— другие части речи, например, от слова «акция» получаются «акционерный»

и «акционировать». Существует два способа осуществления морфологического

поиска

Бессловарный метод. Программа, основанная на этом методе выявляет

основу каждого слова и отсекает окончания слов при обработке запроса, а затем

«приклеивать» их при поиске. Кроме того, у программы есть возможность

соотнести окончание, отсеченное у искомого слова, с окончаниями найденных

слов.

Поиск «со словарем». Чтобы искать формы заданного слова более

точно, поисковая система должна иметь словарь основ. Такой словарь состоит

из списка основ слов, ссылки от которых указывают на соответствующие

наборы окончаний. Некоторое снижение скорости поиска при использовании

словаря обычно компенсируется существенно возросшей точностью.

Качество поиска повышается, если применять поиск по логической

комбинации слов, поскольку шум резко снижается при поиске не по одному, а

по двум и более словам. Это происходит потому, что отдельное слово может

встретиться где угодно в тексте, а вероятность совместного вхождения двух

или трех искомых слов в ненужный документ гораздо ниже. При этом методе

слова в запросе соединяются логическими операторами «И», «ИЛИ», «НЕ». В

некоторых поисковых системах имеется возможность использовать в запросе

скобки. Таким образом, пользователь может ввести для поиска целое

логическое выражение, состоящее из слов, а также иногда и других внешних

характеристик — даты, размера и т.п., например, «(приложение И договор)

ИЛИ (соглашение И договор)». Такое логическое выражение называется

булевой формой, а сам поиск — булевым.

Более простым в технической реализации является метод поиска по

близости (proximity search). Пользователь может задать, на каком расстоянии

друг от друга должны находиться искомые слова, например «не далее 5 слов»

или «не далее 3 строк».

Альтернативой логическому запросу служит поиск по запросу на

естественном языке. Промежуточным шагом к облегчению формулирования

запроса является возможность в некоторых системах логического поиска задать

так называемый нечеткий запрос (quorum search). Это означает, что

пользователь задает запрос в виде множества из нескольких слов, а система

находит все документы, в которые входят только некоторые слова из заданного

множества (например, любые пять из семи заданных). Подбирать множество

слов и задавать «процент явки» пользователю приходится самому.

Поиск по запросу на естественном языке. Существуют системы,

позволяющие искать текст по запросу, сделанному в виде обычного

предложения (часто поиск по запросу на естественном языке также называют

нечетким поиском). Модуль обработки естественно-языкового запроса

независим от самой поисковой системы и «на выходе» может работать с

логическим поиском.

Ранжирование результатов поиска. Когда документы, содержащие

слова запроса, обнаружены, поисковая система должна предъявить их

пользователю в некотором порядке. Обычно найденные документы тем или

иным способом «взвешиваются» на предмет близости к запросу (ранжируются)

и показываются в порядке уменьшения этой близости. Как правило, для

вычисления веса - ранга используются разные алгоритмы: учитываются общее

количество слов запроса в документе, близость их друг к другу в тексте

документа, наличие компактных групп, соответствие грамматических форм и т.

д.

Группа статистических методов основываются на расчете различных

частотных характеристик: частоты вхождения слова в документ, взвешенной

частоты вхождения и частоты совместного вхождения нескольких слов

Семантический поиск. Следующий шаг в развитии поисковых систем -

это так называемый семантический (то есть смысловой) поиск,

основанный на построении и использовании базы знаний, с помощью которой

осуществляется поиск информации на основе использования концептуальных

отношений, которые не применяются при статистическом поиске. Существует

несколько способов представления знаний.

Применение файла синонимов, что позволяет при ответе на запрос

учитывать не только термины, которые непосредственно указаны в запросе, но

и все другие слова, близкие к ним по значениям.

Другой известен как подход на основе использования

лингвистических правил, при этом, разработчик создает систему

лингвистических правил, которые используются для анализа или

грамматического разбора текстовой базы данных. Этот метод анализа

определяет ключевые слова и понятия, объединяющиеся в базу знаний, которая

отражает содержание конкретной базы данных.

Наиболее часто используется подход основанный на использовании

ссылочных документов, и в том числе обычных словарей и словарей

терминов. Этот подход основан на смысловых значениях слов и называется

семантической сетью. Как и словарь, семантическая сеть содержит

множество определений для каждого хранимого слова. Однако определение

родственных слов и понятий связываются между собой. Значения слов,

наиболее подходящие для данного поиска, могут быть выбраны самим

пользователем с целью повышения точности этого поиска. Подход,

основанный на построении семантических сетей, доступен для расширения и

не слишком громоздок при эксплуатации.

6.4. Классификация систем DMS. Характеристика систем,

используемых для организации архивов.

В настоящее время на рынке систем DMS предлагается около 500

программных продуктов. Все существующие системы управления документами

можно разбить на три категории, отражающие и эволюцию таких систем по

технологии ввода, индексирования и поиска документов:

1. Системы, основанные на технологии использования ключевых слов для

индексации и поиска документов.

2. Системы, опирающиеся на автоматизированном вводе и загрузке

документов в архив и включающие поиск по полнотекстовому индексу.

3. Системы, основанные на применении метода "адаптивного распознавания

текста".

Системы, относящиеся к первому поколению, появились в середине 80-

х годов. Технология работы с ними опирается на использование ключевых слов

для индексации и поиска документов. Другими словами, после того как

документ введен или отсканирован и получен его графический образ,

необходимо приписать образу каждого документа набор ключевых слов,

которые затем индексируются, и используются для поиска информации.

Серьезные ограничения при использовании систем первой категории

связаны со следующими обстоятельствами:

- определение ключевых слов - достаточно субъективный процесс; даже при

участии самого независимого эксперта трудно избежать односторонности при

выборе ключевых слов;

- определение ключевых слов - достаточно дорогостоящая процедура из-за