Голицына О.Л., Максимов Н.В. Информационные системы

Подождите немного. Документ загружается.

131

5.2.1. Основные понятия лингвистического обеспечения

Для изучения принципов и методов построения и использования

компонентов ЛО предварительно определим базовые понятия.

Язык — это знаковая система любой физической природы, выпол-

няющая познавательную и коммуникативную функцию в процессе чело-

веческой деятельности [Михайлов1968].

Искусственный язык (в отличие от естественного, представляю-

щего собой средство общения и выражения мысли и неоднозначного по

своей природе) – это специализированный язык, основное назначение

которого состоит в устранении многозначности слов естественного язы-

ка и всего того, что характеризует эмоции и отношение к различным

предметам. В искусственном языке должны выражаться лишь объектив-

ные характеристики предметов, их связей и соотношений [Гор-

ский1962].

Многозначность слов естественного языка, обеспечивающая «бо-

гатейшие возможности для вполне однозначного выражения тончайших

оттенков мысли (в процессе речи эту многозначность устраняет кон-

текст)» [Михайлов1968] и служащая в некотором роде показателем раз-

витости языка, становится препятствием в случае использования в сис-

теме хранения и обработки информации. В связи с этим в ИС применя-

ются искусственные языки, специально сконструированные для форму-

лировки основного смыслового содержания информационной базы и

информационной потребности с целью последующего их сопоставления.

К таким языкам в первую очередь относятся

информационно-поисковые

языки,

обеспечивающие компактную, строго алгоритмизированную за-

пись содержания документов и запросов в ИПС.

Внутренняя структура языка характеризуется следующими со-

ставляющими — лексикой, грамматикой и словообразованием.

Лексика (или словарный состав) — это вся совокупность слов,

входящих в состав языка.

Грамматика – это система способов и средств построения слов и

предложений в рассматриваемом языке. Грамматика состоит из морфо-

логии и синтаксиса.

Морфология — это совокупность действующих в языке способов и

средств построения слов. Наименьшая неделимая без потери данного

качества единица системы выражения, непосредственно соотносимая с

соответствующим ей элементом содержания, называется морфемой.

Морфемы делятся на грамматические (аффиксы) и лексические (лексе-

мы). Аффиксы предназначены для видоизменения значения основной

части слова (базы). Лексема — это корневая или словообразовательная

морфема, выражающая основное значение слова.

Синтаксис — это совокупность действующих в языке способов и

средств построения предложений.

132

Словообразование определяется как совокупность способов и

средств образования слов на базе уже существующих.

Приведем данное в [Успенский1959] определение абстрактного

языка, как формальной семантической системы: «Абстрактный язык,

или формальная семантическая система, состоит из списка элементар-

ных символов (знаков), правил образования (устанавливающих, какие

комбинации знаков допускаются), правил преобразования (устанавли-

вающих, какие допускаются преобразования выражений с целью полу-

чения логического вывода) и правил интерпретации (устанавливающих,

какой смысл надлежит приписывать выражениям, составленным по пра-

вилам образования)».

Если из числа составных частей абстрактного языка исключить

правила, которые устанавливают допустимые в нем преобразования с

целью получения логического вывода, то ИПЯ можно определить как

специализированную семантическую систему, состоящую из алфавита,

правил образования (грамматики) и правил интерпретации (семантики).

Алфавит - это любая конечная совокупность знаков (букв, цифр и

т.п.), используемых в ИПЯ. При построении ИПЯ выбор алфавита опре-

деляется не только соображениями практического удобства, но и внут-

ренней структурой самого ИПЯ, а также предполагаемыми средствами

технической реализации ИПС.

Выделяют морфологические и синтаксические правила образова-

ния (построения) терминов – слов языка. Морфологические правила оп-

ределяют процедуру построения терминов ИПЯ из его морфем, а син-

таксические — процедуру построения предложений (фраз) из этих тер-

минов.

Синтаксические правила — обязательный элемент любого ИПЯ. В

некоторых ИПЯ для соединения терминов в предложения (фразы) при-

меняются специальные лексические средства.

Последний элемент ИПЯ, если его рассматривать как специализи-

рованный абстрактный язык, — это правила интерпретации, т. е. прави-

ла перевода терминов и предложений (фраз) ИПЯ на соответствующий

естественный язык. Эти правила задаются, например, в виде двуязычных

словарей, в которых каждому термину (лексической единице) ИПЯ ста-

вится в соответствие определенное слово или выражение естественного

языка, и наоборот. В такой словарь включаются также все символы,

применяемые в данном ИПЯ для соединения терминов в предложения

(фразы). Кроме того, правила интерпретации для ИПЯ, как и правила

построения, формулируются на естественном языке в специальных ин-

струкциях, методиках и т. д.

Словоупотребление в языке определяется двумя факторами: воз-

можностью выбора слова, наиболее точно отображающего тот или иной

предмет или явление объективной действительности, и возможностью

сочетания этого слова с другими словами.

133

Предметы и явления объективной действительности связаны друг

с другом определенными отношениями, которые существуют независи-

мо от их языковой интерпретации. Эти отношения обусловлены пред-

метно-логическими, а не собственно языковыми (семантическими) фак-

торами и относятся к категории внеязыковых связей. Благодаря таким

связям слова на основе того или иного семантического признака объе-

диняются в лексико-семантические группы, которые называются пара-

дигмами.

Рассмотрим, например, парадигму «грибы». К ней относятся сло-

ва: подберезовик, подосиновик, мухомор, сыроежка и т.п.. Внутри такой

лексико-семантической группы можно выделить парадигмы «съедобные

грибы», «условно съедобные грибы», «ядовитые грибы», «пластинчатые

грибы», «трубчатые грибы» и т.п.. Причем, если парадигмы «съедобные

грибы» и «ядовитые грибы» не пересекаются, то в парадигмах «съедоб-

ные грибы» (рыжик, млечник, подберезовик, подосиновик, сыроежка,

боровик) и «пластинчатые грибы» (рыжик, млечник, сыроежка, мухо-

мор, поганка) встречаются общие слова.

Рис. 5.2. Лексико-семантические парадигмы

Из приведенного примера следует, что парадигматические отно-

шения в лексике не только многоступенчаты, но и многомерны (неодно-

линейны). Одно и то же слово может быть одновременно членом не-

скольких лексико-семантических парадигм, в которых слова противо-

поставлены друг другу по какому-то определенному семантическому

признаку (рис. 5.2).

Таким образом, парадигматические отношения предопределяют

отбор слов для какого-либо сообщения, но сами остаются за его преде-

лами.

Парадигматические отношения (аналитические отношения, ба-

зисные отношения, ассоциативные отношения) – логические отношения,

существующие между лексическими единицами ИПЯ, независимо от их

контекста.

Грибы

Съедобные

грибы

Пластинчатые

грибы

134

Другой тип отношений между словами — синтагматические от-

ношения, в которые слова вступают в пределах конкретного сообщения,

фразы.

Синтагматические отношения (текстуальные отношения, синте-

тические отношения, синтаксические отношения) – отношения между

лексическими единицами ИПЯ, выражающие действительные логиче-

ские связи между соответствующими понятиями в тексте сообщения.

Типология ИПЯ. Рассмотрим типологию ИПЯ по способности к

выражению смыслового содержания документов, как структурных еди-

ниц информационной базы ИС. Опираясь на лексику, грамматику и син-

таксис, выделим два основных типа ИПЯ:

- языки классификационного типа;

- языки дескрипторного типа.

Классификация, как средство описания содержания документа,

представляет собой процесс соотнесения содержания документов с по-

нятиями, зафиксированными в заранее составленных систематических

схемах. Основная цель классификации – приписать каждый документ

классу, или, иначе – приписать каждому документу имя класса, форми-

руя тем самым множества сообщений для обработки и поиска.

Языки дескрипторного типа поддерживают процесс индексирова-

ния, который заключается в формировании описания документа как со-

вокупности дескрипторов, выбираемых из заранее созданных словарей

понятий, либо из текстов документов.

На рис. 5.3 приведена типология методов описания содержания

документов.

Рис 5.3. Типология методов описания содержания документов

Описание содержания документа

Классификация Индексирование

Описание слова-

ми

Описание по-

нятиями

Рубрицирование

(предметизация)

Свободное

Тезаурусное

(фиксированное)

1 документ→1 класс

1 класс→→N документов

1 документ→N классов

1 класс→→N документов

135

5.3. Классификации

Классификации использовались для систематизации книг и других

документов по их содержанию уже в глубокой древности. Например,

есть сведения о том, что в Ниневийской библиотеке ассирийского царя

Ашурбашшала (одна из древнейших библиотек - VII в. до н. э.) — кли-

нописные глиняные плитки систематизировались в соответствии с их

содержанием («история», «закон», «переписка» и т. д.) ».

В основе любой классификации лежит принцип деления объектов.

Классификацией называется распределение объектов по классам на ос-

новании общего признака, причем распределение производится с таким

расчетом, чтобы каждый класс относительно других классов занимал в

получившейся системе точно определенное место. Признак, по которому

производится деление, называется основанием деления.

Классификация должна подчиняться следующим формально-

логическим правилам:

1) очередной шаг классификации проводится только по одному

основанию;

2) получаемые в результате деления подклассы не должны пере-

секаться;

3) деление на подклассы должно быть соразмерным.

Пусть К — некоторый класс, который на основе некоторого при-

знака разделен на подклассы k

, k

, . . ., k

. Тогда сформулированные

выше правила в обобщенном виде можно записать следующим образом:

Kk...kkk

=∪∪∪∪

321

∩ k

∩ … ∩ k

= 0

∩ k

= 0

n,j,n,i,ji 11 ==≠∀

Основные виды отношений между подразделениями классифика-

ции — это иерархия (подчинение) и соподчинение.

Иерархия — это отношение, при котором один класс является

подклассом другого, более широкого:

n,i,Kk

1=⊂

Отношением соподчинения связаны классы (k

, k

,…, k

), кото-

рые являются подклассами одного, более широкого класса

(

Kk...kk

∪∪∪

Различают два вида иерархии: сильную и слабую. При сильной

иерархии каждый подкласс имеет один, и только один, непосредственно

предшествующий ему класс, при слабой — более одного класса.

Классификации, классы которых связаны только отношениями

сильной иерархии и соподчинения, будем далее называть иерархически-

ми классификациями.

Классификация, в том виде, в каком она используется в формаль-

ной логике, близка к процессу описания предмета, его спецификации.

Под спецификацией в данном случае понимается точное, однозначное и

136

непротиворечивое обозначение предмета без указания его относительно-

го положения в классификационной схеме.

Рассматривая классификацию, как систематическое распределение

предметов множества по классам, возникающее в результате последова-

тельного многоступенчатого деления, можно выделить следующие два

вида классификаций:

Естественная классификация — классификация, в основание

которой кладутся существенные для выделяемых классов признаки.

Вспомогательная классификация — классификация, в основание

которой кладутся несущественные для выделяемых классов признаки.

В задачах информационного обслуживания наиболее широко и ус-

тойчиво используются следующие классификации:

библиотечно-библиографические, специально предназначенные

для систематизации книг и других документов;

классификации изобретений, служащие для распределения объ-

ектов промышленной собственности, заявленных или признанных изо-

бретениями;

классификации наук, призванные систематизировать научную

информацию.

5.3.1. Библиотечно-библиографические классификации

Основной целью естественных классификаций является установ-

ление и обозначение существенных связей между предметами. Задача

библиотечно-библиографической классификации совершенно иная: она

должна обеспечить такую систематизацию множества документов, при

которой документы (или их описания) по одному и тому же предмету

будут физически собираться в одном, и только в одном, месте. Таким

образом, для библиотечно-библиографической классификации исключи-

тельно большое значение имеет ясное обозначение относительного рас-

положения классов в схеме, так как только благодаря этому можно:

1) помещать предмет (книгу, статью, реферат и т. п.) в соответст-

вующее место схемы или раскрывать содержание этого предмета через

его положение в классификационной схеме;

2) быстро находить предмет (книгу, статью, реферат и т. п.), если

известно, какое место закреплено за ним в схеме;

3) проводить группировку таких предметов, которые с точки зре-

ния потребителя предпочтительно иметь в одном месте.

В отличие от формально-логической классификации, для которой

прежде всего важно образование классов предметов и установление ро-

до-видовых отношений (иерархии) между этими классами, в библиотеч-

но-библиографической классификации требуется установление порядка

подклассов в общем ряду и определение их пространственного располо-

137

жения относительно друг друга. Логическое отношение включения лишь

определяет, что подклассы необходимо расположить таким образом,

чтобы было показано их подчинение классу. Но формальная логика не

дает универсального метода установления, в каком порядке следует рас-

полагать элементы деления. Например, если мы разделим класс «ин-

формационные системы» на подклассы «техническое обеспечение»,

«программное обеспечение», «лингвистическое обеспечение» и т. д., то

порядок этих подклассов в ряду определяется содержательно, а не по

формально-логическим правилам. Таким образом, библиотечно-

библиографическая классификация отличается от формально-

логической классификации своим принципом упорядоченного размеще-

ния классов в пространстве.

В настоящее время сложились две группы библиотечно-

библиографических классификаций:

перечислительные классификации;

- аналитико-синтетические классификации.

К перечислительным библиотечно-библиографическим классифи-

кациям относят

иерархические и алфавитно-предметные классифика-

ции

; к аналитико-синтетическим - фасетные классификации.

Различают три функции библиотечно-библиографической класси-

фикации:

− библиотечная - организация фондов;

− библиографическая - организация знаний и информации о фон-

дах;

− когнитивная - организация тематических описаний для поиска

в фондах.

Библиотечная

функция предназначена для ответа на один вопрос -

где находится нужная книга.

Библиографическая функция обеспечивает систематический под-

ход ко всему объему фондов. Необходимо, однако, отметить, что систе-

матичность здесь определяется в том числе уровнем образования поль-

зователей, их информационными потребностями, культурной, философ-

ской или политической подготовкой.

Когнитивная функция направлена на установление связей, ассо-

циаций, приближений и соответствий между элементами тематической

области.

В [Nitecki1989] отмечается, что одна классификация не может

полностью обеспечить все три перечисленные функции. В идеальной

ситуации должно быть две классификации: одна для поиска самих доку-

ментов, другая для выполнения библиографической и когнитивой функ-

ций.

138

Основной функцией библиотечно-библиографической классифи-

кации является когнитивная. Это не просто система обозначений, а мен-

тальная структура, выражаемая через обозначения.

Библиографическая функция классификации заключается в пре-

доставлении систематического интеллектуального доступа к информа-

ции, содержащейся в библиографических материалах, который обычно

осуществляется с помощью систематического каталога.

Существуют два подхода к библиотечно-библиографической клас-

сификации. Приверженцы

реалистического подхода считают, что струк-

тура классификации должна отражать структуру взятой за основу теоре-

тической классификации.

Прагматический подход предполагает, что

классификации изобретаются, а не открываются, и что годится любая

организация тематики предметной области, соответствующая постав-

ленной задаче. [Svenonius1989]

5.3.1.1. Иерархические библиотечно-библиографические

классификации

В настоящее время наиболее распространенными библиотечно-

библиографическими классификациями являются ББК, Десятичная клас-

сификация Дьюи, Библиографическая классификация Блисса и класси-

фикация Библиотеки конгресса США.

К иерархической библиотечно-библиографической классификации

предъявляются следующие основные требования:

- для любого объекта в классификации должен быть предусмотрен

один, и только один, исчерпывающий класс;

- классификация должна обеспечивать информационный поиск по

любому сочетанию признаков.

Для удовлетворения этих требований в иерархической классифи-

кации необходимо иметь отдельные исчерпывающие классы для всех

возможных объектов, т. е. перечислить их в классификационных табли-

цах. Поэтому такие классификации называются

перечислительными.

Однако общее количество объектов классификации с развитием

науки и техники непрерывно возрастает, поэтому ни одна классифика-

ция не дает возможности заранее перечислить все предметы. Кроме то-

го, общие принципы построения иерархических классификаций таковы,

что они не позволяют иметь в классификации один, и только один ис-

черпывающий класс для каждого объекта. Рассмотрим справедливость

этих утверждений с формально-логической и с содержательной точек

зрения.

С целью формально-логического анализа иерархических клас-

сификаций построим графическую модель иерархической классифика-

ции (рис.5.4).

139

x1y1

x1y2

x1y3

x2y1

x2y2

x2y3

x3y1

x3y2

x3y3

x1y1z1

x1y1z2

x1y1z3

Рис. 5.4. Граф иерархической классификации

Пусть имеется класс объектов К и множество признаков (основа-

ний деления) {

x, y, z}. Каждый из этих признаков делит класс на три

подкласса. Обозначим подклассы индексами, составленными из иденти-

фикатора признака и номера подкласса. Рассмотрим систему идентифи-

кации классов для примера из [Михайлов1968].

В качестве исходного класса К взят класс «гражданские самоле-

ты», а в качестве оснований деления — соответственно следующие при-

знаки: «целевое назначение» (x) «число моторов» (y) и «расположение

крыла» (z). Применение основания деления x к исходному классу дает

нам подклассы «пассажирские самолеты» (K

), «транспортные самоле-

ты» (K

) и «специальные самолеты» (K

). Применение признака y соот-

ветственно к классам K

, K

и K

дает нам подклассы «одномоторные

пассажирские самолеты» (K

x1y1

), «двухмоторные пассажирские само-

леты» (K

x1y2

), «четырехмоторные пассажирские самолеты» (K

x1y3

) и т. д.

Наконец, применение признака z соответственно к классам K

x1y1

, K

x1y2

x1y3

, K

x2y1

, K

x2y2

, K

x2y3

, K

x3y1

, K

x3y2

и K

x3y3

порождает подклассы «одномо-

торные пассажирские самолеты с низким расположением крыла»

x1y1z1

), «одномоторные пассажирские самолеты со средним расположе-

нием крыла» (K

x1y1z2

), «одномоторные пассажирские самолеты с высо-

ким расположением крыла» (K

x1y1z3

) и т. д.

При построении этой классификации деление, как того требуют

формально-логические правила, должно проводиться только по одному

основанию. Если бы на первом шаге деления были применены одновре-

менно два признака — например, «целевое назначение» и «число мото-

ров», то на одном уровне иерархии получились бы пересекающиеся

классы «пассажирские самолеты» и «одномоторные самолеты» и т. д.

Тогда документы об одномоторных пассажирских самолетах пришлось

бы помещать не в один, а в два класса.

Описанная классификация, безусловно, не является идеальной.

При ее построении, например, не был применен признак «тип движите-

ля» (воздушный винт, реактивный поток). Классификация не является

также и исчерпывающей: в число подклассов, образованных путем при-

140

менения признака «число моторов», не входят подклассы «трехмотор-

ные самолеты» и «шестимоторные самолеты». Из-за несоблюдения

формально-логических правил построения классификации в ней не най-

дется класса, к которому можно было бы отнести документ о трехмо-

торных транспортных самолетах или о реактивных пассажирских само-

летах. Следовательно, при построении иерархической классификации

соблюдение установленных формально-логических правил имеет ис-

ключительно большое значение.

Но даже безусловное соблюдение установленных формально-

логических правил при построении иерархической классификации не

устраняет ее главного недостатка - невозможность проведения группи-

ровки документов и информационного поиска по любому сочетанию ха-

рактеристик.

Одно из основных требований, предъявляемых к библиотечно-

библиографической классификации, состоит в том, чтобы она обеспечи-

вала сбор документов по определенному предмету в одном, и только в

одном, классе. Но это требование не выполняется даже в такой иерархи-

ческой классификации, которая безупречна в формально-логическом от-

ношении. Для построения иерархической классификации используется

определенный ряд признаков (оснований деления). Число этих призна-

ков обычно бывает невелико, и они применяются только в одной после-

довательности. Такая процедура позволяет построить классы предметов,

обладающих лишь определенными сочетаниями признаков, выбранных

в качестве оснований деления.

Если классификацию, которая приведена на рис. 5.4, использовать

для информационного поиска по любому сочетанию признаков из мно-

жества оснований деления данной классификации, то придется собирать

документы из нескольких классов в том случае, когда сочетание призна-

ков отлично от исходного. Например, документы о гражданских самоле-

тах с высоким расположением крыла в такой классификации распреде-

лены по 9 классам, документы о двухмоторных гражданских самолетах

— по 3 классам и т. д.

Таким образом, для обеспечения возможности быстрого поиска

документов по любому сочетанию признаков, взятых из некоторого дан-

ного множества (т.е. для предотвращения рассеяния таких документов

по разным классам), необходимо построить отдельные классы для всех

возможных сочетаний этих признаков. Эффективность этого метода за-

висит от числа классов самого нижнего уровня иерархии (обозначим это

число через N), которое можно построить путем применения в разной

последовательности исходного множества признаков. Очевидно, что чем

больше N, тем выше трудоемкость процедуры классифицирования до-

кументов.

Проведем оценку трудоемкости этой процедуры путем вычисле-

ния числа иерархий, которое можно построить на данном множестве

признаков.