В. В. Васильев, Л. В. Хливненко
Воронежский государственный
университет
Н. В. Сороколетова
Белгородская государственная
универсальная научная библиотека
Создайте образ
Кратко
охарактеризованы современные подходы пользователей Интернета, разработчиков ИПС
и авторов электронных публикаций к формированию поискового образа и поискового
запроса документов. На основе проведенного анализа предложен вариант повышения
эффективности выполнения пользовательских запросов, реализованный в
Белгородской ГУНБ.
Можно провести много времени в поисках необходимой
информации, но так и не найти её. С увеличением объема информации проблема
поиска не исчезла, а, наоборот, осложнилась. Казалось бы, получив
"сверхумный" инструмент – компьютер, люди должны были бы вздохнуть
спокойно, но слова
Д. Бриллюэна емко определяют сегодняшнюю ситуацию: "Вам нужна какая-то
информация? Нажмите кнопку – и машина ответит... Нелепость! Подобное
представление вырастает из убогой научно-популярной беллетристики".
Давайте проанализируем различные подходы к поиску и подготовке к поиску
информации в Интернете. По отношению к систематизации и поиску информации можно
выделить три основных подхода: подход пользователя, подход разработчика
информационно-поисковой системы и подход автора веб-документа.
Пользователь
ставит перед собой цель найти нужную ему информацию. Более точно эта цель
определяется как поиск не просто релевантных – соответствующих запросу –
документов, а как поиск документов, действительно необходимых пользователю,
т.е. пертинентных. Чем больше список релевантных документов и чем меньше среди
них пертинентных, тем сильнее раздражается пользователь.
Разработчики
ИПС постоянно стремятся их улучшить. Степень эффективности ИПС чаще всего
определяется двумя показателями – коэффициентом точности (отношением числа
релевантных документов в выдаче к общему объёму выдачи) и коэффициентом полноты
(отношением числа релевантных документов в выдаче к общему числу релевантных
документов в массиве ИПС). Неэффективность работы ИПС можно охарактеризовать коэффициентом
шума (шум, или информационный шум – это множество документов в выдаче, не
соответствующих запросу). ИПС опирается на базу данных о документах,
находящихся в зонах действия ИПС. База данных формируется с помощью специальных
программ-роботов, которые занимаются сбором и автоматическим индексированием
документов.
Под
индексированием понимают составление списка ключевых слов для документа и
сохранение этого списка (поискового образа документа) и связи с самим
документом в базе индекса. Для индексирования используются различные алгоритмы.
Основными типами индексирования являются координатное и фактографическое. В первом
случае документ описывается в целом, а во втором индексируются конкретные факты
как отдельные поисковые единицы.
Механизм
индексирования работает в двух направлениях: с одной стороны – собирает
документы, с другой – выдает их по запросу пользователя. Координатное
индексирование задает частотный поиск по ключевым словам. Каждый документ
представляется в базе индекса набором наиболее часто встречающихся терминов,
которые составляют поисковый образ документа. Соответственно преобразуется и
запрос пользователя. При этом выбрасываются "стоп-слова", т.е. слова,
вручную занесенные в базу данных как запрещенные; оставшиеся слова приводят к
норме с помощью морфологических анализаторов.
Существует
множество модификаций частотного поиска, использующих для уточнения запроса
дополнительные параметры текста и словари синонимов. Но в случае частотного
поиска документы и запросы представляются векторами терминов, а смысловые и
синтаксические связи между терминами игнорируются, что ведет к увеличению шума.
Используя существующие инструменты автоматического индексирования, в
современную модель поисковой машины вместо алгоритмов на базе частотной модели
внедряются методы более гибкого анализа текста, которые допускают учет
семантики обрабатываемого текста.
Разработчики
ИПС не только постоянно совершенствуют алгоритмы индексирования, но и
видоизменяют информационно-поисковый язык, на котором пользователь может
задавать запросы.
Идеальный
результат работы ИПС – это полное совпадение поискового образа документа в
индексной базе с поисковым запросом пользователя, причем не формальным его
выражением, а мыслеобразом. Очевидно, что это недостижимо. Поэтому ИПС
используют формальный показатель, соответствующий 25-60% совпадения ПОД с ПОЗ.
Фактически
и пользователи, и разработчики поисковых систем изначально имеют дело с
авторским документом. Чаще всего автор не ставит перед собой цель найти свой
документ, а желает самовыразиться или опубликоваться. Если бы авторы чаще
оформляли документы, учитывая особенности формирования ПОД и ПОЗ, степень
информационного шума могла бы быть значительно ниже.
Большинство
публикуемых документов имеют html-формат представления, поэтому нелишним будет
напомнить, в каких тегах выбирается роботами ключевая информация для создания
ПОД. В первую очередь индексируются сведения из заголовка страницы,
расположенные в теге <title>. Следующие ключевые слова выбираются из тега
<meta name="keywords" http-equiv="keywords"
content="список ключевых слов">. Причем роботы отбрасывают из
списка те слова, которые были найдены в <title>. Нет смысла их
дублировать. Далее индексируются тексты заголовков <H1>, <H2>, и в
последнюю очередь анализируется полный текст документа. Автор должен учитывать
это и по возможности нормировать формулировку ключевых слов и заголовков, а
также не засорять их "стоп-словами" и широкоупотребляемыми словами.
Для корректного отображения аннотации на авторский документ в поисковом списке
нужно заполнять тег <meta name="description"
http-equiv="description" content="аннотация">. В случае
отсутствия такого описания в качестве аннотации будет взят первый абзац
страницы.
Полезно
заполнять теги <meta http-equiv="Refresh" content="n;
url=URL"> (где n – секунды до перезагрузки документа) и <meta
http-equiv="Content-type" content="text/html; charset=windows-1251">,
позволяющий указывать кодировку текста.
Поставим
простой эксперимент: посмотрим на состояние указанных выше тегов для
веб-страниц из списка литературы к данной статье. "Плюсом" будем
отмечать тот элемент страницы, который оформлен корректно, "минусом"
– отсутствие исследуемого тега. Получим следующую таблицу:
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
9
|
10
|
11
|
12
|
13
|
14
|
15
|
16
|
|
title
|
+
|
+
|
–
|
+
|
+
|
+
|
+
|
+
|
+
|
–
|
+
|
+
|
+
|
+
|
+
|
+
|
|
keywords
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
+
|
–
|
+
|
–
|
–
|
+
|
|
H
|
–
|
–
|
+
|
+
|
+
|
+
|
–
|
+
|
–
|
–
|
–
|
–
|
–
|
–
|
+
|
–
|
|
description
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
+
|
–
|
+
|
–
|
–
|
+
|
|
Refresh
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
–
|
|
Content–type
|
–
|
–
|
+
|
+
|
–
|
–
|
–
|
+
|
+
|
–
|
–
|
–
|
+
|
–
|
+
|
+
|
Имея
подобную картину, остается только уповать на разработчиков ИПС, которые в
очередной раз должны выдумать что-то из ряда вон выходящее, чтобы информация все-таки
была найдена.
Поисковый
образ документа можно регулировать не только с помощью html-тегов. Не секрет,
что библиотечные специалисты создают метаинформацию (информацию об информации)
на информационные ресурсы различного типа: печатные, электронные и др.
Создание
метаинформации или библиографического описания подчиняется правилам
государственного стандарта. Для библиотечных ИПС существует стандарт описания
машиночитаемой библиографической записи, который позволяет к метаданным
привязывать полные тексты документов. С появлением нового вида информации
правила создания ее метаданных тоже меняются. В целом библиотечные системы дают
для пользователей Интернета ПОД высокого качества.
В
Белгородской ГУНБ формирование полнотекстовых электронных ресурсов осуществляется
с учетом особенностей требований пользователей, информационно-поисковых систем
и государственных библиотечных стандартов. Каждый электронный текст
сопровождается метаданными, созданными библиографами в АБИС
"OPAC-Global", и метаданными, входящими в состав html-кода
электронного документа. Таким образом, пользователь имеет возможность разыскать
информацию, собранную в полнотекстовых базах данных единого информационного
пространства библиотек Белгородской области (http://opac.bgunb.ru) как с
помощью общедоступных поисковых систем Интернета, так и с помощью поискового
аппарата автоматизированной библиотечной информационно-поисковой системы.
Подводя
итоги сказанному, хочется отметить, что совершенствование результатов поиска
информации зависит и от пользователя, и от разработчиков ИПС, и от авторов.
Пользователь совершенствуется, повышая культуру поиска, изучая возможности ИПС.
Разработчики изучают потребности пользователей и особенности авторов,
видоизменяют алгоритмы формирования и установления взаимного соответствия ПОД и
ПОЗ. Авторы используют программные и государственные стандарты и готовят
документы для корректного индексирования. Так поступательно мы продвигаемся
вперед. Невольно вспоминается высказывание И.-В. Гёте: "Эти добрые люди и
не подозревают, каких трудов и времени стоит научиться читать. Я сам на это
употребил 80 лет и все не могу сказать про себя, что вполне достиг цели".
Список использованных
источников
1. Бельтикова Н. В., Кузина И. А.,
Храмцов П. Б. Заголовк HTML-документа : [Электрон.
ресурс]. – (http://webclass.polyn.kiae.su/ classes/head/pod.htm). Проверено
3.04.2006.
2. Березовский А. М. Об одной модели формирования поискового образа документа и
поискового образа запроса: проблемы и решения : [Электрон. ресурс]. –
(http://www. gpntb.ru/libcom4/eng /index.cfm?n=tez/doc1/doc4). Проверено
3.04.2006.
3. Бороздин Д. С., Коротков А. Е.,
Попов Ю. А. Проект: метапоисковая интеллектуальная
машина: [Электронный документ]. – (http:// molod.mephi.ru/Data/600.htm).
Проверено 3.04.2006.
4. Введение в HTML: [Электрон. ресурс]. –
(http://www.intuit.ru/department/ internet/htmlintro/2/htmlintro_2.html). Проверено
3.04.2006.
5. ГОСТ7.73-96. Поиск и
распространение информации : [Электронн. ресурс]. –
(http://www.minskcom.com/content/view/49/31/). Проверено 30.01.2006.
6. ГОСТ7.66-92.
Индексирование документов. Общие требования к координатному индексированию. –
(Соотв. ИСО 5985-85). – Утв. 1992. – (Система стандартов по информации,
библиотечному и издательскому делу) : [Электронн. ресурс]. – (http://gsnti-norms.ru/norms/common/doc.asp?0&/norms/stands/7_66.htm).
Проверено 3.04.2006.
7. Информационно-поисковые системы : [Электрон. ресурс]. – (http://www. ergeal.ru/archive/cs/ppo/1-4.htm).
Проверено 3.04.2006.
8. Козлов А. В. Системы поиска информации в Интернет-ресурсах : [Электрон.
ресурс].- (http://nit.miem.edu.ru/cgi-bin/article?id=57). Проверено 3.04.2006.
9. Коршунов, О. П. Библиографоведение. Общий курс. Основы теории
библиографии: Учеб. для библ.-информ. фак. вузов: [Электрон. ресурс]. –
(http://www.libs.ru/ doc/corshunov/24.htm). Проверено 3.04.2006.
10. Куглер В. М. Некоторые аспекты индексации и поиска документов на основе
вложенных многоуровневых структур : [Электрон. ресурс]. –
(http://www.dialog-21.ru/ Archive/2003/Kugler.pdf). Проверено 3.04.2006.
11. Кузина И. Новое поколение поисковых машин : [Электрон. ресурс]. –
(http://www.osp.ru/cw/1997/32/91.htm). Проверено 3.04.2006.
12. Куклина О. Г. Компьютерные технологии поиска документальной информации :
[Электрон. ресурс]. – (http://www.rusnauka.com/Inftehn/18.html). Проверено
3.04.2006.
13. Куршев Е. П., Осипов Г. С.,
Рябков О. В., Самбу Е. И., Соловьева Н. В., Трофимов И. В. Интеллектуальная метапоисковая система : [Электрон.
ресурс]. – (http://www.dialog-21.ru/ archive_article.asp?param=7618). Проверено
30.01.2006.
14. Рубин А. Поисковые системы для web-сервера : [Электрон. ресурс]. –
(http://www.networkmagazine.ru/cgi-bin/materials.pl?issue=101999&article=74).
Проверено 3.04.2006.
15. Чурсин Н. Выход в автоматизации? : [Электрон. ресурс]. – (http://orel.rsl.ru/
nettext/russian/chursin/populjarn_informat/ pi06.htm). Проверено 3.04.2006.
16. Щербак С. С. Применение агентной технологии в поисковых информационных
средах : [Электрон. ресурс]. –
(http://www.ontolib.com/materials/publications/first/first.html). Проверено
30.01.2006.
|
