1.5. Семантика баз данных

Как уже отмечалось, база данных не может рассматриваться в отры­ве от назначения и особенностей ее использования для решения практических задач, причем обязательно в составе более крупных информационных или технологических автоматизированных систем. Задачи таких систем — не только планирование и управление предприятием, но и интеграция разработки и сопровождения ос­новных и технологических объектов и процессов, диагностика, мо­ниторинг, моделирование. Соответственно, задачи и назначение БД как системы, хранящей информацию обо всех этих составляю­щих, — обеспечить информационную поддержку этих процессов.

База данных — это отражение реальной предметной области, «действующая» информационная модель⁵, которая, обеспечивая субъект информацией для принятия решения, позволяет в том чис­ле и управлять объектами и процессами в отражаемой предметной области (ПрО). Такая функциональная направленность (естествен­но, предполагающая достижение эффективности в первую очередь за счет использования именно БД) обусловливает и обратную зави­симость: объекты, процессы и события ПрО выделяются таким об­разом, чтобы было возможно их представление в виде системы взаимосвязанных данных и процессов, удобных для их последую­щей (человеко-машинной) обработки.

В каком-то смысле базу данных можно сравнить с сообщением о состоянии предметной области, воспринимаемым некоторым субъектом, задачей которого и является преобразование объектов этой ПрО, причем в своей деятельности субъект руководствуется информацией, извлекаемой именно из этого «сообщения». Схема этого соотношения, приведенная на рис. 1.4, иллюстрирует еще и то, что система, преобразующая объект, принципиально является комплексной (состоящей, по крайней мере, из двух компонент, ра­ботающих с объектами разной природы: субъект преобразования взаимодействует преимущественно с материальными объектами, а БД — с информационными).

Для многокомпонентных систем с многоуровневым представле­нием семантики эффективность обработки достигается через специализированность представления объектов или процессов (а для вычислительных систем — как среды хранения информации — с единственно возможной двоичной формой представления) и, в пер­вую очередь, путем сведения представления множества обрабаты­ваемых (локально) объектов к однородности природы и формы их представления. Поэтому, в общем случае для реализации эффектив­ного межуровневого взаимодействия (на каждом из уровней объек­ты представлены в виде, наиболее адекватном функциональным средствам этого уровня) любая величина должна быть преобразова­на в соответствии с «контекстом» этого уровня для получения тако­го ее представления, которое будет значимо для воспринимающего уровня, т. е. может быть обработано средствами этого уровня.

Рис. 1.4. Информационная модель преобразования

Здесь «контекст» — это декларативное или иногда процедурное определение способа использования элементарных составляющих величины для получения значения. Например, порядок использова­ния байтов при преобразовании вещественного числа, представлен­ного в двоичной форме, в символьный формат.

Соотношение понятий «величина», «контекст» и «значение» при­ведено на рис.1.5. Здесь значение, получаемое на уровне 1, на сле­дующем рассматривается в свою очередь как величина, которая будет интерпретироваться в соответствии с контекстом своего уровня⁶.

Таким образом, можно сказать, что значение в общем случае определяется парой <контекст, величина>. Причем, поскольку кон­текст и величина имеют разную природу, они должны быть пред­ставлены в вычислительной среде самостоятельными, скорее всего, разнотипными объектами.

Рис. 1.5. Соотношение понятий «величина», «контекст» и «значение»

Такое, хотя и упрощенное представление о БД как о средстве информационных коммуникаций позволяет тем не менее увидеть взаимосвязь вида информации (способа реализации смысла) с фор­мой ее представления и особенностью ее использования.

В этом смысле (с точки зрения способа представления и, соответственно, восприятия) в отдельный класс можно выделить фактографическую информацию: такое представление реально существующих событий и явлений, когда они могут быть описаны как факты, задаваемые парой <имя, значение>, где имя — знак, уникально определяющий (идентифицирующий) факт в заданной предметной об­ласти, и обычно не нуждающийся в явном определении или доопре­делении его существа; а значение — характеристика, задающая одно из множества возможных состояний.

Таким образом, здесь факт (его значение) задается величиной, например, числовой для параметров, измеримых физически, в том числе и логическими величинами «истина»/«ложь» для указания, свершилось событие или нет⁷.

Можно сказать, что особенностью фактографической информа­ции является практическая очевидность (минимальная неопреде­ленность, не требующая использования сложных или нечетких про­цедур) идентификации и интерпретации «факта», как его имени, так и состояния. Таким образом, контекст в этом случае в достаточной степени определяется однозначно понимаемым объявлением о на­значении базы данных и таким именованием полей данных, когда в качестве имени используется общепринятое, не зависящее от при­кладных задач, имя свойства (и таким образом определяются харак­теристические признаки). Такая ситуация предопределяет для поль­зователя возможность адекватного восприятия содержания: способ интерпретации данных в этом случае практически не может быть неоднозначным, причем для пользователя определение способа про­исходит неявно (не требует от него явных действий для определения и использования контекста). Это, с одной стороны, позволяет све­сти представление предметной области к точной теоретико-множественной модели, а с другой — обусловливает возможность непо­средственного использования данных в задачах обработки (на уров­не прикладных программ) для генерации новой информации без участия субъекта (человека), внешнего по отношению к машинной среде, обеспечивающего определение и использование контекста. Например, OLAP-технологии баз данных, позволяющие строить на основе множества данных, количественно характеризующих состоя­ние объектов предметной области и представленных обычно регу­лярными таблицами, новые значения, отражающие это состояние на ином качественном уровне, например, интегральные показатели, диаграммы, графики и т. д.

Однако большинство задач, решаемых человеком, не могут быть сведены к «фактографическому» представлению и описываются (и, соответственно, представляются в машинной среде) средствами естественного или специализированного языков, оперирующих лингвистическими переменными, значение которых может зависеть не только от контекста предметной области, но также и от контекста ближайшего окружения — значения соседних переменных. Причем, появление нового смысла (факта) не обязательно приводит к появ­лению новой переменной: новый факт представляется с помощью уже существующих переменных. Например, словесные определения философских или географических понятий.

В отличие от ранее рассмотренного фактографического пред­ставления, для вербальной формы представления факта (выраже­ниями языка с использованием лингвистических переменных) ха­рактерно то, что для задания имени, значения и контекста может ис­пользоваться единый способ и средства — лингвистические переменные одного и того же языка. Например, описание весовых свойств может быть представлено несколькими, но имеющими один смысл, вариантами предложений: «Чугунная заготовка весом 29 ки­лограммов» или «Чугунная заготовка имеет свойство m = 29, где m — вес в килограммах».

Автоматическое приведение такого рода представлений к оче­видно наилучшей для этого случая табличной форме, потребовало бы применения трудно реализуемых процедур морфологического и семантического анализов. Однако с другой стороны, выделение смысла (и генерация новой информации) обычно производится че­ловеком, сознание которого (как среда преобразования) ориентиро­вано именно на обработку лингвистических переменных.

Рассматривая процесс автоматизированной генерации новой информации (рис.1.6), где в качестве источника исходных данных используются БД, нужно сказать, что отбор и обработка должны быть выделены в отдельные процессы, так как с точки зрения общей (суммарной) эффективности один из них (обычно поиск) должен быть опосредованным — оценка полезности найденной информации производится обычно человеком, так как сознание человека — внешняя по отношению к машине среда, работает со слабострукту­рированной информацией эффективнее машин.

Рис. 1.6. Схема процесса автоматизированного решения задач

Случаи, когда информация представляется в форме, не адекват­ной архитектуре фон-неймановских машин, могут быть обусловле­ны разными факторами. Рассмотрим следующие случаи.

1. Хорошо структурированная информация, представляемая в графическом или специальном формате. Например, структурные хи­мические формулы, конструкторская документация и т. д. В этом случае для автоматической обработки требуются узкоспециализиро­ванные средства, что приводит к общей неунифицированности пред­ставления семантических элементов (например, графических примитивов) на уровне данных.

2. Информация, точная по содержанию, но вариантно представ­ляемая по форме. Например, описание в текстовом виде численно задаваемых параметров изделия. Лингвистические переменные в этом случае имеют точное значение, однако построение универсаль­ной процедуры автоматического выделения факта из текста трудо­емко и потому нецелесообразно.

3. Слабоструктурированная информация, обычно представляе­мая в текстовой форме. Например, учебная или научная публика­ция, где новые понятия строятся на основании ранее определен­ных. В этом случае лингвистические переменные могут принимать новые, ранее не определенные значения, которые определяются контекстом — ближним (словосочетания) или общим (темой сообщения).

Возвращаясь к процедуре поиска как важнейшей составляющей использования баз данных, еще раз отметим, что критерий отбора должен содержать не только величину (например, слово), но и кон­текст.

В реальных системах поиск документальной информации⁸, представленной в текстовой форме, производится по вторичным до­кументам — специально создаваемым поисковым образам, точно идентифицирующим сам документ как единицу хранения, и при­близительно, в краткой форме, путем перечисления основных поня­тий, отражающий смысловое содержание. Такой подход позволяет построить процедуры поиска на основе теоретико-множественной модели с точной логикой отбора по критерию наличия заданного сочетания терминов запроса в списке терминов поискового образа. Однако контекст использования терминов должен быть доопреде­лен отдельно — либо во время поиска, например, указанием тема­тической области, либо после отбора из базы — во время ознаком­ления человека с содержанием найденного.

Определение контекста предметной области в целом осуществ­ляется с помощью тезаурусов терминологических систем, фикси­рующих с помощью родо-видовых и других отношений роль и се­мантику дескрипторов — выделенных терминов, которые использу­ются для формирования поисковых образов документов.

Для доопределения смысла термина в составе поискового об­раза документа в первых поколениях автоматизированных инфор­мационных систем применялись специальные указатели роли, од­нако их использование было трудоемко и требовало специальной подготовки пользователя, поэтому в современных системах не при­меняется.

Другой важный фактор, влияющий на эффективность работы человека с информацией — это форма хранения и представления — структура и оформление документа. Это особенно заметно при ра­боте с объемными полнотекстовыми документами, причем иногда определяется на уровне машинного формата (например, DOC, PDF, HTML и т. д.), от выбора которого зависит возможность дальней­шей обработки.

В том случае когда для хранения информации используются базы данных, структура документов может быть определена двумя путями⁹:

• так же как и для фактографических БД, заданием схемы — последовательности именованных типизированных полей дан­ных;

• контекстным определением — использованием специализиро­ванных языков разметки (например, HTML или XML), задаю­щим индивидуальные особенности представления материала каждого документа.

Использование встраиваемых определений структуры позволяет ввести «самоопределяемые» форматы представления документов. Это обеспечивает практически неограниченную гибкость при орга­низации хранения коллекций разнородных документов, однако соз­дает семантические проблемы согласованного использования мате­риала (из-за возможности различной интерпретации определений), что в свою очередь требует создания доступного всем пользователям репозитария метаинформации — описаний природы и способов представления информации.