Матрицы ассоциации документов, терминов и их свойства.
Используем понятие универсального словаря D (прообразом которого может быть, например, тезаурус, рубрикатор), содержавшего множество лексических единиц всего потока документов.
li – совокупность лексических единиц некоторого документа (сообщения), который является элементом некоторого потока L:
Аналогично универсальному словарю введём понятие универсально массива L0 (прообразы – поисковый массив ИПС, отраслевой справочно-информационный фонд, массив библиотеки), подмножеством которого являются все документы:
Где n0 – мощность множества L0.
Линейное представление теоретико-множественного образа документа:
Универсальный массив в линейном представлении есть матрица размерности D*n0:
Подобные матрицы – матрицы «термин-документ». Каждый столбец соответствует документу и описывает множество терминов, содержащихся в нём.
Строка соответствует отдельному термину и является перечнем документов, содержащих данный термин.
Типология и показатели оценки эффективности информационного поиска. Определение первичных координат описания выхода ипс.
При комплексной оценке учитываются два вида критериев:
экономический – денежные и временные затраты, необходимые для выполнения задачи
технический – способность обеспечить потребителям требуемый уровень информационного обслуживания
Существует анализ экономической эффективности затрат и анализ соотношения затраты - выигрыш.
Экономическая эффективность затрат- поиск недорогих методов выполнения заданного набора операций или получение максимальных результатов при данных затратах.
Анализ соотношения затраты-выигрыш – систематическое сравнение стоимости выполнения отдельных операций и выигрыша, получаемого в результате их выполнения.
Анализ эффективности затрат должен основываться:
Четко определенные цели
Для достижения целей должны быть предусмотрены альтернативы
Определена стоимость альтернатив
Создание модели для связи целей и альтернатив
Ранжирование альтернатив путем оценки затрат и ожидаемой эффективности
Когда задан объем работы, основные альтернативы и выбор вариантов относятся к операциям индексирования и ввода документов, а также к процессам поиска и вывода информации.
Каждый критерий качества может достигаться многими различными способами, каждый из которых требует своего уровня затрат (например, точность можно повысить использованием специфичного языка индексирования).
Техническая эффективность. В этом вопросе существует 2 точки зрения-пользователя и администратора.
Оценки технической эффективности, интересующие пользователей:
полнота поиска – способность выдавать все релевантные документы
точность поиска – способность отбрасывать все нерелевантые документы
усилия – на формулирование запросов и просмотр выданной информации
время поиска
форма представления выдачи (вопросы интерфейса)
полнота информационного массива- степень охвата всех релевантных документов
Методика измерения показателей эффективности:
затраты труда пользователей выражается через время, необходимое на формулирвоание запроса и тд
время реакции системы
форму представления выдачи оценивают в процентном отношении к полному тексту
Оценку степени соответствия (охвата) документов БД информационной потребности делать сложно, т.к. чаще всего заранее неизвестно общее количество материалов, представляющих интерес в данной предметной области. По этой же причине показатели полноты и точности отражают реальное положение условно, это затрудняет их практическое использование при проведении поиска.
Первичные координаты описания выхода ИПС, представляющие соотношение множеств выданных и невыданных документов:
Диаграмма <L> - соотношение множеств L0-всего информационного потока, Lи- множество истинно релевантных документов и Lc- множество документов, выданных системой в ответ на поисковый запрос.
Таблица сопряженности <a,b,c,d> отображает количественное соотношение выданных системой множеств релевантных и нерелевантных документов и невыданных множеств релевантных и нерелевантных документов.
Диаграмма <n,x> -сочетание числа выданных релевантных (х) и всего выданных (n) документов.