1. ИНФОРМАЦИИ НАКОПЛЕНИЕ И ПОИСК

                Информация является одной из основных потребностей современного человека; она нужна для работы, путешествий, приобретения товаров, принятия решений, выполнения школьных заданий, заботы о здоровье и многочисленных других видов деятельности. Человеческий мозг наделен удивительной эффективностью в отношении накопления и поиска информации. Однако в 20 в. информация накапливается человечеством такими темпами, что без специальных технических средств человеку и даже организации становится все труднее справиться с поиском необходимых данных.

                Системы накопления и поиска информации собирают, анализируют, организуют, хранят, отыскивают и распространяют информацию. Традиционно много существующей информации было записано на бумаге, накапливалось в библиотеках и информационных центрах и отыскивалось вручную. С середины 1960-х годов для автоматического накопления и поиска информации начали использоваться различные механические и электронные помощники. Такие системы могут обрабатывать сотни миллионов элементов информации и отыскивать отдельные элементы практически мгновенно.

                Компьютер и электронные средства связи составляют ядро современных систем накопления и поиска информации. Например, через настольный компьютер или другой терминал можно получить по телефону доступ к файлам местного или удаленного информационного центра и автоматически найти нужную информацию. Виды деятельности, требующие использования бумаги, такие, как чтение газет, написание писем и банковское дело, со временем будут заменены их электронными эквивалентами.

2. ТИПЫ ИНФОРМАЦИОННЫХ СИСТЕМ

                Существуют три основных типа информационных систем: системы управления базами данных, системы поиска библиографических ссылок и запросно-ответные системы.

                Системы управления базами данных. Управление базой данных имеет дело с обработкой простых файлов (типа обычно используемых в бизнесе). Каждый файл содержит записи того или иного вида, например, информацию о служащих или о различных товарах на складе. Каждая запись, в свою очередь, хранит конкретную информацию; например, служащий может идентифицироваться по имени, адресу, специальности и зарплате. Таким образом, файл базы данных может быть представлен таблицей, строки которой содержат индивидуальные записи, а столбцы – конкретные данные, относящиеся к ним. Тогда управление базой данных состоит в установлении связей таблиц и записей для конкретных целей. Например, системы управления базами данных могут определять, сколько служащих, имеющих возраст 35 и более лет, выполняет определенные виды работ.

                Системы поиска библиографических ссылок. Эти системы обычно имеют дело с текстом, например названиями и аннотациями книг и статей, и осуществляют поиск ссылок на элементы конкретной предметной области, хранимой в библиотечном файле. Например, пользователь мог бы запросить все библиографические ссылки по теме «Проектирование современных систем поиска информации». Чтобы идентифицировать отдельные ссылки, сначала должно быть задано содержание упомянутых элементов в файле. Следовательно, анализ содержания, или индексация, играет важную роль в системах поиска ссылки. Кроме того, поскольку библиографические файлы могут содержать миллионы элементов, обязательно должен быть обеспечен быстрый доступ к каждому из них. Поэтому особую важность приобретают эффективные методы поиска файлов. Запросы и ответы во многих случаях выражаются на естественном, а не на машинном (компьютерном) языке.

                Запросно-ответные системы. Эти системы дают прямой ответ на запрос, формулируемый обычно на естественном языке. Запросно-ответные системы соединяют в себе характеристики как систем управления базами данных, так и систем библиографического поиска. Поскольку ответ на запрос, относящийся к фактам, дается напрямую, то запросно-ответная система нуждается в знании соответствующих приемов и методов лингвистики, в подробной информации о конкретных областях деятельности, а также в запасе общих знаний. По этой причине такие системы используются только в особых обстоятельствах и в определенных предметных областях.

3. ПРОЦЕСС НАКОПЛЕНИЯ И ПОИСКА ИНФОРМАЦИИ

                В принципе запрос на информацию можно было бы сравнить с содержимым файлов и выявить наилучшее соответствие. На практике, однако, содержание как запроса, так и элементов хранимой информации надо сначала определить более четко. Таким образом, в управлении базой данных содержание каждой записи оценивается согласно некоторому масштабу значений; в системе поиска ссылки документ представляется набором терминов, каждый из которых имеет значение (вес), зависящее от важности термина в документе.

                Процесс накопления и поиска информации состоит из некоторого вида индексации, записи в файл, формулирования запроса и операций просмотра и выборки, выполняемых над хранимыми записями при ответе на запрос об информации.

                Индексация. Обычно индексация осуществляется вручную. Индекс (предметный указатель, словарь) может содержать много терминов, взятых из естественного языка, или может быть ограничен некоторыми специальными терминами. Словарь специальных терминов может определять термины с более широкими границами применимости, чем некоторый заданный термин, а также более узкие термины, синонимы и т.д. Документу назначается от 6 до 20 терминов. Ручная индексация представляет собой своего рода искусство, и не следует ожидать какой-либо согласованности между результатами действий отдельных индексаторов.

                Были разработаны разнообразные методы автоматической индексации. В простейшем случае для индексации используется каждое слово отрывка из документа, за исключением союзов и предлогов. В более сложных системах выбираются термины, и им назначается вес по частоте появления в отдельных документах: чем выше частота появления данного слова, тем больше назначаемый ему вес. Слова, часто появляющиеся на протяжении всего собрания данных, не представляются подходящими для индексации, поскольку при осуществлении поиска они могут создать ложное представление относительно предпочтительности одних элементов перед другими. В случае автоматической индексации содержание документа может быть представлено не более чем сотней терминов.

                Формулирование запроса. В запросах должны использоваться термины, имеющие вероятность совпасть с терминами-индексами, назначенными отыскиваемому документу. Формулировки запросов зачастую сложны. Так, запрос «А и В» означает, что должны отыскиваться документы, содержащие как термин А, так и термин В; запрос «А или В» относится к документам, содержащим либо термин А, либо термин В. В обычных системах поиска отыскиваются только те документы, в которых термины точно совпадают с терминами соответствующего запроса. В более совершенных системах формулировки запросов автоматически конструируются из формулировок, предъявляемых пользователем на естественном языке. Затем эти формулировки используются для идентификации документов на основе сходства терминов.

                Организация и поиск файлов. Последовательный просмотр, при котором запрос сравнивается с каждым хранимым элементом по очереди, является неприемлемо медленным, исключая случай малых файлов. Если бы файл состоял из терминов в алфавитном порядке, по одному на элемент, его можно было бы использовать как телефонную книгу, и поиск был бы быстрым. Когда каждому документу назначается много поисковых терминов, документы можно разбить на группы сходных терминов. Этот способ известен как кластерная организация файла. Затем каждой группе, или кластеру, может быть присвоена метка, и термины запроса сравниваются только с подходящей меткой.

                Быстрый поиск можно осуществить путем использования справочных файлов, которые содержат список идентификаторов документов для каждого термина-индекса. Тогда выполняется просмотр справочных файлов на предмет обнаружения идентификаторов, соответствующих данному термину. Например, списки идентификаторов документов для терминов-индексов «ЯБЛОНЯ» и «ГРУША» могли бы выглядеть как

ЯБЛОНЯ : 23,25,27,31,38

ГРУША : 22,25,26,31

                В ответ на запрос «ЯБЛОНЯ и ГРУША» были бы выданы документы 25 и 31, а на запрос «ЯБЛОНЯ или ГРУША» – документы 22, 23, 25, 26, 27, 31 и 38. Существует несколько методов для сравнения и слияния списков в файле этого типа, который известен как инвертированный файл.

                Многие поисковые системы предлагают процедуры переформулировки запроса после первоначальной операции поиска. Переформулированный запрос включает некоторые релевантные термины, извлеченные из документов, найденных в ответ на первоначальный запрос.

4. АППАРАТНЫЕ СРЕДСТВА ПОИСКА ИНФОРМАЦИИ

                Оборудование, используемое для автоматического накопления и поиска информации, включает устройства, которые хранят файлы, и терминалы, которые печатают или изображают запрашиваемую информацию.

                Устройства хранения. В прошлом для хранения файлов использовались перфокарты, перфоленты или магнитные ленты. Сегодня файлы можно хранить на магнитных дисках, магнитных картах или полосках, в виде микрофильма или на оптических дисках.

                Магнитные диски являются высоконадежным средством хранения больших файлов. Информация записывается на дорожках поверхности диска с помощью магнитных импульсов, представляющих нули и единицы. Запись или считывание информации осуществляется при вращении диска на оси. Поскольку с помощью различных комбинаций нулей и единиц можно легко представить буквы и числа, на них можно записать и обычный текст. Информация на магнитных дисках поддается стиранию, и поэтому они могут использоваться там, где содержимое файлов время от времени необходимо изменять.

                Для больших файлов на одну ось можно как бы нанизать несколько дисков, образующих дисковый пакет. Дисковый пакет обеспечивает произвольный доступ к миллиардам символов. «Произвольный доступ» означает немедленный доступ к любой дорожке на любом диске без необходимости последовательно просматривать весь файл.

                Магнитные карты и полоски также предоставляют произвольный доступ к большим файлам. Однако оборудование для них не так надежно, как для дисков.

                Микрофильмы используются для воспроизведения текстов или изображений в уменьшенном виде. Микрофиша (лист микрофильма) размером 10ґ15 см может хранить 98 обычных страниц данных или картинок. Хранение на микрофильмах обходится недорого и обеспечивает быстрый и надежный доступ к отдельным страницам, или фреймам. Однако с пленки нельзя стереть информацию, произвольный доступ дается нелегко, а технология трудна для комбинирования с магнитными запоминающими устройствами, используемыми в существующих компьютерах.

                Для хранения больших файлов все чаще используются оптические диски. Одиночный оптический диск, аналогичный компакт-диску, используемому для записи классической или популярной музыки, может хранить до одного миллиарда символов информации. Информация регистрируется посредством мелких углублений, выгравированных лазерным лучом на поверхности диска. Записанные данные считываются путем обработки лазерного луча, отраженного от диска. Оптические диски недороги и могут использоваться для хранения огромных баз данных. Поэтому в сфере поиска и хранения больших файлов информации оптические диски быстро заменяют магнитные. Однако записанная на оптических дисках информация, как правило, не поддается стиранию, а по скорости считывания они уступают магнитным.

                Терминалы. Терминал представляет собой устройство, обычно оборудованное клавиатурой и средствами изображения и способное посылать и получать информацию. Различают терминалы консольные (простые) и интеллектуальные.

                Для доступа к хранимой информации используются консольные терминалы двух типов. В обоих запросы обычно вводятся с помощью клавиатуры, аналогичной клавиатуре пишущей машинки. Терминал типа пишущей машинки запрошенную информацию распечатывает, графический же выводит ее на дисплей, похожий на экран телевизора.

                Интеллектуальный, или программируемый, терминал может сохранять и обрабатывать информацию сам. Такие терминалы генерируют ответы и изображают их на экране в графической форме.

5. ПРИМЕНЕНИЕ СРЕДСТВ ПОИСКА ИНФОРМАЦИИ

                Современные средства накопления и поиска информации могут использоваться для широкого класса задач обработки данных. Системы управления базами данных в сфере бизнеса обрабатывают простые структурированные файлы разных видов: файлы управления запасами на складах; бухгалтерские файлы в банках; файлы полисов в страховых компаниях; школьные регистрационные работы; записи о пациентах в больницах и т.д. С другой стороны, при хранении и обработке текстовых файлов приобретают важное значение процедуры поиска ссылок. Это относится к учреждениям, где архивируется и отыскивается корреспонденция; школам, где учебные материалы представляются в виде записей или книг; больницам, где краткие медицинские записи оформляются на естественном языке.

                Многие библиотеки предлагают прямой доступ (через терминал) к услугам автоматического поиска. Обеспечивается автоматический просмотр многих библиотечных каталогов и указателей, входят в жизнь сети, предлагающие доступ к механически считываемым собраниям общенационального значения. Библиотека будущего будет содержать меньше бумаги – книг, каталожных карточек, журналов – и больше информации, просматриваемой электронным способом.

                Услуги автоматизированного накопления и поиска данных все больше используются для индексации, классификации и поиска файлов и корреспонденции в современных учреждениях, которые могут быть оборудованы также компьютерами, помогающими составлять и исправлять текст, а также средствами автоматической обработки сообщений и электронной почты.