Алешин Л.И., Максимов Н.В. Информационные технологии

Подождите немного. Документ загружается.

331

4. Средства метапоиска.

В Интернете ИПС размещаются на серверах. В ИПС собирается,

индексируется и регистрируется информация о документах, имеющихся

в обслуживаемой системой группе веб-серверов. В документах индекси-

руются все значащие слова или только слова из заголовков. ИПС может

размещаться на нескольких серверах. Так, популярная поисковая маши-

на AltaVista с этой целью использует шесть компьютеров.

Тематические каталоги предусматривают обработку документов

и отнесение их к одной из нескольких категорий, перечень которых за-

ранее задан. Фактически это индексирование на основе классификации.

Индексирование может проводиться автоматически либо вручную с по-

мощью специалистов, просматривающих популярные веб-узлы и со-

ставляющих краткое описание документов-резюме (ключевые слова, ан-

нотация, реферат).

Например, в ИПС «Yahoo» каталог построен на основе фасетно-

иерархической классификации. Иерархически организованный темати-

ческий каталог веб генерируется полуавтоматически. Ссылки на различ-

ные ресурсы собираются двумя способами: присылаются пользователя-

ми и извлекаются программами-роботами, считывающими новые ссыл-

ки из известных источников. Тематика каталога разделена на большие

классы, например, Компьютеры, Правительство, которые далее детали-

зируются по иерархическому принципу.

Специализированные каталоги или справочники создаются по от-

дельным отраслям и темам, по новостям, по городам, по адресам элек-

тронной почты и т. п.

Поисковые машины (самое развитое средство поиска) реализуют

технологию полнотекстового поиска. Индексируются тексты, располо-

женные на опрашиваемых серверах. Индекс может содержать информа-

цию о нескольких миллионах документов. Например, в индексе попу-

лярной ИПС «AltaVista» более 56 млн. URL-адресов (данные 1999 г.)

При использовании средств метапоиска запрос осуществляется

одновременно несколькими поисковыми системами, результат поиска

объединяется в общий, упорядоченный по степени релевантности спи-

сок. Каждая система обрабатывает только часть узлов сети, это позволя-

ет значительно расширить базу поиска. К подобному классу можно так-

же отнести «персональные программы поиска», позволяющие формиро-

вать свои собственные инструменты метапоиска (например, автоматиче-

ски опрашивать часто посещаемые узлы).

Реализуется процесс поиска информации и управления им в БД с

помощью «навигационных» приёмов. Навигация – целенаправленная,

определяемая стратегией, последовательность использования методов,

средств и технологий конкретной АИПС для получения и оценки ре-

зультата.

Средства навигации представляют интерфейс, позволяющий ор-

332

ганизовать достаточно эффективный процесс взаимодействия пользова-

теля с БД. Средства интерфейса помогают пользователю ориентировать-

ся в системе при реализации процесса поиска.

Базы информационных данных могут содержать различные (прак-

тически любые) виды информации, в том числе в любой комбинации.

Информационный поиск осуществляется как по существующим в пол-

нотекстовых ЭИР терминам, так и по специальным элементам, входя-

щим в состав ИПЯ. Для формирования запросов используются специ-

альные информационно-поисковые языки. Определение данному поня-

тию представлено в теме 13.

ИПС внутри найденной выборки обычно пытаются расположить

документы в порядке их «релевантности», то есть близости к введен-

ному пользователем запросу. Критериев такой близости много и выяв-

ление близких «по смыслу» к запросу документов не решает проблемы

получения информации при отсутствии релевантного документа. По-

добная ситуация достаточно тривиальна, в том числе и потому, что

пользователь зачастую ищет документ, который сам собирается напи-

сать. Следует отметить, что в результате проведенного поиска пользова-

тель может получить как релевантные, пертинентные, так и нерелевант-

ные и непертинентные подмассивы данных.

ИПС фактически являются системами информационного обес-

печения и представляют собой базы и банки данных. В качестве объек-

та в них выступает индивид, организация, отрасль, регион и т.п. Субъ-

ектом информационного обеспечения является специалист-

информатик, любой потребитель информации.

«База данных» – поименованная совокупность взаимосвязанных

данных, находящихся под руководством систем управления базами дан-

ных (СУБД).

«Банк данных» – логическая, тематическая или иная совокуп-

ность баз данных.

«СУБД» позиционируется как совокупность языковых и про-

граммных средств, обеспечивающих выполнение процедур, связанных с

организацией ввода, корректировки, хранения, удаления и поиска дан-

ных, а также доступа к ним. СУБД образуют ИПС. Реально большинство

нынешних ИПС позволяют искать информацию в виде документов. Та-

кие ИПС можно назвать документо-поисковыми или документно-

поисковыми системами (ДПС).

Логическое, эмпирическое и эвристическое в поиске

Если простой поиск не удовлетворяет пользователя, он может ис-

пользовать методы логического поиска, включающие булевы операции

«и», «или», «не» и любые их сочетания. При этом применяют запросы с

логическими операторами и метасимволами, примерно следующего ви-

да.

333

В этом случае пользователь может максимально точно задать па-

раметры интересующего его документа. Для поиска учебника по инфор-

матике или информационным технологиям, выпущенного в 2004 году

издательством Наука, поисковый запрос будет иметь следующий вид:

учебник AND (информатик* OR (информационны* AND техноло-

ги*)) AND Наука* AND 2004

Эмпирический поиск

Эмпирический – полученный на базе обыденного опыта, в резуль-

тате экспериментов и наблюдений, методом перебора или последова-

тельных приближений. Обычно запрос в таком поиске состоит из одной

фразы, по которой система пытается найти наиболее похожие докумен-

ты.

Эмпирический метод обеспечивает приближённое решение раз-

личных задач. На эмпирическом уровне познания широко используются

методы: сравнения, измерения, индукции, дедукции, анализа, синтеза и

др.

Можно характеризовать эмпирический поиск в ИПС, как поиск

«слепым» перебором поисковых значений. В этом случае его результаты

не могут удовлетворять пользователей, либо его применение требует

длительных и малоэффективных итераций.

Эвристический поиск

Удовлетворительный эмпирический поиск возможен лишь в огра-

ниченном пространстве вариантов. При росте числа возможных вариан-

тов решений используют эвристики – методы, делающие поиск более

целенаправленным. Эвристическая стратегия – возможный рацио-

нальный способ достижения цели. Суть эвристического поиска заклю-

чается в сокращение числа перебираемых вариантов без потери качества

решения, благодаря содержащейся в задаче дополнительной информа-

ции. Он позволяет определить, какую дополнительную информацию

следует использовать, чтобы уменьшить общее число перебираемых ва-

риантов.

Большинство ИПС предлагают несколько вариантов (видов) про-

ведения поиска. Обычно они называются «простой поиск» («simple

search») и «расширенный поиск» («advanced search»). Порой к ним до-

бавляется стратегия организации поиска, получившая название «профес-

сиональный поиск» («professional search»). Первый из них обычно не

требует умений логического построения запросов и доступен любым

пользователям в виду своей интуитивной понятности, особенно при по-

иске документов по авторам, названию и т.п. Его ещё порой именуют

«демократическим». Второй и третий дают возможности выполнять

сложные поиски, поэтому их иногда классифицируют как экспертный,

специальный и даже «элитарный» поиск.

334

Организация поиска

Предлагается процедуру поиска необходимой информации разде-

лить на девять основных этапов:

• Определение области знаний;

• Выбор типа и источников данных;

• Сбор материалов необходимых для наполнения информационной

модели;

• Отбор наиболее полезной информации;

• Выбор метода обработки информации (классификация, кластери-

зация, регрессионный анализ и т.д.);

• Выбор алгоритма поиска закономерностей;

• Поиск закономерностей, формальных правил и структурных свя-

зей в собранной информации;

• Творческая интерпретация полученных результатов;

• Интеграция извлеченных «знаний».

Последний этап работы подразумевает консолидацию данных с

ранее полученной информацией. Иными словами, «старые» и «новые»

знания требуется согласовать между собой, а возможные противоречия –

устранить или иметь соответствующие им объяснения.

Для проведения поиска первоначально на компьютере пользовате-

ля загружается интерфейс работы с соответствующей БД. Это может

быть локальная или удалённая БД. В последнем случае она может за-

гружаться из Интернета в процессе ввода соответствующего адреса сай-

та или портала, а также актуализации соответствующей ссылки. В от-

крывшейся странице БД ИПС пользователям, порой предлагается заре-

гистрироваться или ввести необходимые идентификационные данные

(логин и пароль). В открытых ИПС это обычно не требуется и на первой

же их странице пользователь может водить свой запрос.

Для этого он выбирает критерии поиска. Их может быть несколь-

ко. Первоначально следует определиться с видом поиска, если таковой

предлагается (простой, расширенный и т.д.). Затем с набором предла-

гаемых для поиска полей. ИПС могут предложить для ввода одно или

несколько полей. В последнем случае это обычно поля: автора, заглавия

(названия), временного периода, вида документа, ключевых слов, руб-

рик и др. При формировании запроса практически все системы позволя-

ют использовать логические элементы «И», «ИЛИ», «НЕТ».

Технологии поиска информации

Поисковые средства и технологии, используемые для реализации

информационных потребностей, определяются типом и состоянием ре-

шаемой пользователем задачи основной деятельности: соотношением

его знания и незнания об исследуемом объекте. Кроме того, процесс

335

взаимодействия пользователя с системой определяется уровнем знания

пользователем содержания ресурса (полноты представления, достовер-

ности источника и т.д.) и функциональных возможностей системы как

инструмента. В целом эти факторы обычно сводятся к понятию «про-

фессионализма» – информационного (подготовлен-

ный/неподготовленный пользователь) и предметного (профессио-

нал/непрофессионал) «профессионализма».

Функционирование современных ИПС базируется на двух предпо-

ложениях:

1) документы, необходимые пользователю, объединены наличием

некоторого признака или комбинации признаков;

2) пользователь способен указать этот признак.

Оба эти предположения на практике не выполняются, и можно го-

ворить только о вероятности их выполнения. Поэтому, процесс поиска

информации обычно носит эмпирический характер и представляет по-

следовательность шагов, приводящих при посредстве системы к некото-

рому результату, и позволяющих оценить его полноту. При этом пове-

дение пользователя, как организующее начало управления процессом

поиска, мотивируется не только информационной потребностью, но и

разнообразием стратегий, технологий и средств, предоставляемых сис-

темой.

Обычно пользователь не имеет исчерпывающих знаний об инфор-

мационном содержании ресурса, в котором проводит поиск, поэтому

оценить адекватность выражения запроса, равно как и полноту получае-

мого результата, он может отыскав дополнительные сведения, или орга-

низовав процесс таким образом, чтобы часть результатов поиска могла

использоваться для подтверждения или отрицания адекватности другой

части.

В то же время, для пользователей-профессионалов характерна ус-

тойчивость тематического профиля, а в случае, когда они являются «ин-

формационно-ориентированными», то им также свойственно желание и

способность организовать информационное пространство проблемы.

Это означает, что пользователь по существу создаёт новый, «самостоя-

тельный» проблемно-ориентированный, индивидуально обновляемый и

пополняемый информационный ресурс, включающий как подборку до-

кументов, так и метаинформацию, например, словари специальной тер-

минологии, классификаторы предметных областей, описания ресурсов и

т.д.

Следовательно, можно утверждать, что современные технические

возможности и технологии фактически позволяют любому пользовате-

лю создавать информационный ресурс – формировать массивы, систе-

матизировать и создавать внешние представления их содержания для

собственного или внешнего использования.

Упомянутая ранее особенность работы пользователя в режиме

336

«самообслуживания» в контексте задачи автоматизации совокупной дея-

тельности означает, что система должна представлять собой среду,

обеспечивающую поддержку функций:

● традиционно относящихся к функциям информационного по-

средника (интерпретация запроса, его перевод на информационно-

поисковый язык – ИПЯ, выбор ИР, автоматизированный поиск и ручной

отбор материалов);

● потребителя по обработке найденной информации;

● обеспечивающих структурирование информационной потребно-

сти, лексическую адаптацию запросов, оценку, систематизацию и обра-

ботку результатов поиска на уровне как отдельного документа, так и

информационных ресурсов в целом.

Операционными объектами, непосредственно участвующими во

взаимодействии пользователей с поисковой системой являются ПОД и

ПОЗ, соответствие которых устанавливается поисковым механизмом

АИПС на формальном уровне. Установление истинного соответствия

предполагает соотнесение содержания на смысловом уровне: пользова-

тель практически реконструирует возможное содержание запроса по пе-

речислению основных понятий и далее полученный образ соотносит с

реальной потребностью. При этом адекватность образа действительному

содержанию документа определяется не только качеством процесса

свертки информации, но и уровнем знания субъектом средств отражения

– концептуальной схемы предметной области и возможностей ИПЯ.

Заметим, что в контексте последнего фактора, оценка реальной

эффективности средств поддержки диалога «человек-компьютер» связа-

на с необходимостью учёта фактора субъективности «видения» пользо-

вателем особенности своей работы за компьютером, так как пользова-

тель должен уметь оценить свое представление об искомой информации

и знаниях в области формирования запросов.

Определение нужного источника

Поскольку в АИПС можно задавать и получать в результате поис-

ка материалы в различной форме, рассмотрим, как это отражается в раз-

личных видах ИР. Для текстовых документов они характеризуются:

● местом хранения материалов: ссылка на адрес в Интернете; ад-

рес и другие реквизиты организации, частного лица и т.п.;

● их состоянием: дата создания и (или) обновления, создатель,

формат хранения, полнота отображения, доступность и др.;

● видом источника: библиографическое описание документа, ре-

ферат, краткая или расширенная аннотация, полный или сокращенный

вариант текста документа, в том числе включающий графические и иные

машиночитаемые материалы или нет.

337

Графические материалы, кроме того, включают сведения об их ти-

пе: чёрно-белые или цветные; с определённым разрешением; рисунки,

диаграммы и графики, схемы, фотографии и т.д. Зная названные харак-

теристики ИР, хранящихся в базах и банках данных, пользователи при

составлении запросов могут их учитывать. Привёдем несколько приме-

ров. В ИПС системах «Консультант+», «Гарант» и им подобные пользо-

вателям при составлении запросов предлагается выбрать с текстом или

без него они хотят получить тот или иной документ. Можно даже произ-

вести поиск с целью отобрать все ссылки на документы, содержащие

полные тексты.

Выбор оптимального пути

Для пользователя имеет значение лишь та информация, которая

соответствует его пониманию (рефлексии) недостающего знания. То

есть, полученную информацию можно оценить как релевантную только

тогда, когда пользователь уже обладает достаточными знаниями в пред-

метной области. При этом, как было отмечено ранее, особенностью ра-

боты с информационными ресурсами является то, что деятельность

пользователя складывается из двух составляющих – выполнения основ-

ной задачи (поиск документов, содержащих информацию, способст-

вующую решению прагматической проблемы в сфере его основной дея-

тельности), и явно или неявно осознаваемого освоения средств взаимо-

действия с системой. Кроме того, следует учитывать, что разнообразие

ситуаций, возникающих во время взаимодействия человека с АИПС,

достаточно велико и эффективность поиска достигается, как правило,

достаточным опытом в данной области.

В соответствии с характером задач основной деятельности пользо-

вателя по степени соотношения известного/неизвестного в предмете по-

иска выделяют три типа поисковых задач.

К задачам первого типа относится поиск объекта, когда известно,

что этот объект существует, например, поиск фактографических данных

или конкретных названий трудов конкретного автора. Знания пользова-

теля о существе искомого объекта полные, цель поиска – найти его до-

кументальное представление.

Второй тип задач – подбор информации по некоторой теме, на-

пример, для обзора научной проблемы или для обоснования или поиска

метода решения практической задачи. В этом случае пользователь, об-

ладая знаниями, определяет место задачи (как вновь вводимое понятие в

системе уже известных понятий). Это поиск документов, в совокупности

содержащих материал, с необходимой полнотой раскрывающий вводи-

мое новое понятие или дающий возможность построения метода реше-

ния задачи.

Третий тип задач представляет проблемный поиск, который явля-

ется основной составляющей творческого процесса определения путей

338

решения профессиональной задачи пользователя. Здесь изначально, как

правило, отсутствуют четкие знания (возможно, пользователь распола-

гает отдельными фактами, не имеющими между собой доказанных свя-

зей).

Первоначально пользователь, находящийся в проблемной ситуа-

ции, имеет ещё не вполне осознанную потребность в информации, отра-

жающей проблемную ситуацию – так называемую реальную информа-

ционную потребность. В процессе восприятия и понимания она преоб-

разуется в осознанную информационную потребность, представленную в

виде вопроса или задачи, выраженную пользователем на привычном ему

языке. В результате он формирует запрос на естественном языке, кото-

рый переводит в поисковый запрос, представленный в терминах ИПЯ –

ПОЗ. Для подобного запроса характерно, что вопросы типа «как» и «по-

чему» преобразуются в вопрос типа «ли». Такая форма представления

потребности – гипотетическая, является наиболее адекватной теорети-

ко-множественной модели поиска. Отметим, что преобразование вопро-

са в запрос имеет по существу качественный характер.

Переход от реальной к осознанной информационной потребности

тем сложнее, чем менее определена задача пользователя. Для поисковых

задач проблемного типа этот переход наиболее труден, так как пользо-

ватель не представляет, какая именно информация нужна для решения

его задачи.

Особенности представления информации на разных уровнях чело-

веко-машинной среды обусловливают различные типы неопределенно-

сти, поскольку каждое из состояний информационной потребности есть

результат отражения вопроса, характеризующегося своей степенью

формализованности и привносящего свою составляющую неопределен-

ности – семантическую, лингвистическую, метаинформационную (по-

следняя относится как семантику, так и синтаксис). В этом смысле про-

цесс поиска можно определить как последовательность шагов, задачи

которых снять семантическую, языковую (для ИПЯ дескрипторного ти-

па – в значительной степени лексическую неопределенность) и метаин-

формационную неопределённости.

Семантическая неопределенность связана с формализацией за-

проса. Формируя запрос, пользователь явно или неявно синтезирует ту

информацию, которая, возможно, есть в отыскиваемом тексте. Сначала

определяются понятия, затем связи между ними, то есть пользователь

реконструирует гипотетический текст, предположительно совпадающего

в известной части проблемы с возможно уже существующим текстом, и

обозначение связи известного знания с выявленным неизвестным.

Лексическая неопределенность связана с формулировкой ПОЗа.

Формулируя запрос, пользователь должен знать и учитывать, что его

представление об информативности термина необязательно совпадает с

представлениями индексатора. Это означает, что термины, используе-

мые в ПОД могут не совпасть с теми, которые он предполагает вклю-

339

чить в ПОЗ.

Метаинформационная неопределенность связана с тем, что поль-

зователь должен иметь адекватное представление о самой системе и

способе представления информации в ней. Например, как и по каким

полям проводить поиск.

Кроме того, большинство ПС изначально предлагают пользовате-

лям либо БО, либо ссылки на полные или частичные документы, их опи-

сание и другое, хранящиеся в различных АИПС. Современные ПС за-

частую изначально позволяют определиться и указать какой и в каком

виде источник информации интересует пользователя.

С точки зрения структурной полноты представления поискового

объекта, можно ввести типологию видов поиска, представленную в табл.

19-1.

Таблица 19-1

Типология видов поиска

Вид

поиска

Логическая

модель

объекта поиска

Логическая мо-

дель

механизма поиска

Состав ПОЗ

Предмет-

ный

(атрибу-

тивный)

поиск

Объем понятия,

задаваемого

именем

Поиск по логиче-

скому выражению

над именами поня-

тий, задаваемыми

терминами или их

комбинацией (зна-

чениями опреде-

ленного характе-

ристического при-

знака)

Термины доку-

ментов, отнесен-

ные к семантиче-

ски заданным

полям

Тематиче-

ский поиск

Определение но-

вого понятия или

понятийных свя-

зей, косвенно оп-

ределенного объ-

емом этого поня-

тия

Поиск по части из-

вестного понятия

(или связям), час-

тично задаваемым

комбинацией ха-

рактеристических

признаков, с ис-

пользованием на-

копленных ранее

результатов

Термины доку-

ментов и терми-

ны дополнитель-

ных поисковых

структур – тема-

тических рубри-

каторов, тезауру-

сов и т.п., отне-

сенные к семан-

тически задан-

ным полям.

340

Реализация поиска

Что обычно ищут в Интернете:

● персональные данные об индивидуумах и организациях;

● различные адресные данные;

● конкретные материалы (статьи, книги, фотографии, справочные

данные, программное обеспечение и др.) в том числе место их хранения;

● где и сколько стоят те или иные материалы, услуги, продукты и

т.п.;

● информационные сайты и порталы и др.

За рубежом выделяют две особенность проведения поисковых

операций. Первая называется «white-поиск» и означает, что пользовате-

лю точно известны параметры поиска, например, он ищет где можно ку-

пить и сколько стоит некоторый конкретный продукт. Второй тип по-

учил название «yellow-поиск». Понятно, что граница между этими типа-

ми поиска весьма условна, но подобное выделение бывает весьма важ-

ным для выявления представления пользователя об искомом им объекте

и, следовательно, для организации и проведения эффективного поиска.

Большинство систем предлагают выбрать один из 2–4-х вариантов

поиска, зависящий от квалификации пользователя (простой, стандарт-

ный, сложный и др.). Простой поиск порой называется «демократиче-

ским», поскольку он организован таким образом, чтобы любой неподго-

товленный пользователь мог без особых усилий сформировать запрос и

получить за приемлемое время ответ. В сложных вариантах поиска ис-

пользуют операторы булевой алгебры, одновременно несколько поиско-

вых терминов и даже возможность искать одновременно в нескольких

БД.

В большинстве библиографических систем пользователю предос-

тавляется возможность осуществлять поиск по элементам БО, например,

автору, коллективному автору, заглавию, году издания, некоторым ко-

дам и шифрам, классификационным индексам и др. Кроме атрибутов

БО, достаточно часто документы разыскиваются по смыслу содержа-

щейся в них информации (по теме, термину и др.). Для этого использу-

ются тематические классификаторы (рубрикаторы), ключевые слова и

др. При этом пользователь должен обладать навыками для подготовки

такого рода запросов.

Запрос может содержать до 3-х строк терминов, соответствующих

выбранным поисковым полям, соединяемым логическими элементами

«И» или «ИЛИ», «НЕТ» как в строке, так и между строчками.

«И» означает, что будут найдены документы, в которых одновре-

менно присутствуют заданные для поиска термины (ключевые слова) в

одном или нескольких предоставляемых для поиска полях. Например,

предполагается найти все документы, вышедшие в издательстве «Мир»

за 2003 г. В этом случае запрос будет выглядеть следующим образом: