Информационно-поисковые системы. 4
РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ
ТОРГОВО-ЭКОНОМИЧЕСКИЙ
Кафедра менеджмента в сфере услуг
РЕФЕРАТ
по дисциплине «Документирование управленческой деятельности» на тему:
Информационно-поисковые системы
Работу выполнил:
Студент 3ого курса группы ФУ-33в
Колесникова Юлия
Москва – 2012
Содержание работы:
Введение
Управленческая деятельность в России, как и во всех развитых странах, осуществляется с помощью документов, которые одновременно являются источником, результатом и инструментом этой деятельности. В современном учреждении основными технологическими инструментами работы с документами являются компьютеры, установленные на рабочих местах исполнителей и объединённые в сеть. Если компьютерная сеть охватывает все рабочие места делопроизводственного персонала в структурных подразделениях организации, то появляется возможность использовать сеть для перемещения документов. Россия пока не перешла полностью на электронный документооборот и каждая организация располагает обязательным наличием бумажного подлинника любого документа даже при существовании электронного варианта. Для удобства и экономии времени поиска нужных документов созданы специальные поисковые системы. Они существуют отдельно для бумажных носителей – архивы. И для электронных – компьютерные программы DMS. Целью работы является знакомство с понятием информационно-поисковой системы (ИПС), составом компонент и технологией работы с ИПС, классификацией и характеристикой методов поиска, а также классификацией систем DMS.
2. Понятие информационно-поисковой системы (ИПС).
2.1. 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 (Системы управления базами данных), 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
- 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, подче
- Для поиска документов создают и хранят их поисковые образы.
Поисковый образ документа (ПОД) – это совокупность кодов ведущих ключевых слов (дескрипторов), которые описывают смысл, содержание документа.
- Ключевые слова
и их коды хранятся в
- Для того, чтобы
осуществлять поиск документов,
нужно создать информационно-
- 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 компонентов ИПС представлена на рис.1.
Рис. 1. Схема взаимодействия компонентов ИПС
ИПС состоит из следующих обеспечивающих подсистем:
- лингвистическое обеспечение, включающее в свой состав информационно-поисковый язык;
- техническое
обеспечение системы,
- информационное обеспечение, состоящее из БД (Баз данных) 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
- составления, кодирования ПОЗ;
- выполнение
операции поиска и выдачи ответ
- 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-
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 количестве релевантных документов, т.е. характеризуется соотношением между всей релевантной информацией, имеющейся в базе, и той ее частью, которая включена в ответ и рассчитывается по формуле:
Если в области поиска на самом деле имеется 100 документов, содержащих нужную информацию, а по запросу найдено из них всего 30, то полнота поиска равна 30%. Кроме этого при оценке поисковых систем учитывается, с какими типами данных может работать та или иная система, в какой форме представляются результаты поиска и какой уровень подготовки пользователей необходим для работы в этой системе.
Следует отметить, что точность поиска и его полнота зависят не только от свойств поисковой системы, но и от правильности построения конкретного запроса, а также от субъективного представления пользователя о том, какая нужна ему информация. Если стоит проблема оценки нескольких систем и выбора наиболее эффективной, можно вычислить средние значения полноты и точности рассматриваемых конкретных систем, протестировав их на эталонной базе документов.
Индексация документов (т.е. составление ПОД), которая означает предварительную подготовку текстов для поиска и применяется главным образом для ускорения поиска; как правило, текстовые базы данных, предназначенные для многократного поиска, обрабатывают заранее, составляя так называемый индекс (ПОД). При индексации поисковая система составляет списки слов, встречающихся в тексте, и приписывает каждому слову его код - координаты в тексте (чаще всего номер документа и номер слова в документе).
При поиске слово ищется в индексе, и по найденным координатам выдаются нужные документы. Если слов в запросе несколько, над их координатами производится операция пересечения. В том случае, если множество документов пополняется, приходится пополнять и индекс.
Единица поиска - это квант текста, в пределах которого в данной поисковой системе осуществляется поиск, от величины которого зависит показатель точности поиска, величина шума и время ответа на запрос.
Единицей поиска может быть документ, предложение или абзац.
В технологии использования ИПС можно выделить три группы операций:
- операции, связанные с получением поисковых образов документов (ПОД), описывающих содержание документов и загрузкой их в базу данных (БД ПОД), а также загрузкой самих документов или их адресов хранения в БДДок. и БДАдр.;
- операции составления
- операции ведения
В состав операций ведения ИПС входит также процедура выдачи справок о работе системы, о ее структуре, методах поиска, классах и видах хранимых документов.
3. Классификация и характеристика методов поиска
Одной из проблем организации СУД является выбор метода поиска и разработка или выбор программного обеспечения, что в значительной степени зависит от применяемых методов индексирования. Как было сказано выше, индексирование загружаемой на хранение информации может осуществляться по ключевым словам, по атрибутам документа либо путем создания полнотекстового индекса. Суть последнего подхода заключается в том, что при создании индексного файла (индексированной матрицы) в него вносятся все значимые слова (без союзов, предлогов и т. п.) из всех документов в алфавитном порядке, которые затем объединяются в пары с указателями на документы, содержащие эти слова.
Задача поиска нужного документа формулируется так: зная примерные характеристики документа, нужно найти его, где бы он ни хранился.
Характеристики документа
Существует несколько методов поиска документов по содержанию.
Традиционные подходы к
Индексный, или двоичный, поиск применятся главным образом со структурированными базами данных. В таких методах слова интерпретируются как последовательности закодированных символов.
Используя формальный синтаксис, или язык запросов, система двоичного поиска выбирает точное соответствие для отдельного слова или цепочки слов. Это самый простой вид поиска документа по содержанию, но и самый слабый вид поиска, что выражается в малой полноте (это означает, что редко удается найти нужный документ).
Недостатки. Системы двоичного поиска имеют ограничения по точности, влияющие на возможность нахождения всей относящейся к запросу информации. В методах двоичного поиска не учитываются различные формы значения слов; пользователю непросто угадать точные слова и фразы, которые были использованы авторами в документах. Системы двоичного поиска не могут также ранжировать документы по степени соответствия запросу, поэтому пользователь вынужден читать каждый документ, чтобы определить, насколько он соответствует запросу. Повышению полноты поиска по строке служат такие стандартные средства, как отождествление заглавных и малых букв и использование метасимволов, наподобие «*» (что означает любое количество каких-либо символов).
Другим способом повышения полноты поиска служит поиск слов в разных грамматических формах. Почти любое русское слово — это набор из нескольких словоформ. Для среднего русского существительного таких форм двенадцать — одна основная и 11 косвенных (6 падежей единственного и 6 — множественного числа). У русского глагола косвенных форм — порядка 100 (а если считать причастия, то и все 180). В процессе словоизменения общий смысл слова остается тем же, изменяется только форма и роль слова в предложении. Нужен так называемый морфологический поиск, то есть поиск, опирающийся на знание морфологии языка, поскольку в языке есть еще и процессы словообразования, в ходе которых образуются «родственники» слова — 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.
4. Классификация систем DMS.
4.1. Характеристика систем, используемых для организации архивов.
В настоящее время на рынке систем DMS (Система управления документами (DMS от англ. Document management system) — набор компьютерных программ, используемых для отслеживания и хранения электронных документов и/или образов бумажных документов.) 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 невозможности автоматической индексации и низкой производительности при определении ключевых слов вручную;
- предполагается, что пользователи будут осуществлять поиск информации предсказуемым способом, используя предопределенные ключевые слова;
- поиск по ключевым словам - это четкий поиск, - пользователь точно должен знать, что он ищет. Если сделана ошибка при написании ключевого слова в запросе для поиска, система никогда не найдет нужную информацию;
- ключевые слова могут со временем меняться (понятия, которые были "ключевыми" вчера, вовсе не обязательно будут столь же важны через год).
В силу вышеперечисленных причин данный класс систем имеет ограниченное применение для хранения и поиска документов в специализированных архивах конкретных организаций или используется для хранения и поиска книг в библиотеках различного типа.
Простейшие средства поиска документов по содержанию входят в состав текстового процессора Microsoft Word. Как и большинство других стандартных средств, эта функция ищет заданный текст только буквально, т. е. требует полного соответствия текста запросу и при этом ничего не знает о большом разнообразии форм русских слов. Если, например, проводится поиск по фразе из пяти слов, то будут найдены только тексты, содержащие каждое из них, причем именно в заданной форме. Поэтому в случае, когда пользователь помнит содержание нужного документа только в общем (а так чаще всего и
бывает), подобные средства поиска малоэффективны. Аналогичные проблемы возникают при поиске текстовой информации в Internet, которая располагает большим количеством поисковых систем (например, AltaVista, HotBot, InfoSeek и др.), обеспечивающих доступ к десяткам миллионов документов. Возможности поиска здесь, конечно, намного более развитые, чем в Microsoft Word, однако говорить о высокой эффективности также не приходится. Можно отметить следующие основные недостатки стандартных поисковых средств и поисковых систем Internet:
1. Отсутствие поиска на частичное совпадение - так называемого нечеткого поиска (находятся только документы, содержащие все слова запроса, поэтому достаточно одно слово запроса заменить на синоним, и нужный документ не будет обнаружен);
2. Отсутствие так называемого морфологического анализа (например, слова bond и bonds при поиске считаются разными);
3. Низкое качество ранжирования (упорядочивания) документов по убыванию степени соответствия запросу - в начале списка часто оказываются документы, не отвечающие запросу, а нужные документы выдаются после них;
4. Высокий уровень шума: случается, пользователю предлагаются документы, не содержащие ни одного слова запроса;
5. При выдаче документов никак не выделяются вхождения слов запроса в просматриваемый документ, что в совокупности с низким качеством ранжирования приводит к большим затратам времени при анализе найденных документов.
В настоящее время получили массовое применение системы второй категории, опирающиеся на автоматизированный полнотекстовый ввод, загрузку документов в архив и осуществляющие поиск по полнотекстовому индексу. Технология работы этих систем основана на автоматизированном вводе документов и чтении их с помощью сканера, преобразовании графических образов в текстовые файлы. Поиск информации в таких системах происходит с использованием семантических, статистических методов и с применением механизмов полнотекстового поиска (Full Text Retrieval.).
5. Заключение
В настоящее время
наличие успешно действующей электронной информационно-поисковой
системы в делопроизводстве и документообороте
говорит о благополучии учреждения и его
руководства. Это означает полную управляемость
подчинённых руководству аппарата, их
компетентность, солидарность, дисциплинированность
и заинтересованность в максимально успешном
выполнении порученного дела.
Информационно-поисковая система представляет
возможность производить оперативный
и эффективный обмен информацией между
всеми участками производственного процесса,
позволяет сократить время, требуемое
на подготовку конкретных задач, исключить
возможное появление ошибок подготовки
отчётной документации.
В заключение хочется отметить, что внедрение электронных поисковых систем обеспечивает удобство в работе, рациональную организацию производства и снижение психологических нагрузок. Также снижаются физиологические нагрузки, т.к. с внедрением соответствующего программного обеспечения время, затраченное на эту же работу, существенно уменьшается. Это положительно влияет на работоспособность работника, т.к. ведёт к уменьшению количества обрабатываемой информации, а также у персонала появляется дополнительное время для анализа и принятия управленческих решений.
6. Литература
- Смирнова Г.Н., Проектирование Систем электронного документооборота: Учебное пособие. – М.: Изд-во МГУЭСиИ, 2008.
- Учебное пособие по курсу «Проектирование Систем электронного документооборота»
http://rudocs.exdat.com/docs/
3) Кузнецов
С.Л., Делопроизводство на
- Информационно-поисковые системы
- Информационно-поисковые системы
- Информационно-поисковые системы
- Информационно-поисковые системы
- Информационно-поисковые системы
- Информационно-поисковые системы в торговле
- Информационно-поисковые тезаурусы
- Информационно-компьютерные технологии на уроках иностранного языка
- Информационно консультационная служба в Германии
- Информационно – консультационная служба во Франции
- Информационно-поисковая система «Norma»
- Информационно поисковые системы
- Информационно-поисковые системы
- Информационно-поисковые системы
