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

Подождите немного. Документ загружается.

181

ЯДЕРНАЯ ФИЗИКА

ядерная энергия

ЯЗЫКИ

подъязыки

языковые системы

ЯЗЫКИ МАНИПУЛИРОВАНИЯ ДАННЫМИ

ЯМД

процедурные языки манипулирования данными

ЯЗЫКИ ОПИСАНИЯ ДАННЫХ

ЯОД

ЯЗЫКИ-ПОСРЕДНИКИ

ЯП

ЯЗЫКИ ПРОГРАММИРОВАНИЯ

машинно-зависимые языки

машинно-независимые языки

машинно-ориентированные языки

машинные языки

проблемно-ориентированные языки

процедурно-ориентированные языки

…

Иерархическая организация терминов.

В основу построения тема-

тических словников двухуровневой иерархической структуры, которые в

дальнейшем могут рассматриваться как исходные для формирования

проблемно-ориентированных мини-тезаурусов, положено ранжирование

терминов. При использовании таких структур происходит существенное

сокращение необходимого терминологического пространства без ущер-

ба для полноты тематического охвата.

При формировании мини-тезаурусов используется лексика пред-

ставительной подборки документов из рассматриваемой предметной об-

ласти. Для выбора терминов первого уровня (заглавных) используются

формальные оценки, позволяющие выявить так называемые «ядерные»

для темы термины. Второй (и при необходимости – последующие) уро-

вень составляют термины, присоединенные к заглавным терминам по

принципу включения лексических единиц заглавного термина.

Приведем фрагмент иерархического словника для предметной об-

ласти «Информационно-поисковые языки»:

АВТОМАТИЗАЦИЯ

АВТОМАТИЗАЦИЯ ВЕДЕНИЯ

АВТОМАТИЗАЦИЯ ПОДГОТОВКИ

АВТОМАТИЗИРОВАННОЕ ВЕДЕНИЕ

АВТОМАТИЗИРОВАННЫЕ БИБЛИОТЕЧНЫЕ СИСТЕМЫ

АВТОМАТИЗИРОВАННЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ

АВТОМАТИЗИРОВАННЫЕ ИПС

АВТОМАТИЧЕСКАЯ КЛАССИФИКАЦИЯ

182

АВТОМАТИЧЕСКАЯ КЛАССИФИКАЦИЯ ДОКУМЕНТОВ

АВТОМАТИЧЕСКОЕ ИНДЕКСИРОВАНИЕ

АВТОМАТИЧЕСКОЕ ПОСТРОЕНИЕ

ПОЛУАВТОМАТИЧЕСКОЕ ПОСТРОЕНИЕ

АВТОМАТИЧЕСКОЕ СОСТАВЛЕНИЕ

АКТУАЛИЗАЦИЯ

АЛГОРИТМЫ

АНАЛИЗ

АНАЛИЗ ДАННЫХ

АНАЛИЗ ДОМЕНОВ

АНАЛИЗ СОДЕРЖАНИЯ

АНАЛИЗ ТЕКСТА

ДИСКРИМИНАЦИОННЫЙ АНАЛИЗ

ДИСПЕРСИОННЫЙ АНАЛИЗ

ИНФОРМАЦИОННЫЙ АНАЛИЗ

КАТЕГОРИАЛЬНЫЙ АНАЛИЗ

КЛАСТЕРНЫЙ АНАЛИЗ

ОЦЕНКА И АНАЛИЗ ХАРАКТЕРИСТИК

ПРОБЛЕМЫ АНАЛИЗА

СЕМАНТИКО-СИНТАКСИЧЕСКИЙ АНАЛИЗ

СЕМАНТИЧЕСКИЙ АНАЛИЗ

СИНТАКСИЧЕСКИЙ АНАЛИЗАТОР

СИСТЕМНЫЙ АНАЛИЗ

СРАВНИТЕЛЬНЫЙ АНАЛИЗ

СТАТИСТИЧЕСКИЙ АНАЛИЗ

ТАКСОНОМЕТРИЧЕСКИЙ АНАЛИЗ

ФАСЕТНЫЙ АНАЛИЗ

ЧИСЛЕННЫЙ АНАЛИЗ

ЭКСПЕРИМЕНТАЛЬНЫЙ АНАЛИЗ

5.5.3. Терминологические структуры с сетевой организацией

Основными представителями сетевых терминологических струк-

тур являются

тезаурусы.

Весь окружающий нас мир можно рассматривать как множество,

состоящее из двух элементов: предметов и их отношений. Этот реально

существующий мир отражается в сознании человека в форме взаимосвя-

занных понятий, т. е. в такой форме мышления, при которой в сознании

фиксируются только существенные связи и признаки предмета.

Все понятия естественного языка, служащие для описания окру-

жающего мира, входят во всеобщий тезаурус мира, отражающий весь

универсум знаний. Такой тезаурус представляет собой список понятий,

выраженных на естественном языке, с обозначением отношения между

ними.

183

Всеобщий тезаурус можно подразделить на частные тезаурусы пу-

тем выделения совокупности однородных понятий по их иерархическо-

му уровню или путем выделения понятий, которыми можно описать ка-

кую-либо специфическую часть мира. Таким образом, на основе всеоб-

щего тезауруса можно составить бесконечное множество тезаурусов по

различным областям знаний, по отдельным проблемам и задачам.

Термин

тезаурус достаточно древнего происхождения. Впервые

его применил в значении, близком сегодняшнему, еще в тринадцатом

столетии Брутто Латини в заголовке своего труда – систематизирован-

ной энциклопедии «Книга о сокровище». Особенно большую извест-

ность получил тезаурус, составленный в 1852 г. англичанином Роджетом

«для облегчения выражения мыслей и помощи при написании сочине-

ний» [Браславский1997].

Тезаурус может быть представлен как семантическая сеть, в кото-

рой понятия связаны регулярными и устойчивыми семантическими от-

ношениями – иерархическими (например, род-вид, целое-часть), ассо-

циативными, а также отношениями эквивалентности. При этом отдель-

ное понятие определенной области знаний в тезаурусе представлено

словом или словосочетанием, соотносящимся с другими словами и сло-

восочетаниями и образующим вместе с ними замкнутую систему [Бра-

славский1997].

Иерархические отношения в тезаурусе представляют собой клас-

сификацию, основанную на словах естественного языка, а не на абст-

рактных категориях, поэтому нарушается правильная структура дерева –

один и тот же термин может иметь несколько «родителей» – вышестоя-

щих терминов на предыдущем уровне.

Например, в Тезаурусе по информатике [Информационно-

поисковый1987] словосочетание

Автоматизированная обработка ин-

формации

имеет два вышестоящих родителя: Автоматизированная об-

работка

и Обработка информации, а слово Буквы – целых три родите-

ля:

алфавиты, символы, буквенно-цифровая информация.

Тезаурус, отображая возможные семантические связи терминов,

представленных в БД, является идеальным лексическим инструментом

информационно-поисковых систем, с помощью которого можно найти

необходимую лексику для составления запросов или их модификации с

целью достижения наилучших показателей эффективности поиска.

Информационно-поисковые тезаурусы. Информационно-

поисковые тезаурусы позволяют решить проблему соотнесения:

авторской терминологии (понятиями и словами естественного

языка, которые автор использует для обозначения этих понятий);

терминологии системы (понятиями и терминами, которые ис-

пользуются для выражения этих понятий при вводе документов в ИПС);

терминологии потребителя (понятиями и терминами, которые

потребитель использует для представления этих понятий при формиро-

вании запросов).

184

Таким образом, тезаурус выступает как средство уменьшения се-

мантического расстояния между выражением тематики документа и по-

исковым запросом.

Как сказано выше, являясь лексическим инструментом информа-

ционно-поисковых систем, тезаурус состоит из контролируемого, но из-

меняемого словаря терминов, между которыми указаны смысловые свя-

зи. Такой словарь исчерпывающим образом покрывает некоторую спе-

цифическую область знаний и представляет собой перечень

лексических

единиц

, упорядоченных по систематическому и алфавитному принци-

пам. Кроме этого между лексическими единицами заданы смысловые

отношения как иерархического (родо-видового), так и неиерархического

типа (ассоциативного).

Лексическая единица (ЛЕ) информационно-поискового тезауруса

– выбранное для использования в тезаурусе слово, словосочетание или

лексически значимый компонент сложного слова естественного языка.

Дескриптор

– лексическая единица, предназначенная для исполь-

зования в поисковых образах документов и/или запросов.

Аскриптор (недескриптор) – лексическая единица, которая в поис-

ковых образах документов (запросов) подлежит замене на дескриптор

при поиске или обработке информации.

Соответственно, информационно-поисковые тезаурусы подразде-

ляют на два типа:

тезаурусы, выделяющие среди своих лексических единиц деск-

рипторы и аскрипторы;

тезаурусы, все лексические единицы которых являются деск-

рипторами.

Рассмотрим основные определения и виды связей, обозначаемых в

тезаурусах, на примере информационно-поискового Тезауруса по ин-

форматике [Информационно-поисковый1987].

Лексические единицы тезауруса поделены на дескрипторы (гра-

фически выделенные написанием прописными буквами) и

ключевые

слова

- недескрипторы (написание строчными буквами). ЛЕ нормализо-

ваны следующим образом:

имена существительные, обозначающие исчисляемые предметы,

представлены в форме именительного падежа множественного числа;

существительные, обозначающие неисчисляемые объекты, пред-

ставлены в форме именительного падежа единственного числа;

для всех словосочетаний-дескрипторов, включая словосочетания

с именем собственным, используется естественный (прямой) порядок

слов.

185

Тезаурус содержит более 3000 лексических единиц, из которых

примерно половину составляют дескрипторы. Общее количество слово-

сочетаний составляет около 70%, а количество дескрипторов-

словосочетаний – 58% от общего числа дескрипторов.

Лексические единицы в тезаурусе снабжены словарными статья-

ми.

Словарная статья дескриптора состоит из собственно дескриптора

(заглавного дескриптора) и списка дескрипторов и ключевых слов, свя-

занных с заглавным дескриптором по смыслу.

Общеупотребительные аббревиатуры входят в тезаурус в качестве

дескрипторов. Каждая из них снабжена расшифровкой, которая приво-

дится в косых скобках строчными буквами. Эта расшифровка служит

также ключевым словом, синонимичным дескриптору-аббревиатуре.

дескрипторной статье лексические единицы располагаются в

следующем порядке:

заглавный дескриптор;

ключевые слова, условно синонимичные заглавному дескрипто-

ру;

вышестоящие дескрипторы;

нижестоящие дескрипторы;

дескрипторы, связанные с заглавным дескриптором одним из ас-

социативных отношений.

Ключевые слова, входящие в класс условной эквивалентности,

снабжены пометой «с» (синоним). Если дескриптор использовался в со-

четании с другим дескриптором для замены ключевого слова (соответ-

ственно со ссылками «исп к» или «исп а»), то данное ключевое слово

приводится после всех остальных ключевых слов со ссылкой «ср» (срав-

ни).

Дескриптор, являющийся в иерархическом отношении вышестоя-

щим по отношению к заглавному дескриптору, снабжается в словарной

статье пометой «в» (вышестоящий). Этой ссылкой обозначается как ро-

довой дескриптор, в объем понятия которого входит объем понятия за-

главного дескриптора, так и дескриптор, обозначающий «целое» по от-

ношению к понятию, выраженному заглавным дескриптором.

Дескрипторы, нижестоящие по отношению к заглавному дескрип-

тору, вводятся в дескрипторную статью со ссылкой «н» (нижестоящий).

Этой ссылкой обозначаются как видовые дескрипторы, так и дескрипто-

ры, обозначающие компонент (часть) понятия, выраженного заглавным

дескриптором. В словарную статью каждого дескриптора включаются

вышестоящие и нижестоящие дескрипторы только одного – ближайшего

к заглавному дескриптору – уровня иерархии.

Дескрипторы, связанные с заглавным дескриптором другими ви-

дами отношений, включены в дескрипторную статью со ссылкой «а»

(ассоциация).

186

Приведем примеры полных словарных статей дескрипторов:

ИПЯ /информационно-поисковые языки /

информационно-поисковые языки

поисковые языки

ср информационные языки

в ИСКУССТВЕННЫЕ ЯЗЫКИ

ЛИНГВИСТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ

н ДЕСКРИПТОРНЫЕ ИПЯ

КЛАССИФИКАЦИИ

а ВХОДНЫЕ ЯЗЫКИ

ВЫХОДНЫЕ ЯЗЫКИ

ЕСТЕСТВЕННЫЕ ЯЗЫКИ

ИНДЕКСАЦИОННЫЕ ТЕРМИНЫ

ИНДЕКСИРОВАНИЕ

ИНФОРМАЦИОННО-ЛОГИЧЕСКИЕ ЯЗЫКИ

ИНФОРМАЦИОННЫЙ ПОИСК

ИПС

ИПТ

ПАРАДИГМАТИЧЕСКИЕ ОТНОШЕНИЯ

ПОСТКООРДИНАЦИЯ

ПРЕДКООРДИНАЦИЯ

ФОРМАЛИЗОВАННЫЕ ЯЗЫКИ

АНАЛИТИКО-СИНТЕТИЧЕСКАЯ ПЕРЕРАБОТКА

ДОКУМЕНТОВ

(ПРОЦЕСС)

с аналитико-синтетическая обработка информации

аналитико-синтетическая переработка информации

аналитическая обработка информации

обработка документов

синтезирование информации

ср переработка информации

преобразование информации

в НИД

н АННОТИРОВАНИЕ

ИНДЕКСИРОВАНИЕ

ИНФОРМАЦИОННЫЙ АНАЛИЗ

КАТАЛОГИЗАЦИЯ

КЛАССИФИЦИРОВАНИЕ

ОБРАБОТКА ТЕКСТА

ПЕРЕВОД

ПРЕДМЕТИЗАЦИЯ

РЕФЕРИРОВАНИЕ

РЕЦЕНЗИРОВАНИЕ

РУБРИКАЦИЯ

187

а АНАЛИТИЧЕСКИЕ ОБЗОРЫ

АННОТАЦИИ

ДОКУМЕНТЫ

ОБЗОРЫ

ОБРАБОТКА ИНФОРМАЦИИ

РЕФЕРАТЫ

Для устранения неоднозначности или уточнения значения лекси-

ческих единиц используются

реляторы. Релятор приводится в круглых

скобках прописными буквами, если он относится к дескриптору, и

строчными, если относится к ключевому слову. Например, при исполь-

зовании релятора с ключевым словом:

классификация (процесс)

см КЛАССИФИЦИРОВАНИЕ

Словарная статья ключевого слова состоит из собственно ключе-

вого слова, снабженного отсылкой «см» (смотри), и дескриптора, слу-

жащего его условным смысловым эквивалентом, например:

порождающие грамматики

см ГРАММАТИКА

В случаях замены ключевого слова сочетанием двух или более де-

скрипторов используется ссылка «исп к» (используй комбинацию), на-

пример:

документально-фактографические ИПС

исп к

ДОКУМЕНТАЛЬНЫЕ ИПС; ФАКТОГРАФИЧЕСКИЕ ИПС

В случае неоднозначности ключевого слова и необходимости его

замены одним из двух или более дескрипторов используется ссылка

«исп а» (используй альтернативно):

индексация

исп а

ИНДЕКСИРОВАНИЕ; ИНДЕКСЫ

В табл. 5.4 приведены возможные связи между дескрипторами и

ключевыми словами в Тезауруса по информатике с указаниями типа от-

ношения.

Таблица 5.4.

Обозначение Название Тип отношения

/…/ расшифровка эквивалентность

(…) релятор категория

исп к используй комбинацию эквивалентность

исп а используй альтернативно эквивалентность

С Синоним эквивалентность

В вышестоящий иерархия

Н нижестоящий иерархия

А ассоциативный ассоциация

188

Характеристика словарного состава Тезауруса. Лексика тезау-

руса может быть представлена множеством терминов

V={

654321

MMMMMM },

которое включает следующие подмножества [Кулик1977]:

M - ненормализованные термины (недескрипторы), которые яв-

ляются условными или истинными синонимами дескрипторов.

M - дескрипторы без связей, т.е. понятия, для которых фиксация в

тезаурусе родо-видовых отношений была признана нецелесообразной. К

данному подмножеству относятся также

категории - широкие понятия,

которые не входят ни в какие более широкие понятия, и, кроме того,

единичные понятия, отражающие признаки какого-либо одного предме-

та и не имеющие видового развития.

M - родоначальные дескрипторы. К родоначальным дескрипто-

рам относятся дескрипторы понятий, которые не имеют в тезаурусе ро-

дового развития, но имеют подчиненные видовые понятия. Эти дескрип-

торы являются корнями иерархических деревьев.

M - видовые дескрипторы первого уровня.

M - видовые дескрипторы второго уровня.

M - видовые дескрипторы третьего и низшего уровней.

Приведем примеры терминов из Тезауруса по информатике:

- ключевое слово:

языковые системы

см ЯЗЫКИ

дескриптор без связей:

АВТОМАТИЧЕСКАЯ КЛАССИФИКАЦИЯ

АВТОМАТИЗИРОВАННАЯ ОБРАБОТКА ИНФОРМАЦИИ

КЛАССИФИКАЦИИ

КЛАССИФИЦИРОВАНИЕ

родоначальный дескриптор:

ЯЗЫКИ

подъязыки

языковые системы

н ЕСТЕСТВЕННЫЕ ЯЗЫКИ

ИСКУССТВЕННЫЕ ЯЗЫКИ

МЕТАЯЗЫКИ

а ЯЗЫКОВЫЕ СРЕДСТВА

ЯЗЫКОЗНАНИЕ

видовой дескриптор первого уровня:

ЕСТЕСТВЕННЫЕ ЯЗЫКИ

с ЕЯ

в ЯЗЫКИ

а ВХОДНЫЕ ЯЗЫКИ

189

ВЫХОДНЫЕ ЯЗЫКИ

ИНОСТРАННЫЕ ЯЗЫКИ

ИПЯ

МОДЕЛИ ЯЗЫКА

ПИСЬМЕННОСТЬ

ЯЗЫКИ ЗАПРОСОВ

ЯЗЫКОВЫЕ БАРЬЕРЫ

ЯЗЫКОВЫЕ СРЕДСТВА

Иерархические структуры в тезаурусе могут иметь несколько

уровней, и на каждом из них возможно отражение выделенных при ана-

лизе понятий, что позволяет описывать содержание предмета по темати-

ке тезауруса с различной степенью специфичности.. Однако для боль-

шинства родо-видовых семейств в тезаурусе характерно развитие до

первого и второго видовых уровней.

На I-ом уровне специфичности находятся дескрипторы без связей

и дескрипторы родоначальных понятий. Эта величина характеризует

предметную широту тезауруса - представление в нем различных поня-

тий.

II-й уровень специфичности, основу тезауруса, составляют деск-

рипторы без связей, дескрипторы родоначальных понятий и дескрипто-

ры видовых понятий первого уровня.

Специфичность описания документа или запроса можно увеличить

последовательным расширением используемой лексики до видовых по-

нятий II (III уровень специфичности) и низших уровней (IV уровень

специфичности). Объем словарного состава при этом увеличивается до

90% и 100% соответственно.

Способность языка индексирования отражать понятия в точном

соответствии с тем объемом, с каким они выделены при анализе пред-

метного содержания, характеризуется его специфичностью. Для тезау-

руса с развитой иерархией понятий специфичность может быть прибли-

женно оценена степенью развития иерархических связей.

Полнота индексирования определяется возможностью перевода на

ИПЯ всех понятий, выявленных при анализе содержания предмета в за-

данной тематической области, и зависит, таким образом, от наличия в

языке дескрипторов, представляющих эти понятия, т. е. от предметной

широты тезауруса.

Развитие иерархических связей входного словаря, а также пред-

метная широта тезауруса характеризуют его «семантическую силу», оп-

ределяемую как «способность точно и полно выражать смысл любого

сообщения».

Иерархические деревья понятий в тезаурусе отличаются как по

числу иерархических уровней, так и по количеству видовых понятий на

различных уровнях.

Степень развития иерархической структуры те-

190

зауруса можно оценить отношением числа всех дескрипторов к числу

разных понятий:

65432

MMMMM

Степень развития входного словаря, а следовательно, и возможно-

сти тезауруса по переводу содержания текстов по его тематике с естест-

венного языка на ИПЯ ( индексирование ) можно оценить с помощью

коэффициента синонимии :

В Тезаурусе по информатике лексические единицы распределены

следующим образом: всего терминов – 3330, из них дескрипторов – 1647

(49,46%), ключевых слов – 1683 (50,54%).

В табл. 5.5 и на рис. 5.9 представлен словарный состав Тезауруса

по информатике.

Таблица 5.5.

№

пп

Множество Количество % от общего

количества

1 дескрипторы без связей 651 39,53

2 родоначальные дескрипторы 95 5,77

3 видовые дескрипторы I уровня 406 24,65

4 видовые дескрипторы II уровня 272 16,51

5 видовые дескрипторы низших

уровней

233 14,15

На I-ом уровне специфичности в Тезаурусе по информатике нахо-

дится 746 дескрипторов, или 45,29% всех дескрипторов тезауруса.

На II-ом уровне специфичности – 1152 дескриптора или 69.95% от

общего количества дескрипторов.

Степень развития иерархической структуры тезауруса:

2082

746

1647

,I ≈=