«Информационные Ресурсы России» №2, 2011

Интерес к вопросу о поиске информации в интернете не ослабевает на протяжении всего времени существования сети. Поиск может вестись как пользователем–любителем, так и профессионалом. При проведении поиска информации, удовлетворяющего информационным потребностям пользователя, необходимо знать, от чего зависит успешный поиск, и какие проблемы возникают при работе с информацией.

Обобщенный алгоритм поиска информации в распределенных информационных системах (РИС) сети Интернет представлен на рисунке 1.

Поиск информации в РИС сети Интернет может быть проведен несколькими методами, значительно различающимся как по эффективности и качеству поиска, так и по типу извлекаемой информации [1].

Независимо от того, кто делает запрос поисковой системе, пользователь-профессионал или просто любитель, он ждет от системы предоставления документов, максимально соответствующих его запросу (поисковому образу), то есть релевантных [2]. Понятие «релевантность» возникло с развитием теории информационного поиска. Релевантность определяется базисными понятиями: информационный поиск, информационно-поисковые системы, информационный запрос, текст, выдача.

Однако в большинстве случаев релевантных запросу записей в лучшем случае сотни, а в худшем случае тысячи, из которых лишь несколько удовлетворяют смыслу запроса. Отсюда и возникает понятие «пертенентной» информации, т.е. информации, удовлетворяющей смыслу запроса.

К поисковой системе предоставляются три основных требования:
контроль полноты охвата ресурсов;
контроль достоверности информации, полученной из сети;
высокая скорость проведения поиска.

Рис. 1. Алгоритм поиска информации в РИС сети Интернет

Контроль полноты охвата ресурсов
При проведении поиска информации в сети Интернет по какому-либо вопросу используются различные типы ресурсов. Знание всех основных существующих на сегодняшний день типов ресурсов сети, понимание технической и тематической специфики их информационного наполнения и особенностей доступа становится необходимым условием успешного планирования и проведения поисковых работ.

Контроль достоверности информации
Контроль может производиться разными средствами. Традиционными способами проверки являются:
- локализация источников информации, альтернативных поисковым данным;
- сверка фактического материала, установление частоты его использования другими источниками;
- выяснение статуса документа и рейтинга узла, на котором он находится средствами поисковых систем;
- получение информации о компетентности и статусе автора материала с помощью специальных поисковых сервисов;
- анализ отдельных элементов организации узла с целью оценки квалификации специалистов, его поддерживающих и другие.

Скорость проведения поиска в сети
Скорость проведения поиска в сети зависит от двух факторов:
- от грамотного планирования поисковой процедуры;
- от навыков работы с ресурсом выбранного типа.

Под составлением плана поисковых работ понимается выбор поисковых сервисов и инструментов, отвечающих специфике задачи и последовательности их применения в зависимости от ожидаемой результативности. После получения доступа к соответствующему ресурсу важно суметь быстро разобраться в его структуре и способах навигации. Моторика выполнения действий, умелое совмещение поисковых средств и возможностей обработки информации локальной клиентской программы и сервера для поисковика являются необходимыми навыками.

Поиск информации с использованием механизма синонимии
Поиск информации с использованием синонимии включает:
1. анализ задания на поиск информации, заданной предметной области (ПО), ключевых слов (КС) и дескрипторов (Д);
2. поиск информации с использованием механизма синонимии.

Одним из важнейших элементов, влияющим на результаты поиска информации, является тезаурус ключевых слов, который включает в себя расширение предметной области за счет синонимии и формирование на этой основе тезауруса синонимии (Тс).

Расширение предметной области за счет синонимии (рисунок 2) включает:
1. формирование тезауруса синонимии;
2. разделы тезауруса по ключевым словам или дескрипторам;
3. формирование предметной области;
4. накопление информации в процессе расширение предметной области за счёт синонимии.

Формирование тезауруса синонимии (рисунок 3) включает:
1. анализ предметной области, ключевых слов и дескрипторов;
2. определение синонимии в заданной предметной области;
3. формирование тезауруса синонимии заданной предметной области;
4. формирование разделов ключевых слов или дескрипторов тезауруса синонимии заданной предметной области.


Рис. 2. Алгоритм расширения предметной области с использованием синонимии


Рис. 3. Алгоритм формирование тезауруса синонимии

Поиск информации в распределенных информационных ресурсах сети Интернет реализуется по принципу «от простого к сложному», т.е. предполагает постепенное погружение специалиста-эксперта в процесс решения информационно-поисковых задач, связанных с использованием синонимик все более сложного характера.

Оценка свойств распределенных информационных систем сети Интернет характеризуется оперативностью, динамичностью и информативностью.

Оперативность характеризуется быстротой доступа специалиста эксперта к информационным ресурсам РИС сети Интернет:
формулу (1) см. в pdf-версии
формулу (2) см. в pdf-версии
где - среднее время выполнения ПП в РИС сети Интернет без учета потерь в сети ();
- среднее время выборочного анализа записей {z} из текущего состояния РИС;
- среднее время составления ПП (аналитическая составляющая).

Динамичность характеризуется мощностью наборов синонимик , антиномий ; возможностью варьирования в широком диапазоне показателями точности и полноты поиска, правда, при большой проблематичности их даже приближенного оценивания и, тем более, документирования.

Информативность характеризуется объемами предоставляемой специалисту-эксперту из РИС информации. Только теоретически они определяются возможностями самих РИС сети Интернет, а на практике также ограничиваются предоставляемым временем работы в сети Интернет.

На основании проведенных исследований можно предложить следующий алгоритм поиска информации в распределенных информационных ресурсах сети Интернет.

Поиск информации в РИС сети Интернет включает:
1) максимальное покрытие решения задачи поисковой процедурой, составленной из известных оператору ключевых слов тезауруса предметной области
формулу (3) см. в pdf-версии
2) исследование на предмет выявления антиномий na, синонимик nc и дескрипторов компонент связности dсв, dд;
3) антиномии разрешаются поисковыми процедурами вида:
формулу (4) см. в pdf-версии
где d - дескриптор нежелательной компоненты связности;
4) компоненты связности dсв, не принадлежащие решению , удаляются ПП вида:
формулу (5) см. в pdf-версии
5) синонимики nс используются для расширения «покрытия» решения задачи процедурой вида (3) при
формулу (6) см. в pdf-версии

На основе предложенного алгоритма поиска информации разработана модель, дающая возможность перейти к автоматизированному смысловому поиску информации в распределенных информационных системах сети Интернет (рисунок 4).

Ценность любой информационной сети определяется ее информационными ресурсами, то есть знаниями и данными, которые сеть поставляет пользователю. Эти ресурсы должны как можно шире охватывать те области, в которых работают пользователи сети.

Обобщенный алгоритм реализации модели смыслового поиска информации в распределенных информационных системах сети Интернет выглядит следующим образом:
1. «Образец документа» (смысловая задача), представляющий собой шаблон поиска, вводится экспертом вручную.
2. Из документа выделяется тема запроса, и определяются поисковые предписания.
3. Расширяется тема запроса за счет синонимии и ассоциативных запросов.
4. Формируется поисковый образ запроса (ПОЗ) на основе частотного словаря с разбивкой его на отдельные поисковые предписания.
5. Производится первоначальный поиск ссылок на релевантные документы в существующих поисковых Интернет-машинах, общий результат помещается в хранилище данных.
6. Осуществляется закачка найденных документов в хранилище данных.
7. Для каждого документа в хранилище данных формируется поисковый образ документа (ПОД).
8. Производится ранжирование документов в соответствии с заданной темой (п.2). Чем концентрированнее смысл в теле документа, тем он имеет более высокий рейтинг.
9. Производится реферирование найденных документов и осуществляется передача рефератов для ознакомления и анализа эксперту в соответствии с рейтингом.

Предложенный подход к организации смыслового поиска информации в распределенных информационных системах сети Интернет позволяет качественно улучшить результаты поисковых запросов к поисковым машинам сети Интернет, позволяет автоматизировать процесс обработки релевантной информации с ранжированием смысловой (пертенентной) информации в соответствии с заданной темой, что дает возможность экспертам уйти от ручного последовательного просмотра найденных ресурсов.



Рис. 4. Модель смыслового поиска информации в распределенных информационных системах сети Интернет

Литература:
1. Войскунский В.Г. О построении поисковых характеристик // НТИ. Сер.2. – 1992. - №9. – С.6-9.
2 Барышева О.В., Гиляревский Р.С. О релевантности первичных информационных запросов // НТИ. Сер.2. –1995. - №6. – С.14-19.