Документальные информационные системы
7.1. Виды документальных информационных систем
Первоначальным направлением развития СУП/1 стала разработка и использование фактографических информационных систем, которые ориентированы на обработку структурированных данных. Были разработаны модели организации фактографических данных, отработаны программно-технические решения по накоплению и физическому хранению таких данных, реализованы языки запросов к БД.
Однако создание фактографических информационных систем требует предварительной структуризации данных, например, на основе Таблиц. Она зачастую требует больших накладных расходов. Вместе с
тем накапливаются большие объемы неструктурированной информации: в организационно-распорядительных документах или других текстовых источниках. Представление такой информации в фактографических системах зачастую экономически не оправдано.
Теоретические исследования вопросов автоматизации обработки неструктурированной информации, начавшись еще в 50-х годах, пока не привели к созданию такой строгой, ПОЛНОЙ и технически реализуемой модели представления и обработки данных, как реляционная модель. Пока не разработаны стандартные информационно-поисковые языки (подобные SQL), которые можно было бы использовать для формализованного описания содержания документов и построения запросов |14].
Элементом данных в документальных ИС является документ (в фактографических информационных системах элементом является запись). Обычно под документом понимается текстовый файл.
Основной задачей документальных информационных систем является хранение и предоставление пользователю документов, содержание которых соответствуют его информационным потребностям.
155
Документальная информационная система (ДИС) единое хранилище документов с инструментарием поиска и выдачи, необходимых пользователю документов [14].
Поисковый характер документальных информационных систем определил еще одно их название информационно-поисковые системы (ИПС).
Соответствие найденных документов информационным потребностям пользователя называется пертинентностью. В силу теоретических и практических сложностей формализации смысловою содержания документов пертинентность относится скорее к качественным понятиям.
В зависимости от особенностей реализации хранилища документов и механизмов поиска, ДИС можно разделить на две группы [14]:
¦ системы на основе индексирования;
¦ семантически-навигационные системы.
Семантика (от греч. semantikos — обозначающий) — значения единиц языка.
В семантически-навигационных (гипертекстовых) системах документы, помещаемые в хранилище документов, оснащаются специальными навигационными конструкциями (гиперссылками), соответствующими смысловым связям между различными документами или отдельными фрагментами одного документа.
В системах на основе индексирования исходные документы помещаются в базу без какого-либо дополнительною преобразования, но при этом смысловое содержание каждою документа отображается в некоторое поисковое пространство. Процесс отображения документа в поисковое пространство называется индексированием и заключается в присвоении каждому документу некоторого индекса координаты в поисковом пространстве. Формализованное представление индекса документа называется поисковым образом документа (ПОД). Пользователь выражает свои информационные потребности посредством специального языка, формируя поисковый образ запроса (ПОЗ) к базе документов [14].
На основе определенных критериев ДИС осуществляет поиск и выдачу документов, поисковые образы которых соответствуют поисковым образам запроса пользователя.
Соответствие найденных документов запросу пользователя называется релевантностью.
Схема устройства и функционирования ДИС на основе индексирования приведена на рис. 7.1 [14].
156
Документ
Отражение
Поисковое пространство
под Гд поз
Запрос
Рис. 7.1. Схема функционирования ДИС на основе индексирования
Информационно-поисковый язык (ПНЯ) представляет собой некоторую формализованную семантическую систему, предназначенную
для выражения содержания документа и ПОИСКОВОГО запроса [14].
Основными элементами ИПЯ являются алфавит, лексика и грамматика.
Алфавит ИПЯ система знаков, используемых для записи слов и выражений ИПЯ.
Лексика, или словарный состав, ИПЯ совокупность слов, словосочетаний и выражений, используемых для построения текстов ИПЯ.
Грамматика ИПЯ совокупность средств и способов построения, изменения и сочетания лексических единиц. Грамматика включает
морфологию и синтаксис.
Можно указать следующие требования, которым должен удовлетворять ИПЯ [14,29]:
¦ располагать лексико-грамматическими средствами для точного отображения темы документа и запроса;
¦ не содержать полисемии. СИНОНИМИИ И омонимии;
¦ отображать только объективные характеристики предметов и отношении между ними;
¦ быть удобным для алгоритмического сопоставления ПОД и ПОЗ.
Построение выражений ИПЯ требует решения, по крайней мере, двух проблем. Первая из них связана с выбором лексических единиц ИПЯ, необходимых для построения выражений.
Выбор слов определяется ИХ смыслом, обусловленным парадигматическими отношениями между предметами и явлениями, которые они определяют.
157
Парадигматические отношения - это отношения, обусловленные наличием логических связей между предметами и явлениями, обозначенными данными слонами. Перечислим некоторые парадигматические отношения (33):
¦ «вид род», например, «шкаф—мебель». В данном случае понятие «шкаф» является ВИДОВЫМ по отношении) к понятию «мебель». Родовое понятие всегда включает в себя видовое;
¦ -часть -целое», например «лезвие -нож»;
¦ «причина следствие»,например, «лампа—свет»;
¦ «функциональное сходство», например, «лопата—экскаватор».
Естественный язык обладает высокой многозначностью. В ИПЯ
недопустима многозначность. Поэтому здесь необходимо учитывать отношения синонимии и омонимии слов естественного языка, используемых в ИПЯ.
Омонимия — это совпадение слов по написанию или звучанию и несовпадение по смыслу.
Полисемия слова состоит в том, что одно и то же слово выражает пучок родственных понятий. Например, слово «соль» обозначает вещество, а также понятие смысла. Оба значения близки по сути.
Синонимия это совладение слов по значению и несовпадение по написанию.
Вторая проблема построения фраз ИПЯ связана с определением последовательности выбранных слов.
Синтагматические отношения — отношения слов при соединении их в словосочетания и фразы. Для уточнения смысла документа или запроса, помимо ключевых слов, часто необходимо указывать, в каких синтагматических отношениях эти слова находятся. Так, фраза щита окружающей среды от человека" и фраза «защита человека от окружающей среды» имеют совершенно разный СМЫСЛ, хотя и состоят из ОДНИХ и тех же ключевых слов [33].
Многообразие используемых в ИПЯ парадигматических и синтагматических отношений определяет семантическую силу ИПЯ.
По способу организации понятий различают следующие ИПЯ:
¦ предкоординирусмые (классификационные) ИПЯ;
¦ посткоординируемые (дескрииторпые) ИПЯ.
Предкоординация — предварительное (до использования при индексировании) построение сложных классов путем логического умножения (координации) простых классов. Словарный состав задается
158
в виде фиксированного списка слов, словосочетаний и фраз. Введение в язык новых лексических единиц строго ограничено и возможно лишь до индексирования документов, т. е. при создании языка [14, 29].
Посткоординируемые (дескрипторные) языки основаны на методе координатного индексирования. В иоеткоординпруемых ИПЯ лексические единицы объединяются в поисковом образе лишь во время индексирования документа. Словарь дескрпнторного ИПЯ состоит из специальным образом выбранных отдельных слов или словосочетаний естественного языка ключевых слов и дескрипторов [14, 29].
Координатное индексирование, при котором основное смысловое содержание текста (документа) или информационного запроса представляется в виде сочетания ключевых СЛОВ пли дескрипторов.
Ключевые слова это наиболее существенные для отображения содержания документа слова и словосочетания, обладающие назывной функцией.
К классификационным языкам относят [14]:
¦ информационно-поисковый язык иерархического типа;
¦ информационно-поисковый язык фасетного типа;
¦ алфавитно-предметную классификацию.
Основными показателями эффективности функционирования ДИС являются полнота и точность информационного поиска [14].
Полнота информационного поиска R определяется отношением
числа найденных релевантных документов А к общему числу релевантных документов С, имеющихся в системе [14]:
с
Точность информационного поиска Р определяется отношением числа найденных релевантных документов А к общему числу документов L, выданных на запрос пользователя [14]:
L
Наличие среди отобранных на запрос пользователя нерелевантных документов называется информационным шумом системы. Коэффициент информационного шума К определяется отношением числа нерелевантных документов (L - А), выданных в ответе пользо-
159
вателю, к общему числу документов L, выданных на запрос пользователя [14]:
Похожие рефераты:
