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

Подождите немного. Документ загружается.

быть реализован по «одноактной» схеме – операцией проверки, есть ли в

базе данных документы, имеющие заданное значение атрибута.

Для того чтобы пользователь имел возможность реально управ-

лять процессом поиска (на основе объективных данных, позволяющих

оценить эффективность выполняемых действий), необходимо произве-

сти декомпозицию целостной с точки зрения конечной задачи пользова-

теля запросно-ответной схемы процесса поиска. Такая функциональная

декомпозиция должна в итоге обеспечить возможности для последова-

тельного снятия неопределенностей всех типов, что в организационном

плане выражается в выделении подпроцессов-процедур и соответст-

вующих операционных объектов. С точки зрения целевого назначения

ИС, то есть для процесса поиска в целом, мы имеем всего два типа

ос-

новных операционных объектов

- запрос и документ, которые представ-

ляют средствами языка некоторый семантически целостный фрагмент

предметной области. Другие операционные объекты -

технологические в

рамках декомпозированного процесса – это самостоятельные семантиче-

ски значимые объекты метаинформационного назначения, или объекты,

производные от основных

. Назначение и природа технологических

объектов – дать возможность локализовать и снять или зафиксировать

неопределенность отдельного типа.

И запрос, и документ являются моделями, представляющими

средствами языка отдельные части и аспекты некоторого целостного

фрагмента предметной области.

Используя определение понятия «система» применительно к схеме

«основная - информационная деятельность» (глава 2), получаем, что в

контексте уровневой модели преобразования информационных объектов

фрагменту ПрО можно поставить в соответствие два взаимосвязанных

подмножества систем {S

} и {S

Подмножество систем S

представляет предметную область на

«вещном» уровне, где m

, R

– объекты и связи предметной области, вы-

деляемые в рассмотрение в соответствии с целями ОД, задаваемыми Z

и характеристическими признаками A

Подмножество систем S

, представляющее ПрО на информаци-

онном уровне, образуется отдельными сообщениями, где, соответствен-

но, m

, R

– имена объектов и связей (уже включая отношения термино-

логической системы), а Z

отражает еще и точку зрения автора сообще-

ния.

Документ является

конкретной (хотя и не единственной) формой

выражения определенной проблемной ситуации (разрешение которой

было предметом ОД, что и привело к появлению этого документа). ПОД

представляет эту конкретику композицией в общем случае не уникаль-

ных характеристических признаков, выбираемых из множества призна-

Отметим, что имеющие лингвистическую природу, как основные, так и технологические объекты

могут быть представлены как в прямой, так и в инвертированной форме.

ков, свойственных и другим объектам, информация о которых хранится

в базе данных.

Цель создания ПОДа – представить изначально уникальный смысл

документа компактной композицией признаков (например, в случае де-

скрипторных ИПЯ - ключевых слов), по возможности, не увеличивая

комбинативность порождаемых ими возможных смыслов.

Цель построения ПОЗа – сохраняя уникальность проблемной си-

туации, увеличить комбинативность смыслов, порождаемых композици-

ей поисковых признаков запроса, для того, чтобы максимально охватить

аспекты представления объекта поиска.

Для человека идеальной коммуникативной формой представления

реальной ИПП является вербальная, где характеристические признаки

неизвестного (искомого) будут связаны с конкретным контекстом про-

блемной ситуации, то есть запрос фактически будет представлен как до-

кумент, содержащий высказывания, которые в гипотетической форме

описывают предположительно существующие объекты

Для задач ИС реальные объекты и связи отражаются в форме вы-

сказываний (описательно), которые воплощаются в виде логически свя-

занных предложений документа. Принципиальным отличительным

свойством высказываний при этом является изначальная контекстная

определенность (хотя этот контекст, возможно, представлен только в

сознании высказывающего). Отдельное высказывание, воспринимаемое

как грамматическая форма (предложение), может порождать в сознании

воспринимающего несколько смыслов, и исходный смысл высказывания

будет воспринят только при условии передачи исходного контекста.

Именно потому, что воспринимающий использует ситуационную

или собственную контекстную составляющую, человек извлекает из

текста больше информации, чем явно выражено словами. В этом случае

смысл слов на основе этого контекста может быть развернут до полных

высказываний. Такое развертывание при восприятии текста человеком

происходит неосознанно: человек, восстанавливая или генерируя смысл,

не производит явного выделения лингвистических, логических и пред-

метных компонентов в полученном сообщении – в сознании человека

они неотделимы друг от друга и не представлены в «чистом» виде.

Необходимость выделения объектов появляется при частичной

или полной автоматизации. Декомпозиция цельного процесса

поиска-

восприятия-использования

информации необходима для распределения

функций между подсистемами. Именно для перехода от предметного

При этом содержание запроса частично или полностью может быть представлено реально сущест-

вующими в БД документами (либо как решениями проблемной ситуации, либо как информационны-

ми сообщениями, имеющими какую-либо семантическую общность с ИПП). Это является основанием

для утверждения, что форма и способ представления запроса принципиально имеет двойственную

природу: при стремлении к совершенной вербальной (однородной и целостной) форме выражения

запроса, в силу неизвестности, присущей реальной ИПП, часть или весь запрос может быть представ-

лен в форме отдельных документов или их кластеров, что соответствует дискретной, фрагментарной

«мозаичной» форме.

уровня (реальной потребности) к лингвистическому (запросу и его поис-

ковому образу – выражению формализованной ИПП средствами языка)

и, далее – к технологическому, необходимо явно выделить еще и логи-

ческий уровень, где в качестве операндов используются понятия и

структуры, что и обеспечивает переход к формированию формализован-

ной ИПП (объекты, связи и контекст их представления) на уровне имен

и лингвистических связей.

В случае процесса построения запроса с использованием слов ес-

тественного языка, которым свойственны синонимия и полисемия, для

неискажающего смысл межуровневого перехода применяются метаин-

формационные, внешние по отношению к сообщению конструкции, по-

зволяющие фиксировать (выбирать или указывать) контекст словоупот-

ребления.

Полнота и точность передачи контекста при такой организации

процесса зависят от вида запроса: для типовых по отношению к пред-

метной области, и потому хорошо представленных метаинформацион-

ными средствами они могут быть высокими, а для запросов проблемных

– низкими. При этом в процессе явно не передается ни контекст, ни

ха-

рактер

неопределенности. Поэтому первым шагом должна быть лока-

лизация

реальной ИПП – структурно-логическая декомпозиция ПрО, при

которой для возможных аспектов рассмотрения объекта поиска выделя-

ются характеристические понятия и связи. Это преимущественно не ав-

томатизируемый процесс выделения структурных единиц мышления

(понятий и высказываний), содержанием которых является предметная

информация, а метаинформационная составляющая является априорной

и обеспечивает семантику имен понятий, отражающую устоявшуюся

прагматику предметной области, рассматриваемой в отдельных аспек-

тах.

Следующий шаг – переход на лингвистический уровень – это на-

хождение множества имен понятий и, соответственно, терминов, обра-

зующих класс условной эквивалентности для каждого из исходных объ-

ектов в заданном аспекте. Другими словами, это формирование возмож-

ных вариантов грамматических (терминологических) конструкций, вы-

ражающих существо ИПП в каждом из возможных аспектов рассмотре-

ния. Метаинформационный компонент обеспечивает семантику слово-

употреблений, характерную для языка и отражающую практику индек-

сирования. Этот шаг достаточно эффективно автоматизируется

, однако

вероятностный характер процесса построения классов условной эквива-

Основой этого являются исследования и разработки в области теоретической и прикладной лин-

гвистики – создание машинных словарей, средств и алгоритмов синтаксического анализа, систем ма-

шинного перевода. Эти достижения нашли широкое применение в сфере информационного поиска

при создании АИПС с естественно-языковыми интерфейсами и, в частности, поисковых машин Inter-

net. Отметим, однако, что средства такого рода не могут отражать семантику проблемной ситуации

ИП пользователя уже хотя бы потому, что она отдельно не предусматривалась при их создании. Как

следствие, в общем случае пользователь не может получить в одноактном процессе поиска полный

ответ, используя только «интеллект» системы.

лентности предполагает обязательность последующей проверки состоя-

тельности гипотезы – оценки пользователем адекватности терминов по

степени их важности в контексте найденных по ним документов.

Несколько иная ситуация при

использовании выдачи – содержания

документов, найденных по запросу. Значение термина (как лингвисти-

ческой переменной), его контекст как структурной единицы в рамках

более крупных конструкций, таких как предложение или документ, оп-

ределяется пользователем достаточно точно (хотя и субъективно) и

обычно без явного использования метаинформации. Менее полно может

быть определен смысл композиционных структурных единиц – предло-

жения и сообщения в целом: в лучшем случае мы можем точно опреде-

лить, дает содержание документа исчерпывающий ответ на практиче-

ский вопрос или нет, однако мы не будем знать, исчерпывается ли этим

весь смысл сообщения. При этом характер и контекст словоупотребле-

ний может быть использован в качестве оценки эффективности запроса

с точки зрения как семантики словоупотребления, так и семантики

предметной области.

Соответственно, использование в запросе терминов, выбираемых

из текста релевантных документов, является по существу реализацией

схемы реформулирования запроса по обратной связи. По характеру кон-

текста здесь мы имеем два типа обратной связи: внутреннюю – на лин-

гвистическом уровне, и внешнюю – на уровне семантики предметной

области.

Внутренняя обратная связь хорошо автоматизируется, поскольку

отражает лингвистические особенности

использования языка, адекватно

представляемые статистическими характеристиками, построенными на

основе частотных показателей БД. В том числе, как показано на рис. 6.4,

дистрибутивно-статистический анализ лексики релевантных документов

позволяет автоматически строить тематико-статистический спектр

(ТСС) по теме запроса [Попов1973], используемый системой для ранжи-

рования документов, а структурно-статистический анализ – строить ми-

ни-тезаурус

темы, который может быть использован не только для ав-

томатического лексического расширения выражения запроса, но и в ка-

честве отдельного технологического объекта. Такой мини-тезаурус яв-

ляется структурно-лингвистической моделью предметной области поис-

ка, отражающей не только общепризнанные, но также и актуальные, ха-

рактерные для проблемной ситуации особенности представления ИПП

(в том числе, и может быть, в первую очередь – новизну подхода поль-

зователя к решаемой им проблеме).

Существование мини-тезауруса в виде операционного объекта

обеспечивает также и возможности построения автоматизированных

технологий, реализующих внешнюю обратную связь. Мини-тезаурусы,

Здесь под мини-тезаурусом понимается построенный в автоматизированном режиме словарь нор-

мализованной лексики тематической области, не только упорядоченный по лексикографическому

принципу, но и допускающий существование иерархических уровней.

получаемые (и используемые) в итеративном процессе поиска по теме

запроса, образуют ряд объектов, что позволяет, используя дистрибутив-

но-статистические методы, количественно оценивать эффективность

процесса.

В зависимости от способа выбора терминов и характера их ис-

пользования для развития запроса можно выделить два типа процесса:

модификация выражения запроса в том случае, когда запрос представ-

лен в вербальной форме, и реформулировка запроса – если запрос пред-

ставлен в кластерной форме. Этот фактор определяет конечность мно-

жества типов механизмов поиска.

Поскольку, как отмечалось ранее, принципиально есть две формы

представления (выражения) ИП – вербальная и кластерная, каждая из

которых отдельно не может быть исключительно полной и точной, ме-

ханизмы поиска должны быть представлены двумя типами: у первых в

качестве запроса используются терминологические

ИПЯ-выражения, у

вторых – документы.

Практически, в зависимости от предполагаемого разнообразия ти-

пов поисковых задач и типов интерфейсных технологических объектов,

реализация АИПС может включать достаточно разнообразные механиз-

мы поиска. Например, в АИПС IRBIS представлены следующие меха-

низмы поиска. В случае формирования запроса на ИПЯ – это механизм

поиска по совпадению терминов, когда поисковый запрос представляет

собой множество терминов, присутствие хотя бы части которых обяза-

тельно в документе, или механизм поиска по логическому выражению,

когда термины связываются логическими операциями, и для принятия

решения о релевантности документа необходимо формировать результат

вычисления логического выражения. Если же запрос представлен доку-

ментами, то, в зависимости от типа интерфейсного объекта, мы имеем: в

случае отдельного документа – поиск аналогов, если поиск выполняется

автоматически, а если поисковые термины указываются в документе

пользователем – поиск по совпадению терминов. Соответственно, если

интерфейсный объект есть множество релевантных документов, то в

случае, когда система формирует словник автоматически, мы имеем эв-

ристический поиск, а если поисковые термины в словнике указываются

пользователем – «поиск по контексту».

Обобщенная схема процесса поиска, поэтапно позволяющая лока-

лизовать неопределенности перечисленных ранее типов, приведена на

рис. 6.4.

Рис. 6.4. Обобщенная схема информационного поиска

Локализация ИП

Структурно-логическая декомпозиция

ИП

Формулирование запроса

Информационная

потребность

Граф понятий ПрО

Запрос

Конструктор запроса

Формирование и отладка ИПЯ-

выражения запроса

Формирование ПОЗа (предложения

запроса)

ПОЗ

Механизм поиска

Нормализация лексики

Автомаскирование

Расширение запроса

Отбор документов

Формирование выдачи

Ранжирование

Рубрицирование

Форматирование

Рез-т поиска (ссылки)

Рез-т поиска (док-ты)

Обработка док-та

Маркирование

Рубрицирование

Использование лексики

Обработка выдачи

Лексический анализ

Оценка выдачи

Словники

Дистрибутивно-

статистический анализ

ТСС темы

Структурно-

статистический анализ

лексики

Тезаурус темы

Словари БД

Нормализ. лексика

Рубрикатор БД

ИПТ

Описание ИР

Рубрикатор ПрО

Тезаурус ПрО

Как было отмечено ранее, задача информационного поиска отно-

сится к классу человеко-машинных. Уже на основании того факта, что

образ информационной потребности имеет в качестве носителя сознание

человека, и что

именно человек производит сопоставление образа со

смысловым содержанием отбираемых документов, а также оценивает

адекватность используемых средств и объектов, можно сделать вывод,

что система должна предоставлять интерактивный режим для организа-

ции гибкого процесса, эффективного в первую очередь с точки зрения

человека.

Причем на уровне интерфейса такие технологические объекты и

инструменты должны быть выделены среди средств поиска и работы с

документами, что облегчит пользователю переключение с задачи своей

основной деятельности (сбора информации для решения задачи) на ин-

формационную - оценку своих поисковых действий и состояний

Представленный на рис. 6.4 итеративный человеко-машинный

процесс информационного поиска в общем случае является интерактив-

ным (где роль системы – пассивная информационно-технологическая

поддержка) и включает следующие этапы:

определение темы запроса, ее локализация в предметной облас-

ти и формализация на уровне понятий основной и смежных областей, а

также идентификация ресурса. Здесь система предоставляет системати-

зированное описание предметной области, а также метаинформирование

о тематике, наполнении, структуре и методах доступа к выбранному ре-

сурсу;

формирование, а также структурное и лексическое адаптирова-

ние выражения запроса, где система предоставляет вспомогательные

информационные объекты (словари, тезаурусы, шаблоны и т.д.);

отбор документов с помощью одного из механизмов поиска по

критерию, адекватному степени неопределенности информационной по-

требности, где система предоставляет выбор механизма поиска или, на-

пример, автоматически с помощью лексикографических словарей и про-

блемно-ориентированных тезаурусов нормирует и расширяет лексику

запроса;

формирование и управление выдачей найденных документов,

где система обеспечивает масштабирование (форматирование) про-

странства представления выданных документов, а также сортировку и,

возможно, рубрицирование или ранжирование по некоторому формаль-

При этом активность системы по отношению к пользователю может реализоваться различными пу-

тями:

- непосредственным вмешательством в процесс через изменение параметров процедур, например

изменением порога выдачи или стратегии поиска;

- построением прямых или косвенных оценок выдачи (показателей эффективности поиска);

- генерацией технологических объектов, являющихся дополнительными или альтернативными по

отношению к тем, которые получены пользователем (например, построение словников при реформу-

лировании запроса по обратной связи).

ному критерию соответствия, например, с использованием тематико-

статистических распределений, характерных для проблемной области;

оценку результата поиска на уровне отдельного документа, где

система обеспечивает возможность фиксировать значение степени соот-

ветствия запросу пользователя и непосредственное использование лек-

сики документов для непосредственной модификации выражения запро-

са;

итоговую оценку результатов поиска на уровне всего запроса

или отдельных предложений с точки зрения принятия решения о завер-

шении поискового процесса (например, исчерпывающее удовлетворение

информационной потребности, или несоответствие цели поиска), где

система позволяет количественно оценивать динамику качества выдач и

обеспечивает возможность выборочного обращения к результатам от-

дельных этапов процесса поиска или формирования проблемно-

ориентированных словарей;

развитие запроса по технологии реформулирования по обрат-

ной связи по релевантности или использование каких-либо других ре-

сурсов, например, ассоциированных баз данных вторичной или спра-

вочной информации, где роль системы – адекватное информирование о

такого рода возможностях.

В следствие того, что объект поиска обычно не задан в виде об-

разца, с которым можно соотнести найденный результат, а, с другой

стороны, пользовательские ресурсы всегда ограничены, задача органи-

зации процесса поиска имеет оптимизационный характер – при времен-

ных ограничениях максимизировать показатели выдачи и получить мак-

симальную (субъективную) уверенность в качестве поиска за счет пре-

доставления пользователю в процессе диалога альтернативных направ-

лений, а также количественные и качественные оценки их соответствия

запросу.

Отметим еще раз, что здесь мы имеем два типа обратной связи

Для построения словников на основе лексики документов, определяе-

мых пользователем как истинно релевантные, используется «внешняя»

обратная связь. Для построения реформулированного запроса использу-

ется уже «внутренняя» обратная связь, позволяющая выделить значимые

термины (ранжированием или кластеризацией по статистическим пока-

Обращаясь к приведенной на рис. 2.7 схеме, отметим, что передача знаний посредством информа-

ционной системы, согласно [Мазур1974], соответствует случаю параинформирования. Такой подход

позволяет определить условия, при которых информационно-поисковая система на основе вторичной

информации будет обеспечивать выполнение требования I

Z12

= I

X12

(адекватность информирова-

ния).

В автоматизированных информационно-поисковых системах это может быть реализовано двойной

реформулировкой запроса по технологии обратной связи по релевантности: построением на основе

лексики истинно релевантных документов словников, термины которых в свою очередь размечаются

с точки зрения их способности смысловыражения темы и, далее, используются в качестве выражения

запроса для следующей итерации поиска.

зателям). Соответственно, для построения словников могут использо-

ваться разные методы, что позволяет, в свою очередь, иметь разные

стратегии реформулирования, реализуемые разными технологическими

(интерфейсными) средствами.

Возможность совместного использования нескольких стратегий

поиска позволяет реализовать процесс итерационного повышения эф-

фективности поиска путем генерации новых ПОЗов, учитывающих как

ситуационную (проблемную) ориентацию запроса, так и тематические

свойства массива документов.

Контрольные вопросы

1. Определите основные информационные объекты и

преобразования в схеме воспроизводства информации

Охарактеризуйте технологические составляющие

информационного поиска.

Приведите типологию поисковых задач и примеры поисковых

задач каждого типа.

Охарактеризуйте типы информационной неопределенности при

поиске.

Определите условия установления соответствия

информационной потребности и содержания документа БД.

Проведите сравнительный анализ понятий поисковая стратегия

и поисковая навигация.

Охарактеризуйте основные этапы процесса информационного

поиска

Перечислите основные и технологические объекты,

используемые при поиске

Определите назначение «обратной связи» в процессе

информационного поиска.

10.

Перечислите информационные объекты, используемые для

реализации технологии «обратной связи» в процессе информационного

поиска.

7. Модели интерфейсов человеко-машинного информационного

поиска

Особенности представления информации в документальных базах

данных определяются их назначением – обеспечением эффективного

(быстрого и исчерпывающего, прежде всего, по полноте) поиска нужных

данных или, если таковые не обнаружены - сведений о документах,

предположительно их содержащих.

Для достижения общности представления, минимально зависящей

от точек зрения, особенностей изложения и восприятия информации,

создаются каталоги и базы данных вторичной информации. При созда-

нии вторичного документа содержание первичного редуцируется до

уровня перечисления основных понятий, в той или иной степени одно-

значно характеризующих его содержание, но в контексте именно той

предметной области, для которой создается база данных. В свою оче-

редь, для обозначения таких характеристических понятий используется

ограниченная (нормализованная) лексика, снижающая влияние свойств

синонимии и полисемии. Представление информационного содержимо-

го конкретных документов в виде поисковых образов обеспечивает, с

одной стороны, очень эффективную вычислительную процедуру (когда

отбор производится по условию простого сопоставления термина запро-

са с термином документа), а с другой стороны – дает пользователю воз-

можность получать достаточно полные и точные ответы на запросы, вы-

ражаемые упрощенным, “телеграфным” стилем. Такой подход построен

на основе свойства концентрации информации и отражает существо

уровневой модели, изложенных ранее (см. главу 1).

В ряде случаев, когда предметом проблемного поиска является

что-то неизвестное (по крайней мере, пользователю), удовлетворитель-

ным результатом поиска скорее всего будет не отдельный документ, со-

держащий ответы на все вопросы, а некоторое множество документов,

образующее для пользователя информационное пространство (понятий,

фактов, идей и т.д.), достаточное для построения неизвестного до того

решения, т.е. генерации новой информации. Таким образом, в случае

проблемного поиска запрос - это не столько вопрос, предопределяющий

ответ, сколько определение предметной области для поиска неизвестно-

го через уже известное - документы и лексику.

С точки зрения внутримашинного представления информации се-

мантическая тривиальность структур данных, реализующих докумен-

тальные системы в фон-Неймановской архитектуре вычислительных

машин, предопределяет, что развитие запроса и смысловая оценка ре-

зультата поиска – исключительно прерогатива пользователя, а система -

ассистент. И даже принимая во внимание определенные успехи в облас-

ти разработок искусственного интеллекта, по крайней мере два следую-

щих фактора не позволяют надеяться на скорое равноправие сторон: