Jeder Streifen repräsentiert einen Textabschnitt in der Arbeitsbiografie. Je heller ein Streifen, desto verwandter ist der Text mit dem aktuellen Text. Der aktuelle Werk hat die Farbe Rot, der aktuelle Abschnitt ist orange markiert.
Grundlage der Textanalyse ist das Sprachmodell MiniLM-L12 / BGE-M3. Mit dessen Hilfe wird der aktuelle Textabschnitt mit allen anderen Textabschnitten verglichen (insgesamt knapp 3 Millionen Kombinationen) und ein Ähnlichkeitskennwert berechnet.
Die Ähnlichkeit basiert nicht auf Wortgleichheit, sondern auf semantischen Eigenschaften. Beispiele:
- Das Bild zeigt eine Landschaft ⟷ Zu sehen ist eine Naturszene
- Die Arbeit entstand 1972 ⟷ Das Werk wurde in den frühen 70ern geschaffen
- Kritik an der Gesellschaft ⟷ Gesellschaftliche Auseinandersetzung
- Er lehnte das Angebot ab ⟷ Er wies den Vorschlag zurück
Als ähnlich erkannt werden Synonyme, Umschreibungen und Paraphrasen sowie gleiche Bedeutungen – auch in unterschiedlichen Sprachen – erkannt. Beispiel: Kunst und Politik ⟷ art and politics.
Aktuell werden die Textverwandtschaften auf Basis des gesamten Textkorpus statisch vorberechnet und bei Änderungen einzelner Inhalte aktualisiert. In die Berechnung werden nur Textabschnitte einbezogen, die mehr als 100 Wörter Inhalt haben. Leere oder kurze Abschnitte sind daher in dieser Textgenetik nicht enthalten.
Die Verwandtschafts-Abstufungen wurden in 6 Gruppen zusammengefasst: 0 = keine Verwandtschaft, 20, 40, 60, 80, 100 = sehr nah am aktuellen Text.
Die Fundstellen in dieser Verwandtschafts-Textgenetik liefern also möglicherweise völlig andere, eventuell unerwartete Lese-Anregungen, während die zugeordneten Verweise (unter siehe auch) redaktionell ausgewählt wurden.
