Материал: Литература по теме Тема Информационные технологии пользователя Вопрос Информационные технологии электронного офиса

Первые информационно-поисковые системы (ИПС) были предназначены для поиска книг в библиотеках и получили название библиографические. Позже их стали применять для поиска документов в больших хранилищах и стали называть документальными.Основным объектом информационного фонда документальной информационно-поисковой системы является аннотация (реферат) и библиографическое описание документа. Аннотация (реферат) пишется на естественном языке и отражает основные характеристики документа. Из реферата выделяются ключевые слова и словосочетания, которые в последующем используются для поиска.Ключевые слова и словосочетания по-другому называются дескрипторами.Запрос к документальной ИПС формулируется в виде перечня дескрипторов, которые, по мнению пользователя, характеризуют искомый документ. Совокупность индексов, соответствующих полному набору дескрипторов реферата, составляет его поисковый образ.Таким образом, признаки документа, отражающие его содержание в информационно-поисковой системе (ИПС), называют поисковым образом документа (ПОД), а признаки запроса в ИПС – поисковым предписанием (ПП).Процедура перевода документа и запроса в форму представления, принятую в ИПС, называется индексированием.При проведении информационного поиска в системе рассматривается не фактическая информационная потребность пользователя, а только информационный запрос, в ответ на который выдаются те или иные документы системы.Для выражения этих отношений в теории документальных ИПС введены два фундаментальных понятия: пертинентность и релевантность.Под пертинентностью понимается соответствие смыслового содержания документа информационной потребности потребителя. Документы, содержание которых удовлетворяет информационной потребности, называются пертинентными.Релевантность представляет собой соответствие содержания документа информационному запросу в том виде, в каком он сформулирован, а документы, содержание которых отвечает запросу потребителя, носят название релевантных.При сопоставлении поискового образа и поискового предписания используется тот или иной критерий смыслового соответствия (релевантности).В состав типовой документальной ИПС входят четыре подсистемы:1.  Подсистема ввода и регистрации.2.  Подсистема обработки.3.  Подсистема хранения.4.  Подсистема поиска.

 Основные задачи подсистемы ввода и регистрации документов зависят от представления текстовых документов, поступающих на вход системы. Они могут быть представлены как в бумажном, так и в электронном виде. Поэтому эта подсистема решает такие задачи, как:     создание электронных копий бумажных документов (например, сканирование с последующим распознаванием текста или ввод с клавиатуры);     обеспечение подключения к каналам доставки электронных документов;     распознавание, а при необходимости и преобразование, формата электронных документов;     присвоение электронным документам уникальных идентификаторов (регистрация), а также ведение таблицы синхронизации имен (при необходимости сохранения прежних имен). Все поступающие документы без внесения в них каких-либо изменений направляются в подсистему хранения для сохранения в базе данных документов. База документов может представлять собой простую совокупность файлов, распределенную по каталогам жесткого диска. Однако такой тип представления базы документов характеризуется двумя недостатками:1)       неэффективностью использования дискового пространства;2)       низкой скоростью доступа при большом количестве файлов. Поэтому для хранения документов применяют средства сжатия и быстрого поиска информации. В этом случае подсистема хранения представляет собой совокупность стандартных или специализированных средств архивации, управления данными, обеспечивающих возможность доступа к данным по предъявляемому идентификатору.На следующем этапе документы поступают на вход подсистемы обработки. Задачей этой подсистемы является формирование для каждого документа поискового образа документа (ПОД), в который заносится информация, необходимая для последующего поиска документа. ПОД сохраняется в индексе.При поступлении на вход системы запроса индекс преобразуется в поисковое предписание и передается в подсистему поиска, задачей которой является отыскание в индексе ПОД, удовлетворяющих ПП с точки зрения критерия смыслового соответствия. Критерий смыслового соответствия (КСС) – это набор правил, по которым данная документальная ИПС определяет степень смысловой близости между поисковым образом документа (ПОД) и поисковым предписанием (ПП). Идентификаторы релевантных документов подаются с выхода подсистемы поиска на вход подсистемы хранения, которая осуществляет выдачу пользователю самих релевантных документов.

 Вопрос 2. Информационно-поисковый язык. Автоматизация процесса информационного поиска потребовала создания информационно-поисковых языков.Информационно-поисковый язык (ИПЯ) – это специально созданный искусственный язык, предназначенный для выражения содержания документов и запросов или описания фактов с целью их последующего поиска. ИПЯ создается на базе естественного языка, однако отличается от него компактностью, наличием четких грамматических правил и отсутствием семантической неоднозначности.Каждый информационно-поисковый язык состоит из:     лексики (словарного состава);     базисных (аналитических) отношений;     грамматики;     системы обозначений (алфавита);     системы ведения (изменения и дополнения);     правил образования и интерпретации. Алфавит ИПЯ – это система знаков, используемых для записи слов и выражений ИПЯ.Лексика, или словарный состав ИПЯ, – совокупность слов, словосочетаний и выражений, используемых для построения текстов ИПЯ.Грамматика ИПЯ – совокупность средств и способов построения, изменения и сочетания лексических единиц. Грамматика включает морфологию и синтаксис.Морфология – совокупность средств и способов построения и изменения слов.Синтаксис– совокупность средств и способов соединения слов в выражения и фразы.Естественный язык (ЕЯ) обладает высокой многозначностью. Это создает богатство его форм и содержания. В ИПЯ недопустима многозначность. Основными требованиями, предъявляемыми к ИПЯ:     однозначность: каждая запись на ИПЯ должна иметь только один смысл, одно толкование, а любое понятие, смысл должны получить единообразную запись средствами ИПЯ;     достаточная семантическая сила: способность отражать с необходимой полнотой и точностью смысловое содержание документов и запросов определенной предметной области;     открытость: обеспечение возможности корректировки языка. Поэтому необходимо учитывать отношения синонимии и омонимии слов ЕЯ, используемых в ИПЯ.Омонимия –это совпадение слов по написанию или звучанию и несовпадение по смыслу.Полисемия слова состоит в том, что одно и то же слово выражает пучок родственных понятий. Например, знак «соль» обозначает вещество, а также понятие смысла. Оба значения близки по смыслу.

Синонимия – это совпадение слов по значению и несовпадение по написанию.Наиболее часто в качестве основания деления при классификации ИПЯ используют способ организации понятий.Поспособу организации понятий ИПЯ различают:     предкоординируемые (классификационные);     посткоординируемые (дескрипторные). Предкоординация– предварительное (до использования при индексировании) построение сложных классов путем логического умножения (координации) простых классов.Словарный состав задается в виде фиксированного списка слов, словосочетаний и фраз. При индексировании документов или запросов можно пользоваться только словами, словосочетаниями и фразами, содержащимися в фиксированном списке. Введение в язык новых лексических единиц строго ограничено и возможно лишь до индексирования документов, т.е. при создании языка.Словарный состав предкоординируемых языков напоминает двуязычный разговорник, в котором заранее зафиксированы наиболее употребительные фразы. При помощи предкоординируемого языка происходит отнесение документа к классу, обозначенному лексическими единицами этого языка, т.е. классификация документа.Посткоординируемые(дескрипторные языки) основаны на методе координатного индексирования.Координатное индексирование – индексирование, при котором основное смысловое содержание текста (документа) или информационного запроса представляется в виде сочетания ключевых слов или дескрипторов. В посткоординируемых ИПЯ лексические единицы объединяются в поисковом образе лишь во время индексирования документа. Словарь дескрипторного ИПЯ состоит из специальным образом выбранных отдельных слов или словосочетаний ЕЯ:ключевых слов и дескрипторов.  Вопрос 3. Система индексирования. В зависимости от особенностей реализации хранилища документов и механизмов поиска документальные информационно-поисковые системы можно разделить на две группы:1)       системы на основе индексирования;2)       семантически-навигационные системы. В системах на основе индексированияисходные документы помещаются в базу без какого-либо дополнительного преобразования, но при этом смысловое содержание каждого документа – аннотация (реферат) – 

отображается в некоторое поисковое пространство.

При вводе в ИПС нового объекта (реферата) его дескрипторы автоматически включаются в словарь дескрипторов. Каждому дескриптору присваивается номер, называемый индексом дескриптора.

Совокупность индексов, соответствующих полному набору дескрипторов реферата, составляет его поисковый образ.

Новый поисковый образ снабжается уникальным идентификатором и включается в массив поисковых образов. Тем же идентификатором помечается новый реферат, заносимый в массив рефератов.

Поиск в дескрипторной ИПС организуется следующим образом. Пользователь выражает свои информационные потребности средствами и языком поискового пространства, формируя поисковый образ запроса(ПОЗ) к базе документов. Запрос подвергается анализу, в рамках которого выделяются дескрипторы, входящие в словарь дескрипторов. Их совокупность образует поисковое предписание, соответствующее запросу. Оно сопоставляется с поисковыми образами, в результате чего определяется их релевантность. Ответом на запрос является множество рефератов, соответствующих отобранным в процессе поиска идентификаторам.

Схематично общий принцип устройства и функционирования документальных ИПС на основе индексирования представлен на рис. 9.

 



 

Рис. 9. Общий принцип функционирования документальных ИПС на основе индексирования

 

В целях ускорения поиска для каждого дескриптора в словаре дескрипторов указывается список идентификаторов рефератов, в которых он встречается. Такая информационная структура ИПС называется индексом.

Заметим, что с помощью дескрипторов можно лишь приблизительно отразить смысл документов. Таким образом, поисковая система может выдать документы, не относящие к данному поисковому запросу и не найти нужные.

Развитием поиска по дескрипторам являются информационно-поисковые системы с полнотекстовым поиском.

В системах, использующих данный вид поиска, индекс формируется на основе всех слов и словосочетаний, содержащихся в документах, за исключением служебных слов (союзов, предлогов и др.). При индексировании слова приводятся к базовой грамматической форме (именительный падеж единственного числа и др.).

В семантически-навигационных системах документы