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

Подождите немного. Документ загружается.

С точки зрения организации процедуры отбора этому соответствует

два способа соотнесения затребованного с имеющимся в информационном

массиве: 1) путем сопоставления запроса непосредственно с содержанием

объекта, выбранного для сравнения; 2) опосредованно, когда запрос со-

поставляется с образом, производным (вторичным) по отношению к само-

му объекту. С точки зрения представленного выше алгоритма разница ме-

жду этими способами состоит в том, объект какой природы будет выби-

раться в цикле для сравнения – непосредственное содержание или некото-

рый идентификатор, отражающий содержание отчасти или в целом. Неяв-

ным, но, с точки зрения реализации алгоритма поиска – основным факто-

ром здесь является форма (способ), определяющая порядок выборки: от

порядка расположения объектов в массиве (например, в том «естествен-

ном» порядке, в каком они поступали для хранения), или в «искусствен-

ном» порядке, соответствующем, например, классификации предметной

области. Но, поскольку и в том, и в другом случае мы имеем дело с перебо-

ром объектов, выбираемых из хранилища для сравнения, рациональность

построения процедуры поиска будет определяться длиной перебора, что в

свою очередь определяется как характеристиками хранимых объектов (в

нашем примере – размерами документов), так характером запросов (в на-

шем примере – поиском по предмету или по шифру хранения документов).

Соответственно, оптимизация процесса в первую очередь связывается с

возможностью сокращения времени перебора, то есть - длины выбираемой

последовательности.

В общем случае можно сказать, что технологии (алгоритмы) поиска

основываются на двух типах организации массива объектов поиска – пря-

мой и инвертированной. Для рассмотрения взаимосвязи алгоритма поиска

и организации массива здесь и далее используем знакомый всем пример

организации и поиска информации в традиционных библиотеках

В случае прямой организации массива документы размещаются в по-

следовательности, не связываемой с порядком какой-либо классификации

или алфавита, например, в порядке их поступления в хранилище. Но здесь

надо отметить, что определяющим в понятии «прямая организация» явля-

ется не характер размещения документов – единиц хранения, а размещение

содержания документов, которое представлено изначальной «естествен-

ной» последовательностью слов, образующих, в том числе, и контекст их

употребления. Поиск по предмету при такой организации для больших

массивов будет требовать достаточно много времени, так как для этого на-

до последовательно выбирать для сравнения с запросом все документы из

хранилища, поскольку, не обратившись к документу, мы не можем судить

о его содержании.

В инвертированном массиве документы могут быть, например, раз-

биты на подмножества, которые упорядочены в соответствии с некоторой

классификацией и, что особенно важно, обозначены идентификаторами,

Отметим, что выбор этого примера основывается не только на его «привычности» для человека, но

и на том, что с методологической и системной точек зрения применяемые в библиотеках подходы,

методы и технологии являются по существу универсальными и не зависящими от уровня автоматиза-

ции.

отражающими предметное содержание соответствующего класса. Более то-

го, такое упорядочение документов в хранилище сопровождается построе-

нием вспомогательной структуры – инвертированного справочника, в ко-

тором с каждым индексом (идентификатором класса) связан список ссылок

на документы, отнесенные к этому классу.

Целесообразность использования терминов «прямая» и «инвертиро-

ванная» форма представления информации становится очевидной при рас-

смотрении «предельного» варианта организации инвертированного спра-

вочника, в котором в качестве индексов используются все без исключения

слова документов, а в ссылку на документ, содержащий данное слово,

включены данные о позиции этого слова в документе (например, номер

главы, параграфа, предложения, позиции в предложении).

В этом случае избыточность данных может быть уменьшена за счет

отказа от прямого массива документов. Но это приведет к дополнительным

затратам пространства для хранения позиционных параметров и дополни-

тельным действиям по сборке текста документов, которые необходимо вы-

давать пользователю, что, соответственно потребует больше времени.

При инвертированной организации на первом шаге проводится поиск

в инвертированном справочнике и, если предмет запроса отождествлен с

соответствующим классом, то на втором шаге для детального соотнесения

содержания документа и запроса обращение будет производиться только к

сравнительно небольшому числу документов – только тем, которые отне-

сены к этому классу. Таким образом, за счет введения информационно из-

быточной структуры и дополнительного шага поиска достигается сущест-

венный выигрыш во времени: суммарное время на поиск в инвертирован-

ном справочнике существенно меньше поиска в целом массиве докумен-

тов, поскольку длина индекса обычно на несколько порядков меньше дли-

ны документа, и, кроме того, индексы строго упорядочены, например, по

лексико-графическому признаку.

Идентификация содержания с помощью индексов строится по прин-

ципам языковых систем (каждый индекс представляет то или иное множе-

ство характеристических признаков), что позволяет еще сократить число

просматриваемых документов: в соответствии с формулой композиции

признаков (что хорошо реализуется выражением алгебры логики) произво-

дится слияние относящихся к разным индексам списков ссылок на доку-

менты, то есть выбираются только те документы, которые описываются

именно этим сочетанием. Кроме того, для индексирования содержания от-

дельного документа могут быть использованы разные лингвистические

системы, то есть один документ может иметь несколько поисковых обра-

зов, отражающих его содержание в различных аспектах и с разной степе-

нью детализации.

Использование технологии индексирования (и, соответственно, ин-

вертированных форм представления информации) тем не менее, имеет ряд

следующих принципиальных недостатков:

1) индексационная информация, относящаяся к документу, статич-

на: индексы, приписанные к документу, будут всегда иметь смысл, опреде-

ленный при создании языка индексирования (например, классификации);

2) нельзя без дополнительных затрат реализовать управление глуби-

ной поиска, а также поиск с использованием критерия «частичного» соот-

ветствия.

Тем не менее, автоматизация поиска информации основывается

именно на технологии индексирования (как способа идентификации со-

держания) документов, поскольку документальные ИПС имеют следующие

принципиально важные особенности [Солтон1979] построения и использо-

вания.

Во-первых, нужно помнить, что задачи в области документального

поиска не сравнимы с другими задачами обработки текстов, такими, как

автоматический перевод или поисковые процедуры типа вопрос-ответ (при

которых даются прямые ответы на самые разные вопросы). Документаль-

ные ИПС создаются только для того, чтобы указать потребителю те доку-

менты, которые, скорее всего, имеют отношение к данному интересующе-

му его вопросу. Поэтому здесь можно ограничиваться довольно грубым

раскрытием содержания документа, указывающим лишь основные момен-

ты, вместо фразеологического анализа, необходимого, например, при пере-

воде.

Во-вторых, поисковые системы создаются для обслуживания боль-

ших и часто разнородных групп потребителей. Поскольку последние могут

иметь различные потребности и цели, поисковые запросы варьируются от

вопросов обзорного или познавательного характера до очень подробных

аналитических запросов. При таких условиях слишком подробный анализ

может оказаться излишне (или даже - неприемлемо) специализированным

для большинства пользователей.

В-третьих, в основе процесса оценки лежит некоторый критерий эф-

фективности, обычно усредняемый по многим поисковым запросам. Это

означает, что более предпочтительными оказываются такие методы анали-

за, которые дают умеренно высокую общую эффективность, чем, может

быть, более тонкие алгоритмы, которые могут превосходно обрабатывать

одни запросы, но значительно хуже другие. Практически может оказаться,

что для каждого вида запроса оптимальным будет некоторый специфиче-

ский метод анализа, но для среднего запроса наилучшими являются более

простые методы индексирования.

Контрольные вопросы

1. Приведите примеры абстрактных систем.

2. Приведите примеры материальных систем.

3. Дайте определение понятия «информационная система»

4. Охарактеризуйте и классифицируйте информацию, как основ-

ной объект обработки в ИС.

5. Приведите классификацию ИС.

6. Охарактеризуйте основные компоненты ИС.

7. Перечислите и охарактеризуйте основные обеспечивающие

подсистемы ИС.

8. Охарактеризуйте движение информации в системах управления

и в системах воспроизводства знаний.

9. Определите понятие «информационная деятельность».

10. Дайте определение информационной технологии.

11. Перечислите основные операции процесса поиска информации.

3. Модели и структуры данных информационных систем

Рассматриваемые в контексте понятия «информационная система»

элементы реального мира, информацию о которых мы сохраняем и об-

рабатываем, будем называть объектами. Объект может быть материаль-

ным (например, служащий, изделие или населенный пункт) и нематери-

альным (например, имя, понятие, абстрактная идея).

Набором объектов будем называть совокупность объектов, одно-

родных с некоторой точки зрения (например, объектов нашего внима-

ния, пусть даже и разнородных по своей внутренней природе).

Объект имеет различные свойства (например, цвет, вес, имя), ко-

торые важны для нас в то время, когда мы обращаемся к объекту (на-

пример, выбираем среди множества других) с какой-либо целью его ис-

пользования. Причем свойства могут быть заданы как отдельными одно-

значно интерпретируемыми количественными показателями, так и сло-

весными нечеткими описаниями, допускающими разную трактовку, за-

висящую, например, от точки зрения и наличных знаний воспринимаю-

щего субъекта.

Общим же фактором является то, что человек, работая с информа-

цией, имеет дело с абстракцией, представляющей интересующий его

фрагмент реального мира - той совокупностью характеристических

свойств (атрибутов), которые важны для решения его прикладной за-

дачи. Абстрагирование – это способ упрощения совокупности фактов,

относящихся к реальному объекту (по своей сути бесконечно сложному

и разнообразному). При этом некоторые свойства объекта игнорируют-

ся, поскольку считается, что для решения данной прикладной задачи

(или совокупности задач) они не являются определяющими и не влияют

на конечный результат действий при решении.

Цель такого абстрагирования - построение конструктивного опе-

рабельного описания (рабочей модели), удобного в обработке, как для

человека, так и для машины, позволяющего организовать эффективную

обработку больших объемов информации, причем высокопроизводи-

тельной должна быть работа не только вычислительной системы, но и

взаимодействующего с ней человека.

3.1. Семантика ИС, основанных на концепции баз данных

Как уже отмечалось, задачи информационных систем – это не

только поддержка процессов планирования и управления, но и интегра-

ция разработки и сопровождения основных и технологических объектов

и процессов, диагностика, мониторинг, моделирование. Соответственно,

задачи и назначение БД, как системы хранящей информацию обо всех

составляющих – обеспечить информационную поддержку процессов

жизненного цикла автоматизируемой системы.

Здесь база данных, как основная информационная компонента

системы управления, – это отражение реальной предметной области,

«действующая» информационная модель

, которая, обеспечивая субъ-

ект информацией для принятия решения, позволяет в итоге управлять

физическими объектами и процессами. Такая функциональная направ-

ленность (и, естественно, предполагающая достижение эффективности в

первую очередь за счет использования именно БД) обуславливает и об-

ратную зависимость: объекты, процессы и события ПрО выделяются та-

ким образом, чтобы было возможно их представление в виде системы

взаимосвязанных данных и процедур, удобных для их последующей (че-

ловеко-машинной!) обработки.

В каком-то смысле базу данных можно сравнить с сообщением о

состоянии предметной области, воспринимаемым некоторым субъектом,

задачей которого и является преобразование объектов этой ПрО, причем

в своей деятельности субъект руководствуется информацией извлекае-

мой именно из этого «сообщения». Схема этого соотношения, приве-

денная на рис. 3.1, иллюстрирует еще и то, что система, преобразующая

объект, принципиально является комплексной (состоящей, по крайней

мере, из двух компонент, работающих с объектами разной природы:

субъект преобразования взаимодействует преимущественно с матери-

альными объектами, а БД – с информационными).

В общем случае, поскольку для сложных систем с многоуровне-

вым представлением семантики, эффективность обработки достигается

через специализированность представления объектов или процессов пу-

тем сведения представления множества обрабатываемых объектов к од-

нородности природы и формы их представления, то для реализации эф-

фективного межуровнего (межкомпонентного) взаимодействия (на каж-

дом из которых объекты представлены в виде, наиболее адекватном

функциональным средствам этого уровня или процесса) любая величина

должна быть преобразована в соответствии с «контекстом» этого уровня

для получения такого ее представления, которое будет «значимо» для

Модель – лишь в том смысле, что она – представление, описание на уровне данных только некото-

рых аспектов, и только некоторой части реального мира, и поэтому не может быть тождественна ре-

альным объектам. Но в тоже время БД и сама является частью реального мира.

Субъект

преобразования

Объект

ПрО

БД

Уп

авление

Рис. 3.1. Информационная модель преобразования

воспринимающего уровня, т.е. может быть обработано средствами этого

уровня. Здесь «контекст» - это декларативное или, иногда, процедурное

определение способа использования элементарных составляющих вели-

чины для получения значения. Например, контекст - это порядок ис-

пользования байтов при преобразовании вещественного числа, пред-

ставленного в двоичной форме, в символьный формат.

Соотношение понятий величина, контекст и значение приведено

на рис. 3.2. Здесь значение, получаемое на первом уровне (в первой под-

системе, процессе), на следующем рассматривается в свою очередь как

величина, которая будет интерпретироваться в соответствии с контек-

стом своего уровня

(процесса).

Рис. 3.2. Соотношение понятий «величина», «контекст» и «значение»

Таким образом, можно сказать, что значение в общем случае опре-

деляется парой <контекст, величина>. Причем, поскольку контекст и

величина имеют разную природу, они должны быть представлены в вы-

числительной среде самостоятельными, скорее всего, разнотипными

объектами.

Такое, хотя и упрощенное, представление БД как средства инфор-

мационных коммуникаций, позволяет тем не менее увидеть взаимосвязь

вида информации с формой ее представления и особенностью ее исполь-

зования.

В этом смысле (с точки зрения способа представления и, соответ-

ственно, восприятия) в отдельный класс можно выделить фактографи-

ческую информацию: такое представление реально существующих со-

бытий и явлений, когда они могут быть описаны как факты, задаваемые

парой <имя, значение>, где имя – знак, уникально определяющий

(идентифицирующий) факт в заданной предметной области, и обычно не

нуждающийся в явном определении или доопределении его существа; а

Соотношение понятий «величина» и «значение» аналогично соотношению понятий «данные» и

«информация».

Величина Контекст

Значение

Уровень 1

Величина Контекст

Значение

Уровень 2

значение – характеристика, задающая одно из множества возможных со-

стояний.

Т.е., здесь факт (его значение) задается величиной, например, чи-

словой для физически измеримых параметров, в том числе и логически-

ми величинами «истина» / «ложь» для указания свершилось событие или

нет

Можно сказать, что особенностью фактографической информации

является практическая очевидность (минимальная неопределенность, не

требующая использования сложных или нечетких процедур) идентифи-

кации и интерпретации «факта», как его имени, так и состояния. То есть,

в этом случае контекст в достаточной степени определяется однозначно

понимаемым объявлением о назначении базы данных и таким именова-

нием полей данных, когда в качестве имени используется общепринятое,

не зависящее от прикладных задач, имя свойства (и таким образом оп-

ределяются характеристические признаки). Именно такое состояние

предопределяет для пользователя возможность адекватного восприятия

содержания: способ интерпретации данных в этом случае практически

не может быть неоднозначным, причем для пользователя определение

способа происходит неявно (не требует от него явных действий для оп-

ределения и использования контекста). Это, с одной стороны, позволяет

свести представление предметной области к точной теоретико-

множественной модели, а с другой – обуславливает возможность непо-

средственного использования данных в задачах обработки (на уровне

прикладных программ) для генерации новой информации без участия

субъекта (человека), внешнего по отношению к машинной среде, обес-

печивающего определение и использование контекста.

Однако большинство задач, решаемых человеком, не могут быть

сведены к «фактографическому» представлению и описываются (и, со-

ответственно, представляются в машинной среде) средствами естествен-

ного или специализированного языков, оперирующих лингвистическими

переменными, значение которых может зависеть не только от контекста

предметной области, но также и от контекста ближайшего окружения –

значения соседних переменных. Причем, появление нового смысла

(факта) не обязательно приводит к появлению новой переменной: новый

факт представляется с помощью уже существующих переменных. На-

пример, словесные определения философских или географических поня-

тий.

В отличие от ранее рассмотренного фактографического представ-

ления, для вербальной формы представления факта (выражениями языка

с использованием лингвистических переменных) характерно то, что для

задания имени, значения и контекста может использоваться единый

способ и средства – лингвистические переменные одного и того же язы-

ка. Например, описание весовых свойств может быть представлено не-

И, следует отметить, что такая форма в наибольшей степени соответствует машинным формам

представления информации.

сколькими, но имеющих один смысл, вариантами предложений: «Чу-

гунная заготовка весом 29 килограмм» или «Чугунная заготовка имеет

свойство m = 29, где m – вес в килограммах».

Автоматическое приведение такого рода представлений к очевид-

ной наилучшей для этого случая табличной форме, потребовало бы при-

менения трудно реализуемых процедур морфологического и семантиче-

ского анализа. Но, с другой стороны, выделение смысла (и генерация

новой информации) обычно производится человеком, сознание которого

(как среда преобразования) ориентировано именно на обработку лин-

гвистических переменных.

Рассматривая процесс генерации новой информации (рис. 3.3), где

в качестве источника исходных данных используются БД, нужно ска-

зать, что отбор и обработка должны быть выделены в отдельные процес-

сы, т.к. с точки зрения общей (суммарной) эффективности один из них

(обычно поиск) должен быть опосредованным - оценка полезности най-

денной информации производится человеком в сознание человека -

внешней по отношению к машине среде, работающей со слабострукту-

рированной информацией эффективнее машин.

Рис. 3.3. Схема процесса автоматизированного решения задач

Случаи, когда информация представляется в форме не адекватной

архитектуре Фон-Неймановских машин, могут быть обусловлены раз-

ными факторами. Рассмотрим следующие случаи.

1. Хорошо структурированная информация представляется в гра-

фическом или специальном формате. Например, структурные химиче-

ские формулы, конструкторская документация и т.д. В этом случае для

автоматической обработки требуются узко специализированные средст-

ва, что приводит к общей не унифицированности представления семан-

тических элементов (например, графических примитивов) на уровне

данных.

2. Информация точная по содержанию, но вариантно представляе-

мая по форме. Например, описание в текстовом виде численно задавае-

мых параметров изделия. Лингвистические переменные в этом случае

имеют точное значение, однако построение универсальной процедуры

Постановка

задачи

Отбор

исходных

данных

Обработка

данных

Решение

задачи

База

анных

Контекст

автоматического выделения факта из текста трудоемко и потому нецеле-

сообразно.

3. Слабоструктурированная информация, обычно представляемая в

текстовой форме. Например учебная или научная публикация, где новые

понятия строятся на основании ранее определенных. В этом случае зна-

чения лингвистических переменных могут принимать новые, ранее не

определенные значения, которые определяются контекстом - ближним

(словосочетания) или общим (темой сообщения).

Возвращаясь к процедуре поиска, как важнейшей составляющей

использования ИС, еще раз отметим, что критерий отбора должен со-

держать не только величину (например, слово), но и контекст.

В реальных системах поиск документальной информации

, пред-

ставленной в текстовой форме, производится по вторичным документам

– специально создаваемым поисковым образам точно идентифицирую-

щим сам документ как единицу хранения, и приблизительно, в краткой

форме путем перечисления основных понятий, отражающий смысловое

содержание. Такой подход позволяет построить процедуры поиска на

основе теоретико-множественной модели с точной логикой отбора по

критерию наличия заданного сочетания терминов запроса в списке тер-

минов поискового образа. Однако контекст использования терминов

должен быть доопределен отдельно – либо во время поиска, например

указанием тематической области, либо после отбора из базы – во время

ознакомления человека с содержанием найденного.

Определение контекста предметной области, как будет рассмотре-

но далее, в целом осуществляется с помощью тезаурусов - терминологи-

ческих систем, фиксирующих с помощью родовидовых и других отно-

шений роль и семантику дескрипторов (выделенных терминов, которые

используются для формирования поисковых образов документов).

3.2. Идентификация и поиск информации

В задачах обработки информации, и в первую очередь в алгорит-

мизации и программировании, атрибуты именуют (обозначают) и при-

писывают им значения.

При обработке информации мы, так или иначе, имеем дело с сово-

купностью объектов, информацию о свойствах каждого из которых надо

сохранять (записывать) как данные, чтобы при решении задач их можно

было найти и выполнить необходимые преобразования.

Таким образом, любое состояние объекта характеризуется сово-

купностью актуализированных атрибутов

(имеющих некоторое значе-

Это соответствует третьему из вышеперечисленных случаев. Два первых мы не рассматриваем, т.к.

в этих случаях используются специализированные системы.

В общем случае объект может описываться совокупностью записей, относящихся к его составным

частям или отражающих динамику изменения состояния.