СДАЛ / ИСЭ Информационные системы в экономике / Уч_пособия / ИС_МФЮА

Коэффициент синонимии: Sn = 16843330 ≈ 0,506

СловарныйсоставТезаурусапоинформатике

	14%
16%	39%

25%

6%

Изолированныедескрипторы

Родоначальныедескрипторы

ВидовыедескрипторыI уровня

ВидовыедескрипторыII уровня

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 информационнопоискового тезауруса путем анализа информационной потребности абонентов (потребителей).

2.Сбор массива лексических единиц в том случае, если отсутствуют тезаурусы по заданной тематике. Первоначальный сбор лексики осуществляется выделением лексических единиц из представленной коллекции документов и/или запросов. В полученный массив лексических единиц дополнительно должны быть включены соответствующие тематике лексические единицы, выделенные в соответствии с методикой построения данного тезауруса из указанных в ней источников: рубрикатора ГРНТИ; энциклопедических и терминологических словарей, справочников; терминологических стандартов; классификаторов техникоэкономической информации; таблиц УДК, МКИ и других систем классификации.

3.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.

191

Одиночные существительные следует заменять формой именительного падежа. Формы прилагательных и причастий следует приводить к именительному падежу. Прилагательные и причастия в единственном числе приводятся к форме мужского рода. Глаголы рекомендуется заменять отглагольными существительными. Глаголы, включенные

всловник, приводят к форме инфинитива.

4.Построение словарных статей. При построении словарных статей информационно-поискового тезауруса лексическим единицам приписываются ссылки, устраняется неоднозначности ЛЕ, устанавливаются отношения эквивалентности, выбирается дескриптор, представляющий класс эквивалентности при индексировании (для ИПТ, различающих дескрипторы и аскрипторы), устанавливаются иерархические и ассоциативные отношения между дескрипторами.

5.Построение лексико-семантического указателя. Лексикосемантический указатель является упорядоченной последовательностью словарных статей ИПТ и формируется путем расположения их в алфавитном порядке заглавных ЛЕ.

6.Создание алгоритма автоматизированного построения ИПТ, например, проведение частотного анализа, коррекции статей, алфавитной сортировки словника, проверки взаимности и непротиворечивости ссылок, составление указателей, распечатка в требуемых форматах. [Тезаурус1988]

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 (ассоциативные отношения).

Проблемы, относящиеся к форме терминов, включают в себя принятие решения о том, использовать единственное или множественное число, какие классы терминов (прилагательные, существительные, глаголы) могут служить в качестве дескрипторов и уровень, до которого контролируемый словарь может содержать сложные (составные) словосочетания.

Проблемы, попадающие под название «ввод терминов», включают в себя синонимию, отношение «частное-целое», отношение «один-ко- многим», омонимию, а также необходимость сокращенного написания (аббревиатуры).

192

Эффективность поиска, безусловно, повышается при использовании на этапе формирования запроса отраслевых словарей и тезаурусов. Следует, однако, отметить, что составление таких средств вручную занимает несколько лет, причем за это время многое меняется и в проблематике, 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

		Кол-во кл. сл.	Кол-во деск-	Доля
Год	Кол-во док-тов		рипторов те-	дескрип-
		в поле KW	зауруса в	торов в
			словнике	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

193

					Доля дескрипторов в словнике по годам
0,800
0,750
0,700
0,650
0,600
0,550
0,500
0,450
0,400
0,350
0,300
0,250
0,200
0,150
0,100
0,050
0,000
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, использованных при индексировании документов, существенно уменьшается с течением времени.

Контрольные вопросы

1.Охарактеризуйте состав лингвистического обеспечения документальных 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 перечислительных классификаций.

9.Охарактеризуйте свойства и приведите примеры аналитикосинтетических 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 информационнопоискового тезауруса.

18.Приведите примеры тезаурусов.

194

6.Поисковые задачи и технологии информационного поиска

Взадачах информационного поиска качественно различают две составляющие: концептуальную и технологическую.

К концептуальным составляющим относятся, прежде всего, методы и средства представления собственно информации (знаний) и метаинформации, которые используются в качестве основы как для проектирования механизма поиска, так и для организации процессов взаимодействия пользователя с АИПС.

К технологическим составляющим относятся средства пользовательского интерфейса, алгоритмы индексирования и поиска, языки запросов, средства интеграции информации из различных источников и т.д.

Как отмечалось ранее (см. главу 2), принципиально важным фактором, определяющим направление развития современных информационных систем, является то, что взаимодействие пользователей с информационными ресурсами происходит в режиме «информационного само-

обслуживания», когда пользователь, по существу, уже не разделяет свою деятельность на информационную и основную37.

Особенности технических решений при проектировании и эксплуатации автоматизированных информационных систем, ориентированных на информационную поддержку основной деятельности и интегрирующих такие специализированные функции, как поиск, обработка и организация информации, определяются двумя следующими, имеющими разную природу, факторами.

1. Используемые информационные ресурсы (ИР), наряду с оригинальным авторским представлением материала, в большинстве своем характеризуются высокой систематизированностью (тематической профильностью источников и ядерностью тематических потоков), а также практически обязательным наличием справочной информации (поисковых образов документов и систем вторичной информации – рубрикаторов и тезаурусов, обеспечивающих единообразие представления и организации доступа к ресурсам).

2. Поисковые средства и технологии, используемые для реализации 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, достоверности источника и т.д.) и функциональных возможностей системы как

37 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 ознакомлении с найденным документом. Причем факт изменения цели возможно даже не будет явно осознан исследователем, что в итоге может привести к неполному результату поиска.

195

инструмента. В целом фессионализма» ный/неподготовленный нал/непрофессионал).

эти факторы обычно сводятся к понятию «про- - информационного (подготовленпользователь) и предметного (профессио-

6.1. Динамика информации в системах основной и информационной деятельности

Взаимодействие пользователя с комплексом разнородных информационных ресурсов должно рассматриваться как процесс, зависящий от двух групп основных факторов. С одной стороны – это свойства информации и закономерности информационных преобразований в сфере основной деятельности (ОД), учитывающие специфику восприятия и переработки человеком как основной (целевой) информации, так и технологической, обеспечивающей условия его взаимодействия с информационной средой. С другой стороны, организация информационного пространства 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 персонификацию представления информационных объектов.

Рассмотрим обобщенную схему воспроизводства информации, в основу которой положено предложенное в [Попов1996] представление совокупной информационной системы (генератор – потребитель информации), определяющее исследуемые объекты и процессы автоматизации в контексте взаимозависимости основной и собственно информационной деятельности (рис. 6.1).

С точки зрения задач управления потоками здесь можно различить две совокупности процессов: формирование потока информации (документов) в соответствии с заданными характеристиками (тематичность,

полнота охвата и т.д.) и распределение входных и выходных потоков и их составляющих в соответствии с информационными потребностями38. И, если основная деятельность имеет дело с поиском и содержательной обработкой научной информации (т.е. сообщениями, описывающими некоторые свойства исследуемого объекта), то научно-информационная – это по возможности инвариантные относительно смысла преобразования текста в форму, приемлемую для автоматизированной идентификации, хранения и поиска.

38 Отметим, что информационные потребности и запросы также можно рассматривать как поток информации - гипотетической или в какой-то части неактуализированной.

196

Факторы, определяющие целевое использование ИР

Инф. Потребн. Условия восприятия

Наличные знания

(теория, методология, методы)

Система представления знаний в предметной области

Отрасль-ориентированная ПрО

Проблемно-ориентированная ПрО

Интерпретация результа-		Поиск
та поиска
		Представление ИР
	Д-т
		под

	Исходная	···
	информация

Решение задачи ОД		Генерация
		ИР

	Результат	Документопоток
	ОД

Отрасль-		Оформление		Комплектование (отбор/
ориентированное пред-		сообщения		представление)
ставление смысла
результата	Сообщ		Д-т

Рис. 6.1. Обобщенная схема воспроизводства информации

Факторы, определяющие доступность ИР

Метаинформация (семантика/ структура)

Автоматизированные информ. системы и технологии

Отраслевой спектр комплектования ресурса

По характеру информации в совокупной системе (рис. 6.1) можно выделить три следующих уровня преобразования информационных объектов.

Первый уровень – это основная деятельность, где объектами являются предметы реального мира, а результатами – новое знание. Носителем информации этого уровня является человеческое сознание, для которого характерны системность организации и ассоциативность выборки, а коммуникационным объектом является сообщение – знание, адресно отраженное на систему понятий предполагаемого приемника - потребителя информации.

Второй уровень – создание общественно-полезной информации – одна из форм овеществления знаний через обобществление результатов в документальной форме. Средством представления знаний (коммуникаций) здесь является язык, а носителем – документ как функционально ориентированное сообщение, структурирующее информацию и идентифицирующее ее, например, путем выделения логических или физических частей - семантически однородных полей.

Третий уровень – собственно информационная деятельность – управление потоками информации для обеспечения основной деятельности. Работа с компактными по объему вторичными документами, позволяет совершенствовать процесс поиска нужных сообщений. Здесь информация (поисковый образ документа) – это хорошо структурированный материал, компактно и предметно отражающий содержание документа, 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 описаний объектов ОД и их взаимосвязей (в реальном мире) в соответствии с требованиями, обуславливаемыми возможностями средств представления (языка описания). Отсюда следует, что использование абстракций различного порядка в итоге дает возможность (упрощая описание объекта 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 - фильтрацией информации путем снижения разнообразия форм и аспектов представления смыслового содержания через вынесение части смысла в метаинформационную составляющую или простое отбрасывание.

Например, сообщение предполагает фиксацию (ограничение) предметной области; документ – фиксацию вариантов способа пред-

198

ставления через выделение семантически однородных полей и, соответственно, 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 лингвистического обеспечения) должна рассматриваться как с точки зрения возможности неискажающего преобразования самой информации в цепи генера- ции-потребления информационного ресурса, так и с точки зрения адекватности восприятия пользователем функциональных возможностей этих средств.

199

Информация	Отбор документов при	Потребность
	поиске в БД
ПОД		ПОЗ

Документ	ИПЯ	Знание ИПЯ	Выражение
			ИП
	Структура ИПЯ	Словари
Сообщение	Язык научн. ком-	Знание языка	Постановка по-
	муникаций		иск. задачи
	Структура языка	ИПТ
Новые знания	Язык ПрО	Знание ПрО	Формализованная
			ИП
Объекты	Системы	Основные понятия	Реальная
исследований	знаний	и закономерности	потребность

Рис. 6.2. Уровневая модель взаимосвязи информационных объектов