1626434812-e667f6b6e7e69d3a0798830a58e9075b (844135), страница 12
Текст из файла (страница 12)
В отличие от традиционных БД, ориентированных на полное и точное представление данных достаточно простой смысловой структуры, документальныс БД ориентированы на частичное, приближенное представление данных, имеющих значительно более сложную смысловую структуру, представленных на входе в форме текста. Основной функцией любой ДИПС является информационное обеспечение потребителей на основе выдачи ответов на их запросы. Осуществление выда ~и системой требуемых данных реализуется с помощь главной операции ДИПС— проведения информационного поиска.
Оифорл|ационпьш" поиск является процедурой отыскания документов, содержащих ответ на заданные потребителем вопросы (определения основных понятий в п. 4.1 приведены из работы ~14]). Заметим, что в отличие от ФИПС, которые в ответ на запрос потребителя осуществляют выдачу конкретных сведений (фактов), ДИПС в результате проведения информационного поиска предоставляют потребителю совокупность документов, смысловое содержание которых соответствует его запросу.
Информационный поиск в системе проводится на основе поступившего от потребителя запроса на отыскание необходимой ему информации. Потребность -человека в определенной информации в процессе его практической деятельности носит название инфориационной потребности. Под действием получаемой информации информационная потребность людей постоянно изменяется и трансформируется. Вследствие этого ее невозможно однозначно выразить и описать. Однако информационная потребность может быть представлена в виде некоторой последовательности ес частных значений в фиксированные моменты времени. Такое частное значение информационной потребности потребитс- б2 Базы данных.
Интеллектуальная обработка информации ля в определенные моменты времени, выраженное на естественном языке (ЕЯ), и представляет собой информационный запрос, с которым пользователь обращается к системе. Однако запрос может быть неправильно сформулирован потребителем и не отражать его истинной информационной потребности в момент обращения к системе, Таким образом, при проведении информационного поиска в системе фактически рассматривается не информационная потребность пользователя, а только информационный запрос, в ответ на который и выдаются те или иные документы системы. Следовательно, реакцию системы необходимо рассматривать не только по отношению к информационной потребности, но по отношению к информационному запросу.
Для выражения данных отношений в теории ДИПС введены два фундаментальных понятия: пертинентность и релевантность. Под нертинентностыо понимается соответствие смыслового содержания документа информационной потребности потребителя. Документы, содержание которых удовлетворяет информационной потребности, называют пертинентными. Релевантность представляет собой соответствие содержания документа информационному запросу в том виде, в каком он сформулирован, а документы, содержание которых отвечает запросу потребителя, носят название релевантных. Автоматизация процесса информационного поиска потребовала формализации представления основного смыслового содержания информационного запроса и документов в виде соответственно поискового предписания (ПП) и поисковых образов документов (ПОД). Для записи ПП и ПОД применяются специальные языки, называемые информационно-поисковыми (или просто информационными). В процессе проведения информационного поиска в ДИПС определяется степень соответствия содержания документов и запроса пользователя путем сопоставления ПОД с ПП.
А на основе такого сопоставления принимается решение о выдаче документа (он признается релевантным) или его невыдаче (он считается нерелевантным). Решение о выдаче или невыдаче документа в ответ на запрос принимается на основе некоторого набора правил, по которому данной ДИПС определяется степень смысловой близости между ПОД и ПП. Такой набор правил получил название критерия смыслового соответствия (КСС).
Критерий может задаваться явно или неявно. На самом деле КСС базируется не на ранее введенном понятии релевантности, а на понятии формальной релевантности — соответствии содержания ПОД и ПП. Фактическая релеоантность, понимаемая как смысловое соответствие содержания документа информационному запросу, может быть установлена только человеком в процессе осмысления содержания документа и запроса. Глава 4, Документальные системы 4.2. Общая функциональная структура документальных информационно-поисковых систем В состав типичной ДИПС входят, как правило, четыре основные подсистемы (рис. 4.1): 1.
Подсистема ввода и регистрации. 2. Подсистема обработки. 3. Подсистема хранения. 4, Подсистема поиска. Рис. 4.1 Общая функциональная структура ДИПС Текстовые документы, поступающие на вход системы, могут быть представлены как в бумажном, так и в электронном виде (в одном из многочисленных форматов), Поэтому подсистема ввода и регистрации решает следующие основные задачи: ° создание электронных копий бумажных документов (например, скани- рование с последующим распознаванием текста или ввод с клавиатуры); ° обеспечение подключения к каналам доставки электронных документов; ° распознавание, а при необходимости и преобразование формата электронных документов; присвоение электронным документам уникальных идентификаторов (регистрация), а также ведение таблицы синхронизации имен (при необходимости сохранения прежних имен).
Базы данных. Интеллектуальная обработка информации Все поступающие документы без внесения в них каких-либо изменений направляются в подсистему хранения для сохранения в базе документов. База документов может представлять собой простую совокупность файлов, распределенную по каталогам жесткого диска. Однако такой тип представления базы документов характеризуется двумя недостатками: ° неэффективным использованием дискового пространства; ° низкой скоростью доступа при большом количестве файлов, Поэтому для хранения документов применяют средства сжатия и быстрого поиска информации.
В этом случае подсистема хранения представляет собой совокупность стандартных или специализированных средств архивации, СУБД и т.п., обеспечивающих возможность доступа к данным по предъявляемому идентификатору. Далее документы поступают на вход подсистемы обработки, задачей которой является формирование для каждого документа ПОД, в который заносится информация, необходимая для последующего поиска документа. ПОД сохраняются в индексе. Логически индекс представляет собой таблицу, строки которой соответствуют документам, а столбцы — информационным признакам, на основе которых строится ПОД.
В ячейках таблицы могут храниться либо 1, либо Π— в зависимости от наличия или отсутствия данного признака в данном документе. Очевидно, что такая таблица будет сильно разреженной, и хранить все значения не имеет смысла. Поэтому на практике используют свертку таблицы по строкам или столбцам. Такую форму хранения называют прямой или инверсной соответственно. Поскольку при свертке таблицы структура индекса усложняется, для его поддержания могут использоваться средства СУБД.
При поступлении на вход системы запроса пользователя он преобразуется в ПП и передается в подсистему поиска, задачей которой является отыскание в индексе ПОД, удовлетворяющих ПП с точки зрения КСС. Идентификаторы релевантных документов подаются с выхода подсистемы поиска на вход подсистемы хранения, которая осуществляет выдачу пользователю самих релевантных документов.
4.3. Проблема формального представления смыслового содержания текста 4.3.1. Недостатки естественного языка Как известно, естественный язык (ЕЯ) является универсальной знаковой системой, служащей для обмена информацией между людьми. Поскольку документы, поступающие на вход ДИПС, записаны на ЕЯ, справедливо было бы за- Глава 4. Документальные системы даться вопросом, а нельзя ли испольэовать ЕЯ в качестве основного средства представления информации во время всего цикла функционирования ДИПС? Ответ будет положительным, если речь идет о тех ИПС, в которых соответствие между запросом и документом устанавливает человек, Однако в современных ДИПС эта операция выполняется компьютером, что практически исключает применение ЕЯ в качестве основного средства представления информации.
Это объясняется существенными недостатками ЕЯ с точки зрения машинной технологии обработки информации, основные из которых рассмотрены ниже. Многообразие среданв передачи смысла. Несмотря на то, что основным средством передачи смысла сообщения является лексика естественного языка, в сообщениях на ЕЯ функцию передачи смысла выполняет и ряд других элементов: ° контекст; ° парадигматические отношения между словами; ° текстуальные отношения между словами; ° ссылки на слова (словосочетания, фразы и т.д.), ранее упоминавшиеся в тексте сообщения. Семантическая неоднозначность. Сообщения, записанные на естественном языке, могут быть семантически неоднозначными. Семантическая неоднозначность возникает в основном из-за синонимии и многозначности слов естествен- ного языка.
Синонимия представляет собой тождественность или близость по значению слов, выражающих одно и то же понятие, которые отличаются одно от другого или оттенками значений, или стилистической окраской, или одновременно обоими названными признаками. Синонимами естественного языка являются как отдельные слова, так и словосочетания. Ммогозначность характеризует возможность неоднозначного понимания смысла отдельных слов естественного языка, Многозначность слов представлена двумя разновидностями — полиссмией и омонимией. Полисемия — это совпадение названий различных предметов, имеющих между собой какие-либо общие свойства или признаки.
К типичным общим свойствам, служащим базой полисемии, следует отнести сходство предметов, их смежность (пространственную, временную и т.д.), а также одинаковое функциональное назначение. Примерами полисемии являются: "команда" (воинское подразделение) — "команда" (экипаж судна) — "команда" (спортивная). Омонимая — это совпадение названий различных предметов, не имеющих между собой каких-либо общих свойств. Например: "лук" (оружие) — "лук" (растение); "ключ" (родник) — "ключ" (дверной). Омонимичные слова, совпадающие между собой как по написанию, так и по звучанию, следует отличать от омографов — слов, обозначающих различные предметы, одинаковые по написанию, но разные по звучанию, напри- З- ЭО7 Базы данных.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
