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

Подождите немного. Документ загружается.

191

Коэффициент синонимии: 5060

3330

1684

≈=

Рис. 5.9. Словарный состав Тезауруса по информатике

Обзор правил и методов построения тезауруса. Построение те-

зауруса включает в себя следующие этапы:

1. Определение тематического охвата информационно-

поискового тезауруса путем анализа информационной потребности або-

нентов (потребителей).

Сбор массива лексических единиц в том случае, если отсутст-

вуют тезаурусы по заданной тематике. Первоначальный сбор лексики

осуществляется выделением лексических единиц из представленной

коллекции документов и/или запросов. В полученный массив лексиче-

ских единиц дополнительно должны быть включены соответствующие

тематике лексические единицы, выделенные в соответствии с методикой

построения данного тезауруса из указанных в ней источников: рубрика-

тора ГРНТИ; энциклопедических и терминологических словарей, спра-

вочников; терминологических стандартов; классификаторов технико-

экономической информации; таблиц УДК, МКИ и других систем клас-

сификации.

Формирование словника тезауруса. В словник могут быть

включены следующие типы лексических единиц:

одиночные слова (существительные, прилагательные, глаголы,

наречия, причастия);

именные словосочетания;

лексически значимые компоненты сложных слов;

аббревиатуры; при наличии аббревиатур в словник должны

включаться также соответствующие им полные формы (если только она

не отсутствует).

сокращения слов и словосочетаний.

Словарный состав Тезауруса по информатике

39%

25%

16%

14%

Изолированные дескрипторы

Родоначальные дескрипторы

Видовые дескрипторы I уровня

Видовые деск

ипто

ы II

ур

овн

192

Одиночные существительные следует заменять формой имени-

тельного падежа. Формы прилагательных и причастий следует приво-

дить к именительному падежу. Прилагательные и причастия в единст-

венном числе приводятся к форме мужского рода. Глаголы рекоменду-

ется заменять отглагольными существительными. Глаголы, включенные

в словник, приводят к форме инфинитива.

Построение словарных статей. При построении словарных ста-

тей информационно-поискового тезауруса лексическим единицам при-

писываются ссылки, устраняется неоднозначности ЛЕ, устанавливаются

отношения эквивалентности, выбирается дескриптор, представляющий

класс эквивалентности при индексировании (для ИПТ, различающих де-

скрипторы и аскрипторы), устанавливаются иерархические и ассоциа-

тивные отношения между дескрипторами.

Построение лексико-семантического указателя. Лексико-

семантический указатель является упорядоченной последовательностью

словарных статей ИПТ и формируется путем расположения их в алфа-

витном порядке заглавных ЛЕ.

Создание алгоритма автоматизированного построения ИПТ,

например, проведение частотного анализа, коррекции статей, алфавит-

ной сортировки словника, проверки взаимности и непротиворечивости

ссылок, составление указателей, распечатка в требуемых форматах. [Те-

заурус1988]

Основные проблемы, с которыми приходится сталкиваться при

построении тезауруса, можно разделить на три класса: [David1993]

относящиеся к форме терминов;

относящиеся к организации связей между терминами;

относящиеся к занесению их в тезаурус, то есть описанию связей

между дескрипторами и аскрипторами.

Проблема организации связей между терминами, по существу,

имеет две компоненты: те, что относятся к иерархической структуре, и

те, которые относятся к неиерархическим связям между терминами (ас-

социативные отношения).

Проблемы, относящиеся к форме терминов, включают в себя при-

нятие решения о том, использовать единственное или множественное

число, какие классы терминов (прилагательные, существительные, гла-

голы) могут служить в качестве дескрипторов и уровень, до которого

контролируемый словарь может содержать сложные (составные) слово-

сочетания.

Проблемы, попадающие под название «ввод терминов», включают

в себя синонимию, отношение «частное-целое», отношение «один-ко-

многим», омонимию, а также необходимость сокращенного написания

(аббревиатуры).

193

Эффективность поиска, безусловно, повышается при использова-

нии на этапе формирования запроса отраслевых словарей и тезаурусов.

Следует, однако, отметить, что составление таких средств вручную за-

нимает несколько лет, причем за это время многое меняется и в пробле-

матике, и в лексике отрасли.

Для анализа использования лексики тезаурусов было проведено

исследование динамики использования дескрипторов и ключевых слов

информационно-поискового тезауруса по информатике [Информацион-

но-поисковый1987] при индексировании базы данных ВИНИТИ РАН

«Информатика». Результаты исследования представлены в Таблице 5.6 и

на Рис. 5.10.

Таблица 5.6.

Анализ использования дескрипторов тезауруса

Год Кол-во док-тов

Кол-во кл. сл.

в поле KW

Кол-во деск-

рипторов те-

зауруса в

словнике

Доля

дескрип-

торов в

поле KW

1981 5 18 11 0,611

1982 23 93 59 0,634

1983 42 147 111 0,755

1984 167 454 258 0,568

1985 713 1461 628 0,430

1986 4718 5242 1408 0,269

1987 6165 6398 1461 0,228

1988 6575 6518 1428 0,219

1989 7017 7000 1406 0,201

1990 6715 6805 1350 0,198

1991 5699 6515 1226 0,188

1992 4473 5977 1113 0,186

1993 3932 5218 1018 0,195

1994 4487 7436 1008 0,136

1995 4424 9220 975 0,106

1996 4418 9107 954 0,105

1997 3323 8445 871 0,103

1998 3838 9848 915 0,093

1999 3927 10300 862 0,084

2000 672 2727 401 0,151

194

Доля дескрипторов в словнике по годам

0,000

0,050

0,100

0,150

0,200

0,250

0,300

0,350

0,400

0,450

0,500

0,550

0,600

0,650

0,700

0,750

0,800

1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000

Рис. 5.10. Распределение доли дескрипторов тезауруса по годам.

Исследования показали, что доля дескрипторов тезауруса, исполь-

зованных при индексировании документов, существенно уменьшается с

течением времени.

Контрольные вопросы

1. Охарактеризуйте состав лингвистического обеспечения докумен-

тальных ИПС.

2. Определите понятие «искусственный язык».

3. Определите понятие «информационно-поисковый язык».

4. Дайте определение и приведите примеры парадигматических и

синтагматических отношений между лексическими единицами ИПЯ.

5. Охарактеризуйте назначение и приведите типологию информаци-

онно-поисковых языков.

6. Дайте определение классификации.

7. Охарактеризуйте сходства и отличия перечислительных и анали-

тико-синтетических классификаций.

8. Охарактеризуйте свойства и приведите примеры перечислитель-

ных классификаций.

9. Охарактеризуйте свойства и приведите примеры аналитико-

синтетических классификаций.

10. Дайте определение дескрипторного ИПЯ.

11. Охарактеризуйте метод координатного индексирования.

12. Перечислите и охарактеризуйте недостатки чистой координации.

13. Приведите типологию терминологических структур.

14. Приведите примеры использования линейных терминологических

структур при индексировании и поиске.

15. Приведите примеры иерархических терминологических структур.

16. Дайте определение понятия «тезаурус».

17. Охарактеризуйте назначение и структуру информационно-

поискового тезауруса.

18. Приведите примеры тезаурусов.

195

6. Поисковые задачи и технологии информационного поиска

В задачах информационного поиска качественно различают две

составляющие:

концептуальную и технологическую.

К концептуальным составляющим относятся, прежде всего, мето-

ды и средства представления собственно информации (знаний) и мета-

информации, которые используются в качестве основы как для проекти-

рования механизма поиска, так и для организации процессов взаимодей-

ствия пользователя с АИПС.

К технологическим составляющим относятся средства пользова-

тельского интерфейса, алгоритмы индексирования и поиска, языки за-

просов, средства интеграции информации из различных источников и

т.д.

Как отмечалось ранее (см. главу 2), принципиально важным фак-

тором, определяющим направление развития современных информаци-

онных систем, является то, что взаимодействие пользователей с инфор-

мационными ресурсами происходит в режиме «информационного само-

обслуживания», когда пользователь, по существу, уже не разделяет свою

деятельность на информационную и основную

Особенности технических решений при проектировании и экс-

плуатации автоматизированных информационных систем, ориентиро-

ванных на информационную поддержку основной деятельности и интег-

рирующих такие специализированные функции, как поиск, обработка и

организация информации, определяются двумя следующими, имеющи-

ми разную природу, факторами.

1. Используемые информационные ресурсы (ИР), наряду с ориги-

нальным авторским представлением материала, в большинстве своем

характеризуются высокой систематизированностью (тематической про-

фильностью источников и ядерностью тематических потоков), а также

практически обязательным наличием справочной информации (поиско-

вых образов документов и систем вторичной информации – рубрикато-

ров и тезаурусов, обеспечивающих единообразие представления и орга-

низации доступа к ресурсам).

2. Поисковые средства и технологии, используемые для реализа-

ции информационных потребностей, определяются типом и состоянием

решаемой пользователем задачи основной деятельности: соотношением

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

взаимодействия пользователя с системой определяется уровнем знания

пользователем содержания ресурса (полноты представления, достовер-

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

Это особенно важно учитывать в задачах информационного обеспечения научных исследований,

когда объект поиска не может быть четко определен заранее и когда цель поиска, сформулированная

на начальной стадии работы, может измениться уже в процессе самого поиска, например, при озна-

комлении с найденным документом. Причем факт изменения цели возможно даже не будет явно

осознан исследователем, что в итоге может привести к неполному результату поиска.

196

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

фессионализма» - информационного (подготовлен-

ный/неподготовленный пользователь) и предметного (профессио-

нал/непрофессионал).

6.1. Динамика информации в системах основной и информационной

деятельности

Взаимодействие пользователя с комплексом разнородных инфор-

мационных ресурсов должно рассматриваться как процесс, зависящий от

двух групп основных факторов. С одной стороны – это свойства инфор-

мации и закономерности информационных преобразований в сфере ос-

новной деятельности (ОД), учитывающие специфику восприятия и пе-

реработки человеком как основной (целевой) информации, так и техно-

логической, обеспечивающей условия его взаимодействия с информаци-

онной средой. С другой стороны, организация информационного про-

странства должна рассматриваться как задача такого управления ИР, при

котором персональная АИС пользователя позволяла бы работать с ними

как с единым ресурсом, что требует решения вопроса об идентификации

ресурсов, а на уровне потребителя информации связано с проблемами

разработки интерфейсов и средств доступа, обеспечивающих

персони-

фикацию

представления информационных объектов.

Рассмотрим обобщенную схему воспроизводства информации, в

основу которой положено предложенное в [Попов1996] представление

совокупной информационной системы (генератор – потребитель инфор-

мации), определяющее исследуемые объекты и процессы автоматизации

в контексте взаимозависимости основной и собственно информацион-

ной деятельности (рис. 6.1).

С точки зрения задач управления потоками здесь можно различить

две совокупности процессов:

формирование потока информации (доку-

ментов) в соответствии с заданными характеристиками (тематичность,

полнота охвата и т.д.) и

распределение входных и выходных потоков и их

составляющих в соответствии с информационными потребностями

. И,

если основная деятельность имеет дело с поиском и содержательной об-

работкой научной информации (т.е. сообщениями, описывающими не-

которые свойства исследуемого объекта), то научно-информационная –

это по возможности инвариантные относительно смысла преобразования

текста в форму, приемлемую для автоматизированной идентификации,

хранения и поиска.

Отметим, что информационные потребности и запросы также можно рассматривать как поток ин-

формации - гипотетической или в какой-то части неактуализированной.

Факторы, опре-

деляющие дос-

тупность ИР

Проблемно-ориентированная ПрО

Инф. Потребн.

Условия восприятия

Наличные знания

(теория, методоло-

гия, методы)

Система представле-

ния знаний в пред-

метной области

Отраслевой спектр

комплектования ре-

сурса

Автоматизированные

информ. системы и

технологии

Метаинформация

(семантика/

структура)

Интерпретация результа-

та поиска

Решение задачи ОД

Отрасль-

ориентированное пред-

ставление смысла

результата

Генерация

ИР

Комплектование (отбор/

представление)

Поиск

Оформление

сообщения

Представление ИР

Документопоток

Д-тСооб

Исходная

информация

Результат

ОД

под

Д-т

···

Факторы, определяющие

целевое использование ИР

Отрасль-ориентированная ПрО

Рис. 6.1. Обоб

енная схема восп

оизводства ин

ма

ии

198

По характеру информации в совокупной системе (рис. 6.1) можно

выделить три следующих

уровня преобразования информационных объ-

ектов.

Первый уровень – это основная деятельность, где объектами явля-

ются предметы реального мира, а результатами – новое знание. Носите-

лем информации этого уровня является человеческое сознание, для ко-

торого характерны системность организации и ассоциативность выбор-

ки, а коммуникационным объектом является сообщение – знание, адрес-

но отраженное на систему понятий предполагаемого приемника - по-

требителя информации.

Второй уровень – создание общественно-полезной информации –

одна из форм овеществления знаний через обобществление результатов

в документальной форме. Средством представления знаний (коммуни-

каций) здесь является язык, а носителем – документ как функционально

ориентированное сообщение, структурирующее информацию и иденти-

фицирующее ее, например, путем выделения логических или физиче-

ских частей - семантически однородных полей.

Третий уровень – собственно информационная деятельность –

управление потоками информации для обеспечения основной деятель-

ности. Работа с компактными по объему вторичными документами, по-

зволяет совершенствовать процесс поиска нужных сообщений. Здесь

информация (поисковый образ документа) – это хорошо структуриро-

ванный материал, компактно и предметно отражающий содержание до-

кумента, а также обеспечивающий идентифицируемость документа в

целом и на уровне отдельных элементов данных.

Для выявления характера взаимосвязи информационных объектов

используем приведенное в гл. 1 определение понятия «информация» как

отражения результата упорядочения и ограничения разнообразия описа-

ний объектов ОД и их взаимосвязей (в реальном мире) в соответствии с

требованиями, обуславливаемыми возможностями средств представле-

ния (языка описания). Отсюда следует, что использование абстракций

различного порядка в итоге дает возможность (упрощая описание объек-

та одного семантического уровня за счет введения объектов другого

уровня) представлять объекты с помощью конечного числа терминов.

Соотношение и характер взаимосвязей информационных объектов,

форм и средств их представления, рассматриваемых в контексте задач

информационного обеспечения основной деятельности, приведены на

рис.6.2.

Здесь преобразование форм представления информации является

последовательным отражением содержания, а по существу - фильтраци-

ей информации путем снижения разнообразия форм и аспектов пред-

ставления смыслового содержания через вынесение части смысла в ме-

таинформационную составляющую или простое отбрасывание.

Например, сообщение предполагает фиксацию (ограничение)

предметной области; документ – фиксацию вариантов способа пред-

199

ставления через выделение семантически однородных полей и, соответ-

ственно, определение характера и способа их наполнения; поисковый

образ фиксирует способы указания значения отдельного элемента (типа

данных).

Соответственно, адекватность средств отражения информации (а в

случае информационно-поисковых систем это средства лингвистическо-

го обеспечения) должна рассматриваться как с точки зрения возможно-

сти неискажающего преобразования самой информации в цепи генера-

ции-потребления информационного ресурса, так и с точки зрения адек-

ватности восприятия пользователем функциональных возможностей

этих средств.

Структура языка

Структура ИПЯ

Знание ПрО

Знание языка

Знание ИПЯ

ПОД

ПОЗ

Документ ИПЯ

Системы

знаний

Объекты

исследований

Новые знания Язык ПрО

Формализованная

ИП

Постановка по-

иск. задачи

Язык научн. ком-

муникаций

Сообщение

Выражение

ИП

Отбор документов при

поиске в БД

Реальная

потребность

Рис. 6.2. Уровневая модель взаимосвязи информационных

объектов

Словари

ИПТ

Основные понятия

и закономерности

Информация

Потребность