Понятие информационно-поисковой системы (ИПС).

Состав компонент и технология работы с ИПС.

В работе современных предприятий важную роль играют его

информационные ресурсы, под которыми можно понимать проектную

документацию, переписку с партнерами, внутренние приказы и распоряжения,

финансовые данные и другие документы, которые служат основой для

принятия новых решений и используются в процессах управления

предприятием. И если для хранения структурированных данных можно

применять специализированные информационные системы (типа

бухгалтерской или торговой системы или системы планового отдела),

основанные, на использовании СУБД, то для неструктурированных данных

нужны системы общего назначения - электронные архивы, работающие на

принципах информационно-поисковой системы.

Информационно-поисковая система (ИПС) - это система,

предназначенная для хранения и поиска документов с текстовой, графической,

табличной информацией по атрибутам, ключевым словам документа и

содержанию в какой-либо предметной области.

Выделяют ИПС двух типов: фактографические и документографические

системы. ИПС фактографического типа предназначены для хранения и поиска

фактов, показателей, характеристик каких-либо объектов или процессов

(например, сведения о работниках, о предприятиях, акционерах и т.д.).

Документографические ИПС отличаются тем, что объектом хранения и

поиска в этих системах служат документы, отчеты, рефераты, обзоры,

журналы, книги и т.д. Сценарий поиска документа при помощи ИПС обычно

сводится к вводу запроса на поиск, состоящего из одного или нескольких слов,

после чего предъявляется список имен найденных документов. Пользователь

может открыть любой из найденных документов и если поисковая система

позволяет, вхождения искомых слов в документе выделяются -

«подсвечиваются».

Можно выделить следующие особенности организации и

функционирования документографической ИПС, отличающие ее от систем

управления базами структурированных данных:

- Документы могут храниться на бумаге, микрографических носителях или

существовать в электронных форматах. Микрографические форматы

включают микрофильмы, микрофиши, слайды и другие микроформы,

производимые разнообразными документными камерами. Электронные

форматы еще многочисленнее, они включают документы, подготовленные в

текстовых процессорах, системах электронной почты и других

компьютерных программах, оцифрованные изображения прошедших

сканирование документов и проч. При этом предполагается обязательное

хранение как электронных копий документов, так и их бумажных

оригиналов.

- Если документы занимают большой объем и полные электронные копии

выдавать на просмотр или хранить не возможно, то для таких документов

создают и хранят электронные адреса их хранения.

- Поиск осуществляется нахождением документа по двум принципам: по

атрибутам документа - дате создания, размеру, автору и пр. и по его

содержанию (тексту). Обычно поиск по содержанию документа

выполняется двумя способами: по ключевым словам и по всему тексту,

который называют полнотекстовым, подчеркивая тем самым, что для

поиска используется весь текст документа, а не только его реквизиты.

- Для поиска документов создают и хранят их поисковые образы.

Поисковый образ документа (ПОД) - совокупность кодов ведущих

ключевых слов (дескрипторов), которые описывают смысл, содержание

документа.

- Ключевые слова и их коды хранятся в специальном словаре - тезаурусе.

- Для того, чтобы осуществлять поиск документов, нужно создать

информационно-поисковый язык (ИПЯ), в состав которого входит

тезаурус и грамматика языка, т.е. совокупность правил задания множества

высказываний на множестве ключевых слов.

- Чтобы отыскать документ, нужно создать с помощью ИПЯ поисковый

образ запроса (ПОЗ), который представляет собой совокупность

закодированных ключевых слов, описывающие те документы, которые

нужно найти.

Схема взаимодействия компонент ИПС представлена на рис. 6.1.

Рис 6.1. Схема взаимодействия компонент ИПС

ИПС состоит из следующих обеспечивающих подсистем:

- лингвистическое обеспечение, включающее в свой состав информационно-

поисковый язык;

- техническое обеспечение системы, включающее ЭВМ и устройства

создания, хранения, чтения и размножения копий на бумажных носителях, в

микроформатах и в электронной форме;

- информационное обеспечение, состоящее из БД документов (БД Док.),

адресов (БД Адр.) и БД поисковых образов документов (БД ПОД) и

списков дескрипторов и их кодов - тезауруса;

- программное обеспечение.

Программное обеспечение ИПС предназначено для автоматизации

следующих основных функций, которые должна выполнять эта система:

- составления, кодирования и загрузки базы данных ПОД;

- загрузки БД документов и их адресов хранения;

- составления, кодирования ПОЗ;

- выполнение операции поиска и выдачи ответа на запрос в виде документа

или адресов хранения документов на экран ЭВМ, на бумагу, в файл;

- актуализация баз данных ПОД, документов и адресов;

- актуализация тезауруса;

- выдача справок.

Рассмотрим основные понятия, употребляемые в сфере поиска

документов.

Релевантность - степень соответствия найденного документа запросу.

Найденный по запросу документ может иметь отношение к запросу, т. е.

содержать нужную (искомую) информацию, а может и не иметь никакого

отношения. В первом случае документ называется релевантным (по-английски

relevant - «относящийся к делу»), во втором - нерелевантным, или шумовым.

Как правило, в любой поисковой системе по запросу выдается несколько

(чаще много) найденных документов. Многие из них могут повествовать не о

том. И наоборот, некоторые важные, релевантные, документы могут быть

пропущены при поиске. Ясно, что количество тех и других определяет качество

поиска, которое можно определить достаточно точно. Основными понятиями в

мире поисковых средств являются идеи точности и полноты поиска.

Точность поиска (Т) определяется тем, какая часть информации,

выданная в ответ на запрос, является релевантной, т.е. относящейся к этому

запросу и является параметром, показывающим, какова доля релевантных

документов в общем числе найденных. Этот показатель рассчитывается по

формуле:

Если, например, все выданные по запросу документы относятся к делу,

то точность равна 100%; если, напротив, все документы шумовые, то точность

поиска равна нулю.

Полнота поиска (П) - дополнительный параметр, показывающий,

какова доля (или процент) найденных релевантных документов в общем