Информационные системы Интернета

П

И Н Т Е Р Н Е Т

оисковые машины Интернета являют собой чистый образец работы с сетевыми ресурсами. Подсистема комплектования в них реализована как робот («паук»), который периодически обегает заданный ему фрагмент сети или всю сеть, прочитывает доступные ему части сайтов, составляет описание каждого сайта в виде совокупности обнаруженных в нём слов и направляет это описание в блок каталога вместе с сетевыми адресами страниц, на которых данные слова найдены. Особенность сетевых поисковых машин состоит в том, что они обычно не формируют своего хранилища, а используют в качестве блока хранения всю сеть целиком. Но здесь мы видим действие той подсистемы, которая на общей схеме рисунка 11.1 не была изображена – блока доставки документов пользователю. Очевидно, что такая подсистема должна существовать в случае материальной почтовой доставки книжных изданий.

Запросы паука

Запросы пользователя

Описания документов

Тексты документов

Комплек-тование («робот», «паук»)

Каталог ключевых слов (инверсный, или индексный файл)

Входной интерфейс (индексирование и ввод запросов)

Выходной интерфейс (предобработ-ка и доставка документов)

Адреса

Запросы

Документы

П о л ь з о в а т е л и

Рис. 11.3. Структура и функции поисковой машины

Для поисковых машин было бы достаточно обойтись общесетевыми средствами доступа к источнику по известному адресу. Однако многие поисковики предлагают предварительную обработку документа в двух видах: (1) дают минимальное текстовое окружение найденных слов и (2) предоставляют текст документа с размеченными вхождениями слов запроса, что позволяет сразу обращаться к интересующему пользователя фрагменту без необходимости просматривать весь документ целиком. Схему сетевой поисковой машины можно представить рисунком 11.3.

Другой тип информационных систем в Интернете получил название «порталы» (в переводе на русский = «ворота, вход»). Отличие порталов от поисковых машин состоит в том, что порталы открывают доступ к документам определённой смысловой области. Соответственно этому каталог порталов построен не на формальном выявлении слов в документах, а на отборе документов по определённым семантическим категориям. Если каталог поисковой машины моделирует предметный каталог традиционной библиотеки, то каталог сетевого портала моделирует систематический каталог библиотеки. Соответственно входной интерфейс порталов должен пользоваться указателем семантических классов каталога, т. е. тематической классификационной системой. Каждый отобранный в портал документ должен получить тематический индекс по данной классификационной системе. Вопрос об автоматической классификации в настоящее время не решён, и видимо, не будет в полной мере решён никогда. Поэтому в порталах может быть организован доступ только к ограниченному массиву документов, который удастся просмотреть и оценить силами экспертов, составляющих персонал портала. В противоположность этому поисковые машины включают в свой доступ практически весь объём Интернета в течение примерно недели.

Современные ведущие поисковые машины стараются включить в себя также функции семантического отбора, свойственные порталам. Для этого наряду с пословным каталогом в них организуется и тематический каталог, составленный из наиболее популярных тем поиска в Интернете (например, «музыка», «отдых», «образование», «здоровье», «наука», …) но в этих каталогах также отражается только незначительная часть сетевых информационных ресурсов.

ЛЕКЦИЯ 2. Базы данных.