Вопрос 1. Виды документальных информационных систем

Элементом данных в документальных ИС является документ (в фак­тографических информационных системах элементом является запись). Обычно под документом понимается текстовый файл.

Основной задачей документальных информационных систем явля­ется хранение и предоставление пользователю документов, содержа­ние которых соответствуют его информационным потребностям.

Документальная информационная система (ДИС) — единое храни­лище документов с инструментарием поиска и выдачи необходимых пользователю документов .

Поисковый характер документальных информационных систем определил еще одно их название — информационно-поисковые систе­мы (ИПС).

Соответствие найденных документов информационным потребно­стям пользователя называется пертинентностью. В силу теоретиче­ских и практических сложностей формализации смыслового содер­жания документов пертинентность относится скорее к качественным понятиям.

В зависимости от особенностей реализации хранилища документов и механизмов поиска, ДИС можно разделить на две группы :

• системы на основе индексирования;

• семантически-навигационные системы.

Семантика (от греч. semantikos — обозначающий) — значения еди­ниц языка.

В семантически-навигационных (гипертекстовых) системах доку­менты, помещаемые в хранилище документов, оснащаются специаль­ными навигационными конструкциями (гиперссылками), соответ­ствующими смысловым связям между различными документами или отдельными фрагментами одного документа.

В системах на основе индексирования исходные документы поме­щаются в базу без какого-либо дополнительного преобразования, но при этом смысловое содержание каждого документа отображается в некоторое поисковое пространство. Процесс отображения документа в поисковое пространство называется индексированием и заключает­ся в присвоении каждому документу некоторого индекса — координа­ты в поисковом пространстве. Формализованное представление ин­декса документа называется поисковым образом документа (ПОД). Пользователь выражает свои информационные потребности посред­ством специального языка, формируя поисковый образ запроса (ПОЗ) к базе документов .

На основе определенных критериев ДИС осуществляет поиск и вы­дачу документов, поисковые образы которых соответствуют поиско­вым образам запроса пользователя.

Соответствие найденных документов запросу пользователя назы­вается релевантностью.

Схема устройства и функционирования ДИС на основе индексиро­вания приведена на рис. 1.

Рис. 1. Схема функционирования ДИС на основе индексирования

Вопрос 1. Информационные языки

Информационно-поисковый язык (ИПЯ) представляет собой неко­торую формализованную семантическую систему, предназначенную для выражения содержания документа и поискового запроса [14].

Основными элементами ИПЯ являются алфавит, лексика и грам­матика.

Алфавит ИПЯ — 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.

Можно указать следующие требования, которым должен удовле­творять ИПЯ [14, 29]:

• располагать лексико-грамматическими средствами для точного отображения темы документа и запроса;

• не содержать полисемии, синонимии и омонимии;

• отображать только объективные характеристики предметов и от­ ношений между ними;

• быть удобным для алгоритмического сопоставления ПОД и ПОЗ.

Построение выражений ИПЯ требует решения по крайней мере двух проблем. Первая из них связана с выбором лексических единиц ИПЯ, необходимых для построения выражений.

Выбор слов определяется их смыслом, обусловленным парадигма­тическими отношениями между предметами и явлениями, которые они определяют.

Парадигматические отношения — это отношения, обусловленные наличием логических связей между предметами и явлениями, обозна­ченными данными словами. Перечислим некоторые парадигматиче­ские отношения :

• «вид—род», например, «шкаф—мебель». В данном случае поня­тие «шкаф» является видовым по отношению к понятию «мебель». Родовое понятие всегда включает в себя видовое;

• «часть—целое», например «лезвие—нож»;

• «причина—следствие», например, «лампа—свет»;

• «функциональное сходство», например, «лопата—экскаватор».

Естественный язык обладает высокой многозначностью. В ИПЯ недопустима многозначность. Поэтому здесь необходимо учитывать отношения синонимии и омонимии слов естественного языка, 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, слово «соль» обозначает ве­щество, а также понятие смысла. Оба значения близки по сути.

Синонимия — это совпадение слов по значению и несовпадение по написанию.

Вторая проблема построения фраз ИПЯ связана с определением последовательности выбранных слов.

Синтагматические отношения — отношения слов при соединении их в словосочетания и фразы. Для уточнения смысла документа или запроса, помимо ключевых слов, часто необходимо указывать, в каких синтагматических отношениях эти слова находятся. Так, фраза «за­щита окружающей среды от человека» и фраза «защита человека от окружающей среды» имеют совершенно разный смысл, хотя и состоят из одних и тех же ключевых слов [33].

Многообразие используемых в ИПЯ парадигматических и синта­гматических отношений определяет семантическую силу ИПЯ.

По способу организации понятий различают следующие ИПЯ:

• предкоординируемые (классификационные) ИПЯ;

• посткоординируемые (дескрипторные) ИПЯ.

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. Введение в язык новых лексических единиц строго ограничено и возможно лишь до индексирования документов, т. е. при создании языка .

Посткоординируемые (дескрипторные) языки основаны на методе координатного индексирования. 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 естественного языка — ключевых слов и дескрипторов .

Координатное индексирование — индексирование, при котором ос­новное смысловое содержание текста (документа) или информацион­ного запроса представляется в виде сочетания ключевых слов или де­скрипторов.

Ключевые слова — это наиболее существенные для отображения со­держания документа слова и словосочетания, обладающие назывной функцией.

К классификационным языкам относят :

• информационно-поисковый язык иерархического типа;

• информационно-поисковый язык фасетного типа;

• алфавитно-предметную классификацию.

Основными показателями эффективности функционирования ДИС являются полнота и точность информационного поиска.

Полнота информационного поиска R определяется отношением числа найденных релевантных документов А к общему числу релевант­ных документов С, имеющихся в системе.

Точность информационного поиска Р определяется отношением числа найденных релевантных документов А к общему числу докумен­тов L, выданных на запрос пользователя