8.3. Технологические объекты построения предложения запроса

Для задания дескрипторов предложения запроса могут использоваться следующие технологические объекты:

-частотный словарь;

-тематический рубрикатор;

-тезаурус;

-иерархический словник.

Как показывают многочисленные исследования, наибольший эффект достигается при совместном использовании словарных и рубрикационно-классификационных систем.

Функциональные (интерфейсные) решения, обеспечивающие гибкое использование внешних по отношению к БД объектов, представлены в ИПС IRBIS в виде отдельной функциональноинтерфейсной формы, позволяющей унифицировать отображение иерархических словарных структур и имеющей средства построения поисковых запросов (рис. 8.10).

Рис. 8.10. Отображение и использование тематического рубрикатора

8.3.1. Частотный словарь

Словарь включает термины (слова и словосочетания) из документов базы данных с частотой их встречаемости.

Использование словаря как средства построения предложения запроса особенно эффективно для начинающих пользователей (для ознакомления с терминологией базы данных и контроля правильности написания поисковых терминов). Словарь доступен для просмотра (и редактирования термина перед включением его в предложение запроса) при переходе к одному из основных режимов формирования запроса

(см. рис.8.1, 8.5).

Наличие при термине такого параметра, как частота встречаемости позволяет оценить размер предполагаемой выдачи, если данный термин будет включаться в предложение запроса.

8.3.2. Тематический рубрикатор

Тематический рубрикатор представляет собой иерархический тематический указатель, подготовленный в специальном формате для одной или нескольких баз данных и проведения тематического поиска. Поиск можно проводить как по отдельной рубрике, так и набору рубрик.

Физически тематический рубрикатор представляет собой текстовый файл операционной системы, подготовленный с использованием символов табуляции для идентификации уровней иерархии. Такой рубрикатор может быть создан пользователем самостоятельно (см. рис. 8.10).

8.3.3. Тезаурус

Напомним, что тезаурус представляет собой контролируемый иерархический словарь терминов, называемых дескрипторами. Значение тезауруса, как одного из главных компонентов документальной информационно-поисковой системы, весьма велико. Во-первых, тезаурусы используются для индексирования и поиска информации, улучшая качество поиска, во-вторых - для снятия неоднозначности и задания различных отношений между терминами в естественном языке. Тезаурус также может быть использован как одно из основных средств организации диалога между пользователем и информационным ресурсом в ИПС.

В ИПС IRBIS Тезаурус реализован в виде двухуровневого дерева, на верхнем уровне которого находятся дескрипторы, а на нижнем – их связи. Пример фрагмента Тезауруса по информатике представлен ниже:

ВЫДАЧА ЛИТЕРАТУРЫ SN выдача книг

CM выдача документов

BT БИБЛИОТЕЧНОЕ ОБСЛУЖИВАНИЕ RT АБОНЕМЕНТ

RT БИБЛИОТЕКИ

RT КНИГОВЫДАЧА ВЫСОКАЯ ПЕЧАТЬ

BT ОПЕРАТИВНАЯ ПОЛИГРАФИЯ BT ПЕЧАТЬ

ВЫСТАВКИ

SN экспозиции

NT ВДНХ СССР

NT МЕЖДУНАРОДНЫЕ ВЫСТАВКИ

NT ТЕМАТИЧЕСКИЕ ВЫСТАВКИ

RT НАУЧНО-ТЕХНИЧЕСКАЯ ПРОПАГАНДА ВЫСШЕЕ ОБРАЗОВАНИЕ

BT НАРОДНОЕ ОБРАЗОВАНИЕ RT ВУЗЫ

ВЫХОДНЫЕ ДАННЫЕ

BT БИБЛИОГРАФИЧЕСКИЕ ОПИСАНИЯ

Для повышения эффективности поиска информации используются связи дескрипторов Тезауруса, позволяющие автоматически включать, например, вышестоящие, нижестоящие, ассоциативные дескрипторы вместе с основным дескриптором в запрос рис. 8.11).

Рис. 8.11. Отображение и использование тезауруса

8.3.4. Иерархический словник

Иерархические словники служат дополнительными терминологическими структурами на этапе формирования предложения запроса и могут быть использованы в технологиях поиска по образцу и поиска по логическому выражению.

Построенная для некоторой тематической области словарная иерархия может быть отображена в интерфейсном окне, поддерживающем возможности отбора терминов и включения их в текущее предложение запроса.

Такого рода словарные структуры обеспечивают альтернативный частотному словарю вход в терминологию информационного массива, расширяя для пользователя среду формирования ПОЗа, но не выводя его при этом за пределы лексики предметной области.

Так, например, окружение термина «ИПТ» (информационнопоисковые тезаурусы) выглядит по-разному в частотном словаре и в иерархическом словнике. Для частотного словаря, политематического и упорядоченного по лексикографическим признакам, имеем:

262 ИПТ

1ИПТ МАШИННЫЕ

138ИПЯ

2ИРАК

Для иерархического словника, созданного по лексике тематической рубрики 201.23.15 «Информационно-поисковые языки» (включая подуровни), фрагмент, начинающийся термином «ИПТ», выглядит следующим образом:

ИПТ

ДВУЯЗЫЧНЫЕ ИПТ ИПТ МАШИННЫЕ МНОГОЯЗЫЧНЫЕ ИПТ ОДНОЯЗЫЧНЫЕ ИПТ ОТРАСЛЕВЫЕ ИПТ

ИПЯ

ДЕСКРИПТОРНЫЕ ИПЯ МЕЖДУНАРОДНЫЕ ИПЯ НАЦИОНАЛЬНЫЕ ИПЯ НЕКОНТРОЛИРУЕМЫЕ ИПЯ ОСОБЕННОСТИ ИПЯ

ПРЕДМЕТИЗАЦИОННЫЕ ИПЯ ФАКТОГРАФИЧЕСКИЕ ИПЯ

ИСПАНСКИЙ ВАРИАНТ ИСПАНСКИЙ ЯЗЫК

Если в частотном словаре пользователь может ориентироваться лишь по частоте употребления термина, то в иерархическом словнике рядом с термином представлены все его лексические расширения, что, с одной стороны, более удобно для пользователя, не вполне знакомого с лексикой темы, а с другой – позволяет сразу определиться в пространстве терминов для формулировки более точного поискового запроса (рис. 8.12).

Рис. 8.12. Отображение и использование иерархического словника (мини-тезауруса)

Использование таких словников выглядит в ряде случаев предпочтительнее использования тезаурусов, т.к. словники предполагается строить «на лету» по лексике тематической подборки актуального информационного массива, в то время как тезаурусы не всегда с терминологической точки зрения успевают отразить текущее состояние лексики быстро развивающейся предметной области. Так, например, Тезаурус по информатике (как проиллюстрировано в главе 5) уже не может считаться актуальным лингвистическим средством ввиду того, что довольно низкий процент его терминов в настоящее время используется при индексировании документов.

Для построения словников тематической области предусмотрена специальная функция формирования статистики по результату произвольного предложения поискового запроса. Статистика представляет собой словник терминов тематической выборки с частотами употребления терминов в ней. Выборка определяется как множество документов, полученных при поиске по предложению запроса. Словник в свою очередь может быть построен по любому полю документа.

Такой словник может быть, во-первых, исходным средством для построения иерархических словарных структур, а во-вторых – результатом количественного анализа распределения документов тематической выборки.

При проведении статистического анализа выборки можно дополнительно установить требуемый минимальный порог для частоты встречаемости термина и порядок сортировки («по алфавиту» или «по частоте»).

Результаты статистического анализа отображаются в интерфейсной форме и могут быть сохранены в файле для дальнейшего использования (рис. 8.13).

Рис. 8.13. Построения тематического словника по результату предложения запроса

8.4. Обобщеннаяхарактеристикаразвитияпоисковогопроцесса

С точки зрения взаимодействия «пользователь - система» процесс информационного поиска, в общем случае включает следующие этапы

(см. рис. 6.4):

1.определение темы запроса, ее локализация в предметной области и формализация на уровне понятий основной и смежных областей, а также идентификация ресурса.;

2.формирование, а также структурное и лексическое адаптирование выражения запроса;

3.отбор документов с помощью одного из механизмов поиска по критерию, адекватному степени неопределенности информационной потребности;

4.формирование и управление выдачей найденных документов;

5.оценку результата поиска на уровне отдельного документа, где система обеспечивает возможность фиксировать значение степени соответствия запросу пользователя и непосредственное использование лексики документов для непосредственной модификации выражения запроса;

6.итоговую оценку результатов поиска на уровне всего запроса или отдельных предложений с точки зрения принятия решения о завершении поискового процесса (например, исчерпывающее удовлетворение информационной потребности, или несоответствие цели поиска);

7.развитие запроса по технологии реформулирования по обратной связи по релевантности или использование каких-либо других ресурсов, например, ассоциированных баз данных вторичной или справочной информации.

Развитие запроса путем реформулирования запроса на основе лексики документов, релевантность которых подтверждена пользователем, реализуется двумя типами поисковых технологий.

1.Поиск по терминам отдельного документа, который реализуется либо на основе комбинативной схемы (поиск документованалогов, содержащих указанное количество терминов текущего – просматриваемого пользователем документа), либо «жестким» отбором - по терминам, указанным пользователем в текущем документе.

2.Поиск по терминам, статистически взвешенным на множестве документов, истинная релевантность которых была подтверждена пользователем. Статистически значимые термины, включенные системой в словник из текстов релевантных документов, ранжируются в соответствии с их весом. Далее - в случае эвристического поиска - автоматически кластеризуется и формируется документальная выдача, либо, в случае контекстного поиска, в сформированном словнике пользователь отмечает как релевантные наиболее информативные

термины, которые система использует для генерации кластеров терминов, каждому из которых ставится в соответствие кластер документов, представляемый в запросе как отдельный результат.

Таким образом, в процессе развития запроса используются два типа обратной связи: внешняя, отражающая оценку пользователя, и внутренняя, позволяющая выделять и ранжировать значимые поисковые термины.

Схема поиска, представленная на рис 7.6, отражает следующие требования к интерфейсным компонентам и организации процесса поиска в целом:

-подготовка следующего шага поиска выполняется непосредственно при обработке результата предыдущего: для развития поиска в качестве основного интерфейсного объекта в первую очередь используются документы;

-операционные объекты однородны на каждом шаге;

-на каждом шаге возможен возврат к ранее полученным результатам или оперативное переключение на другую тему и операцию;

-оценка степени завершенности (сходимости) процесса поиска возможна по критерию исчерпания как лексики, так и документального пространства темы.

Фактически классическая схема выдачи документов «по запросувыражению» расширена до динамически управляемого процесса кластеризации пространства документов и терминов. Процесс поиска может развиваться по принципу «расходящихся кругов», обеспечивая выявление «центров активации» искомого образа в семантической сети базы данных, т.е. построение множеств или цепочек документов, которые в свою очередь могут служить мостом к понятиям (документам), возможно, уже не содержащим терминов исходного запроса. При этом, для случая «проблемного» поиска, когда доказательство полноты не может быть сведено к формально вычисляемым показателям, оно компенсируется подтверждаемостью – получением результата другим путем, например, вхождением в информационное пространство БД через информационные объекты разной природы и/или использованием поисковых механизмов разного типа.

Процесс поиска построен симметрично и реализует двойственную задачу: при подготовке запроса можно формировать коллекцию документов (непосредственным включением документов, к которым можно обращаться через «прямые» входы, такие как, словари, рубрикаторы, указатели и т.д.), а при формировании поисковой выдачи – реформулировать запрос и формировать компоненты лингвистического обеспечения (словники, рубрикаторы и т.д.).

Пользователь может продвигаться по пути (реализовать навигацию), предлагаемому системой, или же изменять его, в том числе и выбирая из сформированных системой альтернатив, либо инициируя новый путь через процедуру поиска или прямого отбора.

При этом, доказательство полноты, которое не может быть сведено к формально вычисляемым показателям, компенсируется подтверждаемостью – получением результата другим путем, например, вхождением в информационное пространство БД через информационные объекты разной природы и/или использованием поисковых механизмов разного типа.

Такие подходы в сочетании со средствами идентификации и избирательной обработки объектов не заставляет пользователя постоянно заботиться об отложенных действиях при оперативной работе с запросом и результатами.

Таким образом, процесс поиска – это итеративная последовательность создания и использования технологических объектов, реализующая целенаправленное и управляемое перемещение (навигацию) в документальном и лексическом пространстве базы данных и обеспечивающая оцениваемый уровень удовлетворения информационной потребности или объективно подтверждающая отсутствие информации.

Целенаправленность здесь предполагает представление некоторой цели (обычно в сфере основной деятельности), как комплекса информационных целей, имеющих тематический (многоаспектный поиск) и/или технологический характер. Это означает, что для того, чтобы обеспечить целенаправленность избирательного обращения к поисковым объектам, интерфейсные средства системы должны позволять фиксировать и идентифицировать цель в виде технологических объектов, используемых в процессе ее достижения.

Управляемость - это, с одной стороны, возможность выбора средств и/или параметров работы, а с другой – обоснованное обращение к технологическим объектам, в том числе повторное обращение к результатам и их обработка, например, статистическая или структурноформатная. Кроме того, поскольку выделенная последовательность результатов (физически соответствующая отдельным шагам, а логически

– отдельной цели) образует ряд, то это позволяет использовать статистически вычисляемые показатели разностного типа, характеризующие сходимость процесса поиска и, в частности, обеспечивающие обоснованность решения об окончании процесса совершенствования запроса.

Контрольные вопросы

1.Перечислите основные технологические (интерфейсные) объекты при поиске информации.

2.Охарактеризуйте основные интерфейсные средства подготовки

имодификации поисковых запросов

3.Охарактеризуйте основные интерфейсные средства развития поисковых запросов

4.Приведите типологию сценариев формирования выражения поискового запроса на ИПЯ.

5.Охарактеризуйте сценарии типа «укажи и выбери».

6.Охарактеризуйте сценарии типа «укажи и получи».

7.Охарактеризуйте интерфейсные средства использования тезаурусных связей при модификации поисковых запросов.

8.Охарактеризуйте интерфейсные средства использования терминологических структур при подготовке и модификации запросов.

9.Дайте обобщенную характеристику поискового процесса.