2. Языки ключевых слов

Современная компьютерная техника снимает ограничения по объёму каталогов и снижает трудоёмкость их составления. Поэтому получила распространение идея приписывать документам все ключевые слова, используемые в документе, и в электронном каталоге иметь инверсный файл записи адресов документов, использовавших каждое ключевое слово.

Под ключевыми словами в данном случае понимаются наиболее существенные для выражения содержания документа полнозначные слова и словосочетания, обладающие назывной (номинативной) функцией. Поиск документа при этом должен происходить, как правило, не по одному ключевому слову (не по одной предметной рубрике, как в случае языка предметных рубрик), а по формулировке поисковой потребности, содержащей ряд ключевых слов, полно описывающих тему поиска. В процессе поиска по записям инверсного файла, соответствующим ключевым словам запроса, должны производиться логические операции над множествами адресов документов аналогично тому, как это делается для сложных запросов на языке библиографических данных.

Ключевые слова образуют новый способ описания и поиска документов – язык ключевых слов (ИПЯ ключевых слов), который сливается с языком библиографических данных в единый программный комплекс с едиными процедурами поиска.

Описанная организация языка ключевых слов позволяет сильно экономить на ресурсах памяти по сравнению с языком предметных рубрик. Так, если, допустим, документ заиндексирован шестью терминами, то мы имеем возможность находить его по всем сочетаниям этих терминов. А в языке предметных рубрик мы должны были бы иметь порядка 100 предметных заголовков вместо 6 ключевых слов, чтобы точно указать тематику этого документа. Примером может служить предыдущая лекция. Её содержание можно описать следующими шестью ключевыми словами:

ИПЯ, Библиографические данные, Библиографические классификации, УДК, ББК, ГРНТИ

В языке предметных рубрик только такие предметные рубрики будут давать точное описание этой лекции, которые будут содержать все эти ключевые слова в качестве заголовка или подзаголовков. Но сочетаться эти слова могут в разном числе и в произвольном порядке, что составляет более 1000 вариантов. Среди этих вариантов меньшая часть является осмысленной формулировкой темы, и потому реально необходимо включать в словарь меньше рубрик, но всё равно их число намного превосходит число ключевых слов.

3. Информационно-поисковый тезаурус

При всём своём удобстве язык ключевых слов обладает очевидными недостатками. Так, на запрос «поваренная соль» не будут выданы документы, заиндексированные терминами «хлористый натрий» и «натрия хлорид» (все три термина обозначают одно и то же вещество). На запрос «языкознание» не будут выданы документы о «лингвистике» и «языковедении» (одно и то же), а также документы о разделах этой науки: «грамматика», «фонетика», «орфография» и др. Зато на запрос «стабилизаторы» будут выданы документы как о стабилизаторах в хвостовом оперении самолётов, так и о стабилизаторах электрического тока и стабилизаторах смесей химических веществ, хотя пользователю были нужны документы только по одной из этих областей знания. Более того, на запрос «калия хлорид» будет выдан документ, в котором идёт речь о бромидах калия и хлоридах натрия, но не о хлоридах калия, поскольку в поисковом образе будут представлены отдельные ключевые слова – «калий», «натрий», «хлорид», «бромид» без указания связи между ними.

Для преодоления этих недостатков нужно, чтобы поисковая система реагировала не на формальное совпадение слов, а на совпадение понятий, а ещё лучше – на совпадение смысла текстов.

Понятие может быть задано как совокупность всех способов обозначения его в текстах, т. е. как множество синонимов. Для этого в автоматизированную систему должен быть введён словарь, в котором было бы указано, какие слова и выражения обозначают одно и то же понятие:

Библиографическое описание = бибописание

Компакт-диск = CD

Компьютер = вычислительная машина = ЭВМ

Лазер = оптический квантовый генератор

Натрия хлорид = хлористый натрий = поваренная соль

Пневмония = воспаление лёгких

Ядерная энергия = атомная энергия

Языкознание = лингвистика = языковедение

При этом одно из эквивалентных выражений выбирается как нормативное слово, допущенное для использования, а остальные синонимы служат справочным материалом и подлежат замене на нормативное обозначение понятия.

Идею – использовать при индексировании документов и запросов такие словари синонимов – предложил американский математик К. Муэрз (C. Mooers) ещё в 1947 г. для системы механизированного поиска библиографических карточек. Совокупность синонимов, обозначающих одно понятие, он назвал «дескриптор» («описатель»). Расширительно дескриптором называют также тот нормативный синоним, который в системе заменяет собою остальные синонимы. Последние получили наименование «аскрипторы» («не описатели, не писомые»).

В дальнейшем было предложено вводить в дескрипторный словарь другие отношения – отношения понятий, описываемых дескрипторами как целое, а сам словарь получил название информационно-поискового тезауруса. Словом «тезаурус» ранее именовали списки слов, охватывающие всё лексическое богатство какого-либо источника (Библии, Гомера, например). Само по себе слово «тезаурус» в греческом языке (θεσαυρός) означает «сокровище». А в словаре ключевых слов (дескрипторов) содержались все слова, допущенные для использования при индексировании, т.е. всё лексическое сокровище системы.

Информационно-поисковый тезаурус (ИПТ) – это словарь терминов определённой области знания, в котором между терминами зафиксированы путём ссылок смысловые связи понятий, отражающие взаимодействие (отношения) объектов и явлений действительности. Пользуясь философским языком, можно сказать, что тезаурус отражает онтологию предметной области. Поэтому в последнее время распространилось наименование этого понятия термином «онтология»³. Системы описания документов и запросов с помощью дескрипторов и информационно-поисковых тезаурусов называют информационно-поисковыми языками дескрипторного типа, или дескрипторными ИПЯ.