Информационно-поисковые системы — ИПС

Поскольку задача исчерпывающего поиска неразрешима, то человечество задумалось над «средствами механизации» поиска, которые позволяли бы решать поисковые задачи в удовлетворительном приближении. Такие «средства механизации» вынуждены работать с тем «материалом», который присутствует в слабо структурированной информации — словами естественного языка. Использование слов в том виде, в котором они присутству­ют в документах, неэффективно — ведь в таком случае информационно-поисковая система вынуждена была бы просматривать документы один за другим — почти так же, как это де­лает человек. Хотя ИПС может просматривать документы очень быстро, но в тех случаях, когда количество документов достигает сотен тысяч (как в юридических ИПС) или милли­ардов (как в ИПС Интернета), прямой «механический» просмотр всех документов требует значительного времени. Поэтому ИПС почти никогда не работают непосредственно с ис­ходными документами. Вместо исходных документов ИПС используют их представ­ле­ния — т. н. поисковые образы документов (ПОД). Преобразование документа в его ПОД в различных ИПС происходит по-разному. Ниже при обсуждении различных типов доку­мен­тальных ИС мы рассмотрим процессы формирования ПОД для них.

С другой стороны, и общение пользователя (пытающегося с помощью ИПС удовлет­во­рить свою информационную потребность) с ИПС также не является простым процессом. Обращение к ИПС с запросом на поиск обычно не может быть реализовано с помощью экрана (бланка) запроса, содержащего набор простых локальных критериев. Ведь слов в документах много, и лобовой подход, объявляющий каждое слово объектом такого ло­каль­ного критерия потребовал бы столько полей ввода в экране запроса, сколько при­сут­с­т­вует отдельных слов в самом большом документе, хранимом документальной ИС.

Запрос к ИПС

Зачастую вместо экранов запросов (и/или вместе с экранами запросов) документальные информационные системы исполь­зу­ют языки запросов (информационно-поиско­вые язы­ки, ИПЯ), и для общения с ИПС инфор­ма­ционная потребность должна быть вы­­ражена средствами, ко­то­рые эта ИПС «понимает» — должен быть сформулирован за­прос на фор­мальном входном языке запросов ИПС.

В ответ на запрос ИПС передает отчет — список найденных документов, так или иначе иден­тифицирующий эти документы.

Понятие релевантного документа

Запрос редко может точно выразить информационную потребность — ведь инфор­ма­ци­он­ная потребность невербализуема, а запрос, как правило, требуется писать на фор­маль­ном языке.

Однако многие ИПС по разным причинам не могут определить, соответствует ли тот или иной документ запросу — ведь они работают не с самими документами, а с их ПОДами. Степень соответствия документа запросу называется реле­ван­т­ностью. Релевантный документ может оказаться непертинентным и наоборот.

Пример

Известна (американская) ИПС, которая на запрос, состоящий из единственного слова “Russia” (Россия), выдает список документов, в первом из которых этого слова нет во­об­ще, но зато есть слово “Gagarin”. Этот документ нерелевантен, но пертинентен для мас­со­вой американской аудитории.

В случае, когда ищется информация о шлюпочных якорях (кошках), запрос, состоящий из слова «кошка», почти в любой ИПС даст массу релевантных, но непертинентных до­ку­ментов.

Полнота и точность информационного поиска

Введем некоторые формальные определения. Пусть

Δ — множество документов, ПОДы которых представлены в докумен­таль­ной ИС;

π — общее количество пертинентных документов в Δ; обычно π много меньше, чем D — общее количество документов, ПОДы которых представлены в докумен­таль­ной ИС;

F — количество найденных по определенному запросу документов;

P — количество найденных пертинентных документов, P<F; P≤π;

Полнота (recall) задается отношением

Точность (precision) информационного поиска задается отношением

Шум (noise) — это величина, дополнительная к точности:

Для широкого класса ИПС и запросов к ним имеет место (полученное по результатам мно­гочисленных экспериментов) соотношение дополнитель­нос­ти:

Таким образом, если по каким-то причинам требуется произвести более или менее ис­чер­пывающий поиск (обеспечить его высокую полноту), то придется мириться с высоким шумом (низкой точностью поиска).

Сказанное можно проиллюстрировать двумя модельными ситуациями поиска. В первой ситуации найден один-единственный пертинентный документ. В этом случае точность p=1, а шум n=0. Но и полнота r, видимо, близка к нулю, поскольку многие из присут­с­т­ву­ю­щих в ИС пертинентных документов не найдены. В качестве другой модельной ситу­а­ции будем рассматривать все множество Δ как результат поиска. Тогда, напротив, шум, как правило, велик (в этом случае точность p=π/D почти равна 0), а полнота равна 1.

Реальные ситуации документального поиска располагаются между приведенными мо­дель­ными ситуациями, давая или высокий шум, или высокую полноту поиска.

Координация терминов

Почти очевидно, что слова в документах, создаваемых людь­ми, встречаются вовсе не в слу­чайном порядке, и этот факт, видимо, можно использовать при разработке инфор­ма­ци­он­но-поисковых систем. Слова (строго говоря, лексические единицы) текста документа об­ра­зуют друг с другом устойчивые сочетания, имеющие определенное смысловое со­дер­жа­ние. Та­кие сочетания лексических единиц называют терминами. Термин обычно озна­ча­ет некоторое понятие. Одно и то же понятие может быть обозначено различными тер­минами («компьютер» ~ «электронная вычислительная машина»); в таком случае го­во­рят о синонимии терминов.

Пространственные (текстуальные) связи лекси­чес­ких еди­ниц, образующие термин, назы­ваются отношением координации. Термины, в свою очередь, также могут находиться друг с другом в отношениях координа­ции, образуя новые термины, обозначающие более общие понятия.

В процессе информационного поиска человек явно или неявно осуществляет коорди­на­цию лексических единиц и терминов оцениваемых документов. Поэтому уже в начале XX века возникла идея использовать предварительную (до поиска) координацию терминов (тогда бумажных) документов, осуществляемую обученными специалистами. Результаты такой координации — поисковые образы документов, состоящие только из терминов. В резуль­та­те в библиотеках возникли сначала предметные, а затем и систематические ката­логи. Ана­логи этих типов каталогов встречаются в Интернете и других документальных ин­форма­ци­онных системах. Такого рода документальные информационно-поисковые системы на­зываются ИПС с предкоординацией терминов (или просто ИПС с пред­ко­ор­ди­на­цией — ИПС с предкоординированными ИПЯ — предкоординированные ИПС).

Можно, однако, возложить всю работу по координации на того, кто ищет, предоставив ей/ему возможность непосредственно работать с лексическими единицами текста доку­мен­тов. Такой подход к осуществлению информационного поиска называется пост­ко­ор­ди­нацией терминов. В бумажную эру это было непросто, и далее алфавитных ав­тор­ских каталогов (в которых присутствовали только лексические единицы одного-един­с­т­венного типа — фа­ми­лии авторов документов) дело заходило редко. Однако с появ­ле­ни­ем ком­пь­ю­теров создание посткоординированных ИПС стало реальностью. Такие ИПС широко используются, например, для реализации юридических документальных ин­формационных систем и для поиска во Всемирной паутине.

Рассмотрению особенностей пред - и посткоординированных ИПС посвящены следующие лекции.

Лекция 8.  Предкоординированные ИПС

Предметные ИПС

Предметная ИПС устроена наиболее просто. На основе анализа взаимной встречаемости терминов формируется список «предметов», о кото­рых говорится в документах. Пред­мет, как правило, является достаточно абстрактным понятием. Предметом может быть что-нибудь вещественное, напри­мер, «яблоко» (на самом деле, абстрактное яблоко, пред­с­тав­ляющее собой — как термин — некоторое множество некоторых аспектов реальных яб­лок), но может быть и нечто невещественное, например, «индийская музыка». С назва­ни­ем предмета связываются списки соответствующих документов.

Это особенно удобно, если полный перечень предметов невелик — предметная ИПС пред­ставляет собой «полки», на которых лежат ссылки на ресурсы, относящиеся к названию пол­ки («предмету»):

Предметная ИПС

---

|

|------- Абажуры

|

|------- Бублики

|

|------- Индийская музыка

|

|------- Куклы

|

|------- Музыка

|

|------- Программирование на языке Perl

|

|------- Яблоки

|

|------- Яблони

Такие «полки» с названиями предметов называются предметными рубриками, а сам перечень предметных рубрик — рубрикатором. Пред­мет­ная рубрика предкоордини­ро­ванной ИПС, кроме названия предмета, может содер­жать перечни координированных лек­сических единиц и терминов, отражающих со­дер­жа­ние понятия, описываемого этой рубрикой.

Предметные каталоги появились в библиотеках в начале XX века и продолжают разви­вать­ся. В настоящее время предметные каталоги крупных библиотек (например, Россий­с­кой национальной библиотеки в Санкт-Петербурге) насчитывают 20—30 и более тысяч пред­мет­ных рубрик. Прямой ручной переборный поиск в таких списках рубрик невозмо­жен, поэтому все мало-мальски значительные по размерам предметные ИПС оснащаются дополнительным поисковым аппаратом (например, посткоординированной ИПС, в кото­рой документами являются названия предметных рубрик, а в бумажных каталогах библи­отек — хотя бы так называемым алфавитным ключом, указывающим, в каком ящике ис­кать рубрики, названия которых начинаются на определенную букву).

При создании предметной ИПС всегда встают два основных вопроса:

Какие же термины следует считать «предметами»? (Следует ли, например, считать яблоко предметом?) Каков объем понятия, относящегося к «предмету»? (Что есть яблоко?)

В библиотеках для решения этих вопросов создаются специальные группы сотрудников, называемые «комиссией по предметизации». Фактически эти группы являются авторами предметных ИПС. Кроме описания решений, принятых по приведенным выше вопросам, комиссия по предметизации разрабатывает инструкции, пользуясь которыми другие сот­рудники библиотеки (работники отдела предметизации, предметизаторы) и осущест­в­ляют предметизацию — приписывание документам предметных рубрик.

В результате функционирование предметной ИПС можно представить схемой (Рис. 18).

Рис. 18
. Схема функционирования предметной ИПС

Обратим внимание на то, что на этой схеме присутствуют, кроме авторов документов и пользователя ИПС, еще две группы людей: разработчики рубрикатора и предметизато­ры. Культуры, в которые погружены эти группы людей, зачастую отличаются друг от дру­га и от культур авторов и пользователей ИПС.

Работа предметизатора также включает оценку (к какой предметной рубрике отнести до­кумент — в соответствии с содержание его текста). Ес­ли предметизаторы (принадлежа к другим культурам, нежели культура разработчиков рубрикатора) не следуют строго ин­с­т­рукции по предметизации, то документы оказываются приписанными к иным, чем пред­полагалось, рубрикам.

Если пользователь не понимает, как ус­т­роена культура раз­работчиков рубрикатора, он не в состоянии обратиться к той пред­метной рубрике, ко­торая должна содержать докумен­ты, пертинентные его информа­ци­он­ной потребности. Ни­же (при рассмотрении класси­фи­ка­ционных ИПС) мы увидим по­добные примеры. Вековая история использования предметных каталогов в библиотеках позволила выработать два приема, позволяющие в этом случае смягчить проблему межкультурной коммуникации. Эти приемы называются отсылкой и ссылкой.

Отсылка

Если комиссия по предметизации полагает, что в культурах пользователей существуют си­нонимичные названия предметов («компьютер» ~ «электронная вычислительная ма­ши­на»), то в рубрикатор вносятся оба этих названия, однако все документы, релевантные дан­ному предмету, приписываются только к одной из рубрик. Вторая остается пустой, в нее помещается текст «См. (смотри) <имя наполненной рубрики>» — отсылка.

Ссылка

Зачастую, однако, в рубрикаторе присутствуют близкие по значению или как-то иначе свя­занные предметные рубрики. В этом случае используется ссылка — «См. также <имя наполненной рубрики>»

WebRing — предметная ИПС Интернета

Рис. 19. Веб-кольцо — кольцевая ссылочная структура

В июне 1995 г. появился сайт WebRing [http://www. webring. org], объединивший нес­коль­ко колец. В настоящее время на этом сайте "присутствуют" более 50 тыс. колец, ко­торые в общей сложности включают более 900 000 сайтов, т. е. средний размер кольца — около 18 сайтов. Есть, однако, и кольца-гиганты, содержащие тысячи сайтов. Участники таких колец используют не только двусторонние ссылки (как показано на рисунке), но и ссылки «через сайт» и случайные ссылки, генерируемые программным об­разом.

Понятно, что найти нужный предмет интереса при большом количестве предметов не­прос­то. WebRing обзавелся собственными вспомогательными ИПС — клас­си­фи­ка­ци­он­ной и сло­вар­ной, помогающими найти название предмета.

Поскольку предметные рубрики WebRing не были разработаны какой-либо организа­цией, а процесс предметизации в WebRing стихиен, то межкультурные проблемы сказа­лись на этой ИПС самым существенным образом. Существует множества непересе­ка­ющихся веб-колец с идентичной тематикой — их авторы по каким-то причинам не же­лают взаимодействовать друг с другом. Некоторые тематики (например, классическая му­зыка) представлена на WebRing весьма ограниченно, а многие другие (зачастую, марги­наль­ные, например, рокеры) — очень широко. Это явление связано с уровнем активности соответствующей культурной группы. И, конечно, основной язык представленных на WebRing сайтов — английский.

В силу сказанного, WebRing обладает ограниченной ценностью как поисковая ИПС Всемирной паутины.

Классификационные ИПС

В классификационных ИПС используется иерархическая (древовидная) организация ин­фор­мации, которая называется КЛАССИФИКАТОРОМ. При такой организации ИПС есть не очень много (обычно менее двух десятков) "больших полок", каждая из которых разделена на несколько меньших, каждая из которых, в свою очередь, вновь разделена на еще более мелкие...

Рис.  1 Классификационная ИПС — продукт взаимодействия многих культур

Разделы классификатора называются РУБРИКАМИ. Библиотечный аналог классифика­ци­онной ИПС — систематический каталог. Классификатор разрабатывается и совер­шен­ствуется коллективом авторов. Затем его использует другой коллектив специалистов, называемых СИСТЕМАТИЗАТОРАМИ. Систематизаторы, зная классификатор, читают документы и приписывают им классификационные индексы, указывающие, каким раз­де­лам классификатора (рубрикам) эти документы соответствуют.

Классический пример классификационной ИПС — Yahoo (www. ). Едва по­я­вив­шись, быстро завоевала признание качественной проработкой классификатора. Сейчас в Yahoo работают более 100 систематизаторов.

Классификационные ИПС обладают рядом специфических недостатков. Уже разработка классификатора связана с оценкой относительной важности различных областей чело­ве­ческой деятельности. Например, сравнивая классификаторы многих ИПС Интернета (та­ких, как Ya­hoo, Lycos, Look Smart), замечаем, что во многих из них нет раздела "Наука". Любая оценка является социальным действием; она связана с обществом, культурой, со­циальной группой, к которым принадлежит человек, выносящий оценку. Поэтому уже классификаторы, созданные разными коллективами в разных странах, могут иметь весь­ма различную степень полезности при поиске информации — все зависит от того, кто и что ищет. Но в создании классификационных ИПС участвуют еще и коллективы сис­те­ма­ти­заторов, также выносящих свои оценки о соответствии документов разделам клас­си­фи­ка­тора.

Взаимодействие культур при поиске в классификационной ИПС

Таким образом, при поиске информации с помощью классификационных ИПС возни­ка­ет необходимость взаимодействия с другими культурами — культурами авторов, создате­лей классификаторов и систематизаторов.

Это непростая задача. Существует профессия, решающая эту задачу — переводчики. Хо­роший переводчик переводит не только слова, но и то, что называется "культурные реа­лии". В случае информационного поиска соответствующий профессионал называется "ИН­ФОРМАЦИОННЫЙ БРОКЕР". Он владеет когнитологическими методиками, знает, как устроены классификаторы и как их интерпретируют систематизаторы. Эти знания позволяют информационному брокеру в беседе с вами изучить вашу информационную потребность и превратить ее в запрос. В библиотеках такие "информационные брокеры" работают в информационных и библиографических отделах. Информационные брокеры Интернет у нас в стране уже встречаются, хотя пока еще редко.

Библиографы, понимая, что читатели не всегда глубоко изучают классификации, поло­жен­ные в основу систематических каталогов, выработали два приема, облегчающие жизнь читателям. Эти приемы носят название "ОТСЫЛКА" и "ССЫЛКА", и оба они при­меняются создателями классификационных ИПС Интернета.

Эти приемы используются в ситуации, когда документ может быть отнесен к одному из нескольких разделов классификатора, а лицо, осуществляющее поиск (поисковик), мо­жет не знать, к какому именно разделу.

Ссылка и отсылка

Отсылка используется тогда, когда создатели классификатора и систематизаторы в сос­то­я­нии принять четкое решение об отнесении документа к одному из разделов клас­си­фи­ка­тора, а поисковик с определенной вероятностью в поисках этого документа придет в дру­гой раздел. Тогда в этом другом разделе помещается отсылка ("См.") в тот раздел клас­сификатора, в котором действительно размещена информация о документах данного ти­па.

Например, информация о картах стран может быть размещена в разделах "Нау­ка · Гео­гра­фия · Стра­на", "Эко­но­ми­ка · Гео­гра­фия · Стра­на" или "Спра­воч­ни­ки · Кар­ты · Стра­на". Принимается решение, что карты стран помещаются во второй раздел: "Эко­но­ми­ка · Гео­гра­фия · Стра­на"; тогда в остальные два раздела помещаются отсылки в него. Этот прием активно используется в ИПС Yahoo (отсылка обозначается в ней знаком @).

Ссылка ("См. так­же") используется в менее однозначной ситуации, когда даже создатели классификатора и систематизаторы не в состоянии принять четкого решения об от­не­се­нии документов к определенному разделу классификатора. В ИПС Интернет ссылка при­нимает разнообразные формы ("Relevant servers", "Похожие документы" и т. п.).

Классификационных ИПС в Интернет много. Большие классификационные ИПС (аме­ри­канская Yahoo, европейская EuroSeeek, российские ***** и *****) используют вспо­мо­гательные словарные ИПС по собственным рубрикам (аналоги библиотечных ал­фа­вит­ных указателей). Другие классификационные ИПС просто существуют совместно с ИПС словарного типа (Ex­cite, Ly­cos, *****, AltaVista).

Лекция 9.  Словарные ИПС

Введение

Культурные проблемы, связанные с использованием классификационных ИПС, привели к созданию ИПС сло­вар­но­го ти­па, с обобщенным англоязычным названием search en­gines. Основная идея словарной ИПС — создать словарь из слов, встречающихся в доку­мен­тах Интернета, в котором при каждом слове будет храниться список документов, из которых взято данное слово. Если поиск слов в таком словаре выполняется быстро, то мож­но отказаться от услуг разработчиков классификаторов и от услуг систематизаторов, оставаясь один на один с авторами документов.

К счастью, несмотря на обилие слов (и словоформ) в естественных языках, большинство из них употребляются нечасто, что было замечено ученым лингвистом Ципфом еще в кон­це 40-х годов нашего века. К тому же наиболее употребительные слова — это союзы, предлоги и артикли, т. е. слова, совершенно бесполезные при поиске информации. В ре­зультате словарь одной из самых крупных словарных ИПС Интернета — AltaVista — имеет объем всего лишь несколько Гбайт.

Поскольку слова в словаре упорядочены, поиск нужного слова может выполняться дос­та­точно быстро — без последовательного просмотра. А наличие списков документов, в ко­то­рых встречается искомое слово, позволяет ИПС выполнять операции с этими списками — их слияние, пересечение или вычитание (для наглядности списки документов изоб­ра­же­ны в виде овалов):

Рис.  2 Логические операции с множествами документов,
выполняемые словарными ИПС

Логические операторы

Вместо того, чтобы говорить "Спи­сок до­ку­мен­тов со­дер­жа­щих сло­во 'стол' или до­ку­мен­тов, со­дер­жа­щих сло­во 'стул'", употребляются сокращенные выражения, при­ве­денные на предыдущем рисунке. Дальнейшее сокращение эти выражения находят в язы­ке запросов словарных ИПС: вместо "Най­ти спи­сок до­ку­мен­тов со­дер­жа­щих сло­­во 'стол' или до­ку­мен­тов, со­дер­жа­щих сло­во 'стул'", большинству словарных ИПС достаточно написать что-то вроде

стол ИЛИ стул

Союз ИЛИ в запросе к словарной ИПС выступает в роли ЛОГИЧЕСКОГО ОПЕРАТОРА, связывающего множества искомых документов. Словарные ИПС используют три логи­чес­ких оператора: ИЛИ, И и И-НЕ ("но без"); как правило, эти операторы обозначаются одним из следующих способов:

Эти операторы имеют приоритет (прежде всего выполняется И-НЕ, затем — И, и лишь по­том — ИЛИ), поэтому для составления сложных запросов могут использоваться скобки (исключение составляют лишь ИПС и Google, которые вместо скобок применя­ют другие обозначения). Как правило, словарные ИПС Интернета предоставляют поль­зо­ва­телям два интерфейса — режим "сложного запроса" ("advanced search"), в котором дос­тупны все логические операторы, и режим простого поиска, в котором, как правило, не­возможно использование скобок, и, следовательно, можно использовать не все сочетания операторов.

Правое усечение

Давайте рассмотрим гипотетический пример поиска информации о столах. С учетом падежей слова "стол" и наших знаний о логических операторах, запрос к словарной ИПС мог бы выглядеть так:

стол ИЛИ сто­ла ИЛИ сто­лу ИЛИ сто­ле ИЛИ сто­лом

Хорошо, что это только одно слово, но писать такое уже довольно тоскливо.

Западные ИПС, ориентированные на английский язык, предлагают простое решение: вмес­то слова можно написать его начало, заменив изменяемую часть звездочкой:

стол*

Формально говоря, звездочка заменяет любое количество символов, поэтому говорят, что она обозначает правое усечение. Называть обозначение "стол*" язык не повора­чи­ва­ет­ся, поэтому для таких частей логических выражений запросов используется название ТЕР­МИН.

Запрос

стол*

отыщет и документы со словами "сто­ло­вая", "сто­леш­ни­ца", "сто­ло­на­чаль­ник" и да­же "столб". Такое явление — искусственная синонимия — может сильно мешать при поис­ке, однако его проявление зачастую невозможно предусмотреть заранее.

От чего пытались убежать, переходя от использования классификационных к приме­не­нию словарных ИПС — от изучения других культур — к тому вернулись с другой стороны: язык, на котором написаны искомые документы (а, следовательно, и культуру авторов этих документов) все равно приходится изучать.

Для устранения искусственной синонимии необходимо читать найденные документы, ко­торые образуют информационный шум, определять в них те термины, которые являются порожденными нами искусственными синонимами, и устранять их, модифицируя зап­рос:

стол* И-НЕ (столова* ИЛИ столеш* ИЛИ столон* ИЛИ столб* ...)

Заметим, что в новом запросе нельзя написать "столов*" вместо "столова*" — пропадет ро­дительный падеж множественного числа слова "стол"; точно также нельзя написать "столе*" вместо "столеш*" — пропадет предложный падеж слова "стол". Таким образом, язык искомых документов необходимо знать не просто хорошо ;-)

Две российские ИПС (Апорт и Яндекс) "знают" русскую грамматику (точнее, морфологию русского языка) и в словаре хранят только так называемую "нормальную форму" слова (для существительного — именительный па­деж единственного числа). Эти системы допускают написание запроса на естественном языке, нормализуя термины запроса, тем самым существенно упрощая поиск в русском Интернете.

Слова далекие и близкие

Описанные возможности словарных ИПС, хотя и достаточно мощные, зачастую оказы­ва­ют­ся совершенно недостаточными для поиска даже очень простой информации. По­про­бу­ем решить следующую задачу: отыскать сведения о продаже металлических стульев:

ме­тал­ли­ческ* И стул*

Но этому запросу отвечает прейскурант торговой фирмы, продающей плетеный (вторая строка прейскуранта) и (178 строка прейскуранта). Оператор отыскивает документы, в ко­торых искомые слова встречаются в любом месте!

Для устранения этого недостатка некоторые ИПС хранят не просто список документов, в которых встречается слово, но и номер этого слова в конкретном документе. Это поз­во­ля­ет в языке запросов такой ИПС использовать оператор РЯ­ДОМ, что решает поставленную задачу:

ме­тал­ли­ческ* РЯ­ДОМ стул*

Многие ИПС не позволяют написать такой запрос — они не разрешают использовать тер­мины с правым усечением совместно с оператором РЯДОМ, (только слова), но это ограничение по­степенно снимается, — следите за информацией на конкретных ИПС.

Оператор РЯДОМ в различных ИПС обозначается по-разному (он имеется в AltaVista, Ly­cos, Апорт и Ян­декс и во всех этих ИПС используются разные обозначения). Более того, в раз­ных ИПС он может иметь и несколько различный смысл. Так, AltaVista считает, что РЯДОМ — это не более чем через 10 слов в любом порядке, в то время как другие ИПС позволяют указывать требуемое расстояние между словами (ровно столько-то или не более чем столько-то). Ly­cos позволяет указывать расстояние и требуемый порядок слов. Апорт позволяет указывать расстояние между словами в словах; Ян­декс — в словах и абзацах (с возможностью указать порядок следования слов).

Ранжирование результатов поиска

Словарные ИПС способны выдавать списки документов, содержащие миллионы ссылок. Даже просто просмотреть такие списки совершенно невозможно. Было бы удобно иметь возможность задать формальные критерии (хотя бы относительной) важности (с точки зрения пертинентности) документов с тем, чтобы наиболее важные документы попадали бы в начало списка.

Многие ИПС предоставляют такую возможность ранжирования результатов поиска. Ме­тоды ранжирования в разных ИПС различны. Так, AltaVista позволяет (в режиме слож­но­го по­ис­ка) указать перечень терминов, которые повышают ранг найденного документа (т. е. пере­ме­щают его в начало списка), что для AltaVista особенно актуально, так как эта ИПС показывает только пер­вые 200 найденных документов. Яндекс позволяет указать вес каждого из терминов, участвующих в запросе, что позволяет весьма точно настраивать по­рядок следования найденных документов.

Лекция 10.  Стратегия поиска: использование нескольких источников

Дать общий рецепт эффективной стратегии поиска информации в Интернете, пожалуй, невозможно. Есть лишь некоторые принципы, позволяющие тратить меньше времени. Попробую их изложить.

Начну с примера. Если вам необходимо узнать, где растет древовидная черника, то вряд ли вы пойдете в алфавитный каталог библиотеки. Может быть, вы найдете нужную ли­те­ра­туру с помощью систематического каталога. С несколько большей вероятностью — с по­мощью предметного. Но, скорее всего, ни один из библиотечных каталогов вам не по­мо­жет. Зайдите, однако, в информационно-библиографический отдел крупной биб­ли­о­те­ки, и дежурный библиограф достанет библиографический указатель по кустарничкам или какую-то похожую книжицу, из которой вы и найдете ответ на свой вопрос.

Подобную стратегию можно с успехом применять и в Интернет. В ИПС общего наз­на­че­ния можно утонуть в тысячах ссылок, выданных вам на простой запрос.

Целью использования универсальной ИПС общего назначения
может быть поиск специализированной ИПС,
посвященной тематике вашего поиска.

Такая ИПС может быть распознана по наличию слов "информация (information)", "указатель (directory)" и т. п. в найденных в универсальной ИПС документах. Но часто специализированная ИПС может скрываться на сервере общественной, про­фес­си­о­наль­ной или специализированной организации, издательства.

Пример из жизни

Иногда приходится разыскивать несколько информационных систем со все более узкой тематикой.

Однажды ко мне обратились с просьбой срочно найти информацию о продаже судов-су­хогрузов (по-английски — bulker). Запрос в AltaVista (простой поиск)

+bulker* +sale*

дал нулевой результат; запрос

+ship* +sale*

дал тысячи ссылок на страницы, посвященные продажам катеров и яхт (впрочем, по­па­лась и одна баржа).

Внимательное изучение нескольких первых страниц списка результатов поиска показало, что в найденных текстах часто присутствует слово "ma­rine (мор­ской)". И тут я вспом­нил, что есть в английском языке слово "mari­time", означающее "все мор­ское". Запрос

+mari­time +in­for­ma­tion*

уже среди первых десяти ссылок содержал ссылку на расположенную на www. GeoCities.com ин­фор­мационную систему по морской тематике. Но и в ней ин­фор­ма­ции о продаже су­хо­г­рузов не было. Зато была информация об отправке сухогрузов из портов мира, вклю­ча­ю­щая сведения о владельцах судов. Многие из фирм — владельцев судов имели в своем наз­вании слова "ship bro­kers (тор­гов­цы су­да­ми)". Этого анг­лий­с­ко­го выражения я не знал. Однако запрос в AltaVista

+ship* +bro­ker*

дал мне огромный список страниц, среди которых была одна с уже знакомым адресом — www. GeoCities.com. Оказывается, существует специализированная ИПС по торговцам судами!

Второй найденный с помощью такой ИПС торговец содержал Web-сервер, на котором нашелся подходящий сухогруз.

Еще два элемента стратегии

Приведенный пример иллюстрирует еще один элемент стратегии: читайте найденные до­кументы в поисках наиболее точных терминов и связей между терминами. Возможно, вы мыслите совершенно не в тех терминах, которые используют авторы искомых до­ку­мен­тов (вспомним о культурных различиях!).

Третий элемент стратегии: используйте несколько ИПС. Если вы регулярно занимаетесь поиском информации по какой-то тематике, отметьте те ИПС. которые для вас наиболее эффективны.

[1] Для доработки и/или исправления ошибок в ИС зачастую необходимо иметь информацию о языке программирования, на котором разработан компонент информационной системы.

[2] Так поступают потому, что средства разработки, как правило, не бывают доступны в процессе эксплуатации информационной системы.

Из за большого объема этот материал размещен на нескольких страницах: 1 2 3 4 5 6