Роль информационно-поискового тезауруса в тематическом поиске

Соколова Ж.В.

СПЕЦИАЛЬНЫЕ БИБЛИОТЕКИ. СОКОЛОВА Ж.В. РОЛЬ ИНФОРМАЦИОННО-ПОИСКОВОГО ТЕЗАУРУСА В ТЕМАТИЧЕСКОМ ПОИСКЕ Рассматривается роль информационно-поискового тезауруса в тематическом поиске. Показаны преимущества использования тезауруса при составлении поисковых предписаний и обеспечении релевантности поиска в автоматизированных информационных системах.

Ключевые слова: информационно-поисковые системы; поиск информации; информационно-поисковые языки; информационно-поисковый тезаурус; базы данных; АПК; ЦНСХБ.

J. V. Sokolova

Role of the information retrieval thesaurus in subject-specific search

Considered is the role of the information retrieval thesaurus in subject-specific search. Shown are advantages of using the thesaurus in composing retrieval requests and providing retrieval relevancy in automated information data systems.

Key words: data retrieval systems; information search; information-retrieval languages; information-retrieval thesaurus; databases; AIC; CSAL.

СПЕЦИАЛЬНЫЕ БИБЛИОТЕКИ. СОКОЛОВА Ж.В. РОЛЬ ИНФОРМАЦИОННО-ПОИСКОВОГО ТЕЗАУРУСА В ТЕМАТИЧЕСКОМ ПОИСКЕ

Введение. Современная информационно-поисковая система (ИПС) - это автоматизированная поисковая система, реализованная на средствах электронно-вычислительной техники, представляющая собой совокупность технических, программных и лингвистических средств, а также информационных массивов и их носителей. ИПС предназначена для реализации информационных потребностей пользователей, то есть для выявления в некотором множестве документов всех тех, которые посвящены указанной теме и удовлетворяют заранее определенному условию поиска (запросу) или содержат необходимые факты, сведения, данные. Поиск будет эффективным, если каждый документ имеет формализованное описание на том же информационно-поисковом языке (ИПЯ), на котором составлен запрос. Как бы ни была совершенна ИПС, между ней и пользователем необходим посредник, хорошо знающий предмет, область знания, которую изучает пользователь и возможности поисковой системы. Успех поиска во много зависит от квалификации специалистов, занятых аналитико-синтетической обработкой информации, от того, насколько полно будут раскрыты ими проблемы, отраженные в первичном документе, и насколько правильно они будут переведены с естественного языка на формализованный язык ИПС. Результаты семантического поиска зависят также от того, какие ИПЯ используются в поисковой системе, насколько полно они отражают современное состояние области знаний, а также от уровня знаний самого пользователя в специальной области и грамотности в вопросах информационного поиска. (2, с. 9-13).

В Федеральном государственном бюджетном научном учреждении «Центральная научная сельскохозяйственная библиотека» (ЦНСХБ) используются предкоординатные и посткоординатные ИПЯ. К предкоординатным (классификационным) языкам относятся: Универсальная десятичная классификация (УДК) и Отраслевой рубрикатор по сельскому хозяйству и продовольствию (ОР). К посткоординатным ИПЯ относятся дескрипторный язык и язык ключевых слов.

С помощью данных ИПЯ в процессе аналитико-синтетической обработки создается поисковый образ документа, выражающий основное смысловое содержание документа в свернутом виде для реализации информационного поиска в базе данных (БД).

Использование методик индексирования на различных ИПЯ способствует унификации обработки документов, гарантирует отнесение документов одной тематики в одно место, способствует преодолению субъективизма в определении места документа в ИПЯ, способствует точности, полноте и однозначности отображения информации в БД. Именно от точности и единообразия описания исходной информации языковыми средствами зависит релевантность (степень соответствия содержания документа, найденного при поиске, содержанию информационного запроса) и полнота поиска. (1, с. 15-19).

Повысить эффективность поиска можно, преодолевая такие особенности естественного языка как синонимия, омонимия, нечеткость представления отдельными понятиями предметного множества. В наибольшей степени семантическому контролю подвергается дескрипторный язык, основным инструментом которого является тезаурус.

Целью исследования является изучение роли информационно-поискового тезауруса (ИПТ) в тематическом поиске.

Методика исследования. Работа выполнена на материалах политематической базы данных «АГРОС», генерируемой ЦНСХБ, содержащей более 1 900 млн. документов. Тематический охват БД - сельское хозяйство, пищевая промышленность, лесное хозяйство, рыбное хозяйство, охрана окружающей среды, а также смежные

науки и отрасли. При составлении тематических запросов использовались возможности ИПС «Артефакт». Работа проводилась в соответствии с различными методическими материалами и инструкциями, разработанными в ЦНСХБ.

Содержание работы.

При поиске информации в БД пользователь сталкивается с проблемой, каким именно образом можно найти нужные ему документы. Как правило, использование естественного языка при поиске дает большую полноту (количество найденных документов) в ущерб релевантности. Специальные ИПЯ разработаны и используются с целью краткого, точного и единообразного отражения содержания документов. Формулирование запросов на ИПЯ повышает релевантность и оперативность поиска. (3, с. 172-173). Одним из них является дескрипторный язык, отображаемый дескрипторами ИПТ.

ИПТ как лексический инструмент ИПС представляет собой постоянно обновляемый контролируемый машинный словарь научных терминов, отобранных с учетом их значимости и частоты встречаемости в документах БД и прошедших специальную лингвистическую экспертизу и обработку. Термины ИПТ (дескрипторы и аскрипторы) упорядочены по систематическому и алфавитному принципам с указанием на существующие между ними смысловые связи иерархического и неиерархического типа (парадигматические отношения).

Основные функции тезауруса следующие: сбор, нормализация и систематизация используемой в научной литературе лексики; индексирование документов и запросов; обеспечение согласованного, единообразного и формализованного представления информации в БД и ее продуктах; обеспечение полноты и точности информационного поиска путем программной реализации иерархических отношений и отношений синонимии; формально-логический контроль терминов индексирования БД; функция терминологического справочного пособия.

В ЦНСХБ разработан Информационно-поисковый тезаурус по сельскому хозяйству и продовольствию. На данный момент ИПТ объемом более 49 тыс. терминов охватывает все отрасли АПК и достаточно полно отражает современное состояние сельскохозяйственной науки и практики.

Лексические единицы тезауруса - это термины, используемые в научной литературе, и общезначимая лексика. Основу структуры тезауруса составляют иерархические отношения, термины сгруппированы по принципу подчинения узких конкретных понятий понятиям широкого характера. Например, широкий термин зерновые культуры является вышестоящим по отношению к узким, подчиненным ему, терминам пшеница, рожь, овес, ячмень, кукуруза и другие зерновые культуры. За счет иерархических связей ИПТ осуществляется автоматическое расширение терминов тезауруса. Благодаря этому, например, документ о пшенице войдет в результат поиска как по запросу пшеница, так и по запросу зерновые культуры, что отвечает требованиям релевантности и полноты поиска. Многие понятия в ИПТ отражены не одним, а несколькими терминами, являющимися синонимами. В запросе может быть использован любой из них: крс или крупный рогатый скот; колорадский жук или ЬврИпо1аг8а йвсетИпеМа; вентиляция иливентилирование. При этом поиск будет проводиться по основному термину. Рассмотрим особенности тематического поиска на конкретных примерах в ИПС «Артефакт» БД «АГРОС».

Воспользуемся возможностями простого поиска на естественном языке. Предположим, нас интересуют проблемы фитомелиорации нарушенных земель. Формулируем поисковое предписание (рисунок 1).

Рисунок 1 - Формулировка простого поискового предписания

Проводим поиск и получаем результаты (рисунок 2).

[Ввод запроса] [Сонет]

<В портфель> - упаковать и записать в портфель группу документов Запрос: (/ЛЗГЛ /ЛТЕР /ЛРТЗ /ЛКЛС /ЛПРМ /ЛРЕФ (фитомелиорация :2 нарушенных :2 хе

Электронный каталог статей:

аналитическая роспись 1965-1969 (1)

аналитическая роспись 1990-1995 (1)

аналитическая роспись 1996-2000 (1)

аналитическая роспись 2001-2005 (1)

аналитическая роспись 2006-2010 (2)

Всего найдено документов: 6

Рисунок 2 - Результаты простого поиска

Найдено всего 6 документов. Воспользуемся возможностями сложного поиска на языке ИПТ. Для этого в тезаурусе находим нужные термины и вставляем их в соответствующее поле (рисунок 3).

Рисунок 3 - Формулировка сложного поискового предписания Проводим поиск и получаем результаты (рисунок 4).

[Ввод запроса]

<В портфель> - упаковать и записать в портфель группу документов Запрос: (/'""ТЕР/ЛРТЗ (фитомелиорация и нарушенные :0 земли))

Электронный каталог книг:

Книги на иностранных языках (3] Книги на русском языке {15] Электронный каталог статей:

аналитическая роспись 1985- 19Б9 аналитическая роспись 1990-1995 аналитическая роспись 1996-2000 аналитическая роспись 2001-2005 аналитическая роспись 2006-2010 аналитическая роспись 2011-2015 аналитическая роспись с 2016 (13)

Всего найдено документов: 231

Рисунок 4 - Результаты сложного поиска

Найден 231 документ. Это значительно больше, чем в предыдущем запросе. Чем это может быть вызвано? При первом запросе поисковое предписание составлено на естественном языке, во втором - на языке тезауруса. Внешне запросы похожи, но во втором случае запрос сделан более корректными терминами (рисунки 5 и 6).

. ввод запроса | 1_татистика поиска ] портфель Запрос: (/^ТЕР/^РТЗ [фитомелиорация и нарушенные :0 земли)} База: аналитическая роспись с 2016 ["Найдено документов - 13) Оглавление: 1 2

1 о. Использование сидеральных культур для рекультивации нарушенных земель и улучшения качества саженцев облепихи и жимолости [В т.ч. влияние сидерации на плодородие серых лесных почв в питомнике]