Geschichte
Vom Entscheidungsbaum über die flache Minimaltheorie zur Filterung von Evidenzräumen
Der Evidenzraum begann als Entscheidungsbaum über Briefe. Die erste Fassung als Minimaltheorie behandelte Kopf und Text gleich und war deshalb falsch. Die Filterung trennt die Ebenen und macht Sätze, Absätze, Fußnoten und Seiten zu eigenen Evidenzobjekten.
4. Oktober: der Entscheidungsbaum
Die Partitur famulus_evidenzraum_agent (goal_path: famulus/evidenz/raum) klassifiziert die Frage in Paare Attribut:Wert, bindet die Personen an das Register und baut je Paar einen Knoten, der jeden Brief als erfüllt, unentschieden oder verletzt entscheidet; eine SQL über alle Knoten, der selektivste zuerst. Der Träger ist der Brief. Für die Hitler-Frage: 15.976 Briefe → 13 nennen Hitler → 1 hat Kármán geschrieben, 10-6_fromm_carl_1921_1937/035. Die Anweisung lag bei 187 ms, die Wandzeit der Zielentfaltung warm bei 6,0 s. Der Raum trägt das Zertifikat famulus-raum/1.
Der Baum läuft weiter und ist die Vergleichsgröße der Filterung. Er kennt nur den Brief als Träger, sieben feste Knoten (Verfasser, Empfänger, Nennung, Zeitraum, Sprache, Absendeort, Thema) und keinen Kontext.
6. Oktober: die flache Minimaltheorie
Die zweite Fassung las die Frage als Minimaltheorie, eine Disjunktion von Clustern aus Faktoren, über einer Postingtabelle fq_index (3.076.317 Zeilen, eine Zeile je Schlüssel und Brief). Die Anweisung lag zwischen 41 und 67 ms.
Jeder Faktor folgte derselben Regel: ein Brief ohne Postingzeile des Faktors bleibt unentschieden. Für den Absender ist das richtig, das Register sagt über diesen Brief nichts. Für die Nennung ist es falsch, denn der Text des Briefs ist selbst die Evidenz: hat er Text und nennt Hitler nicht, ist er ausgeschlossen. So blieben alle Briefe ohne Nennungszeile im Raum, und die Hitler-Frage gab 4.824 Briefe zurück, wo der Baum einen behielt. Dasselbe galt für Weinstein (4.828), Einstein (4.866) und Prandtl (5.081). Die Nennung las außerdem nur die verknüpfte NER, ohne Wortformen, Fußnoten und Lesart, und es gab nur ein Objekt, den Brief.
Diese Zahlen stehen nur hier. Sie messen eine Regel, die den Inhalt falsch als unentschieden behandelte.
8. Oktober: die Filterung
Die dritte Fassung (Filterung) setzt drei Dinge anders:
- Evidenzobjekte. Jeder Satz, Absatz, jede Fußnote, Seite und jeder Brief ist eine Zeile in
fx_objekt, mit Enthaltensein infx_enthalten; die Attribute stehen infx_post(20 Millionen Zeilen). Die Antwort ist eine Menge solcher Objekte, nicht eine Liste von Briefen. - Hierarchie der Attribute. Der Schemabaum ordnet jedes Attribut einer Ebene zu, Kopf, Inhalt oder Text. Die Ebene bestimmt, wann ein Objekt unentschieden bleibt. Die Anweisung filtert Ebene für Ebene.
- Kontext und Verfeinerung. Die Vorfrage ist ein Teilbaum, der mit der neuen Frage zusammengeführt wird; eine zu große Menge führt zu einer Rückfrage mit dem trennschärfsten Hebel.
Die Hitler-Frage gibt wieder einen Satz in einem Brief zurück, denselben wie der Baum, in unter 100 ms. Für Weinstein, Einstein und Prandtl tragen die Evidenzobjekte genau die Briefe des Baums (6, 44, 279). Die Messung steht in Ablauf.
Am selben Tag kamen fünf weitere Collections dazu. Der Kármán-Nachlass setzte dabei eine Annahme, die nicht allgemein gilt: dass der Träger der Brief ist. Die Karte nennt jetzt die Trägerart, und Wäfler bucht Dokumente. Die Objekte, Blätter und Schwellen einer Korrespondenz stehen einmal in einer Vorlage, jede Karte nennt nur, was ihr fehlt oder anders heißt. Zwei Lehren aus diesem Schritt: Eine Seitenangabe ist keine Zuordnung von Text (Registerbände), und ein Kopfblatt, das nur unentschieden lässt, liefert kein Evidenzobjekt (eine Kopffrage zählt jetzt nur Träger, die jedes Blatt erfüllen). Kepler (Gesammelte Werke und Sekundärliteratur) und Copernicus (Primärquellen) nutzen dieselbe Dokumentvorlage: Träger ist der Band, nicht ein Brief.
Ebenfalls am 8. Oktober zeigte die Prandtl-Frage, dass eine Wortform noch keine Nennung ist: der Name stand in Literaturangaben, als Beiwort („Prandtl’schen Profil-Theorie“) und in Termini („Prandtl number“), und ein Satz mit einer Namensform ohne Lesung zählte als erfüllt. Seitdem liest die Lesart des Gebrauchs jedes Vorkommen nach seiner Rolle im Satz; eine minimale Theorie über Faktoren der Stanza-Analyse ordnet es einer Klasse zu. Die Nennungsfragen tragen jetzt 1, 2, 34 und 218 Briefe statt 1, 6, 44 und 279. Der Kandidatenkanal fand Tokens bis dahin über Wortformen, die mit dem Namensschlüssel beginnen; seither nur über die Stanza-Lemmaklassen des Registernachnamens, durch genaues Nachschlagen, und Varianten werden über das Lemma auf die Personen-Id abgebildet. Am selben Tag wurde sichtbar, dass der Raum keine Trefferzahl ist: „Briefe von Prandtl“ hatte einen Raum von 6.908 Briefen, belegt waren 9; die übrigen 6.899 haben keinen verzeichneten Absender. Berichte führen seither belegt und offen getrennt.