren werden und wo das Modell an Grenzen stößt, erklärt der Beitrag Cosine Similarity und Vektorraummodell: Wie Suchsysteme Ähnlichkeit messen.

Strategische Bedeutung für SEO, GEO und AI-Search

Das Vektorraummodell ist das Grundprinzip, nach dem Suchsysteme und AI-Search Inhalte zu einer Anfrage abrufen. Das Generative Authority Model (GAM) von Ralf Dodler beschreibt diese Abrufbarkeit als Retrieval Activation: Ein Inhalt wird nur Teil einer Antwort, wenn er im Vektorraum nah an der Anfrage liegt.

Im klassischen Modell zählen gemeinsame Terme. Ein Text, der den Fachbegriff der Anfrage nicht enthält, bleibt für die lexikalische Suche unsichtbar.
Mit Embeddings zählt Bedeutung. Ein Text muss das Konzept klar erklären, nicht nur das Wort nennen.
Hybride Systeme nutzen beide Wege. Inhalte brauchen deshalb den exakten Fachbegriff und eine eindeutige Erklärung im selben Abschnitt.

Beispiel

Mit den Termen „vektor“, „ähnlichkeit“ und „ranking“ wird die Anfrage „Vektor Ähnlichkeit“ zum Vektor (1, 1, 0). Ein Dokument, das zweimal „vektor“ und einmal „ähnlichkeit“ enthält, wird zu (2, 1, 0) und liegt nah an der Anfrage. Ein Dokument über Ranking mit dem Vektor (0, 1, 3) liegt weit entfernt.

Häufige Fragen zum Vektorraummodell

Ist das Vektorraummodell veraltet?

Das Vektorraummodell ist nicht veraltet, nur seine klassische Form mit reinen Termgewichten. Das Prinzip, Texte als Vektoren zu vergleichen, trägt die heutige Vektorsuche mit Embeddings. Auch TF-IDF-Rankings nutzen es weiterhin.

Was unterscheidet das Vektorraummodell vom Booleschen Modell?

Das Boolesche Modell kennt nur Treffer oder kein Treffer, das Vektorraummodell berechnet abgestufte Ähnlichkeitswerte. Dadurch kann es Dokumente nach Ähnlichkeit sortieren. Auch Dokumente, die nur einen Teil der Anfrage enthalten, erscheinen in der Rangliste.

Wo stößt das Vektorraummodell an Grenzen?

Das klassische Vektorraummodell scheitert an Synonymen und an der Wortreihenfolge. „Auto“ und „PKW“ stehen dort unverbunden nebeneinander, „Hund beißt Mann“ ergibt denselben Vektor wie „Mann beißt Hund“. Embeddings lösen beide Probleme weitgehend.

Welches Ähnlichkeitsmaß nutzt das Vektorraummodell?

Das Vektorraummodell nutzt meist die Cosine Similarity, weil sie unterschiedliche Dokumentlängen ausgleicht. Mit normierten Vektoren sind auch Skalarprodukt und euklidische Distanz gleichwertig. Bei Embeddings legt das Modell durch sein Training fest, welches Maß passt.