Věcné vyhledávání pomocí věcných SJ Předmět: Selekční jazyky 11. 12. 2009 Přednášející: Mgr. Silvie Kořínková Presová http://kisk.phil.muni.cz/mgr-silvie-korinkova-presova-dis Úvod do věcného vyhledávání věcné vyhledávání - ang. ekv. - subject searching tj. vyhledávání, kdy uživatel/rešeršér usiluje o nalezení dokumentů k určitému tématu X Uživatel ví, jaký dokument hledá, zná např. autora, část titulu apod. Jeden z klíčových problémů při vyhledávání v rešeršních systémech: Jaké vyhledávací výrazy by měly být vybrány pro formulaci dotazu? Odkud by měly být termíny vybrány? Úvod do věcného vyhledávání Věcné vyhledávání lze realizovat pomocí pořádacích znaků věcných SJ ­ deskriptorů, předmětových hesel, klasifikačních znaků pomocí přirozeného jazyka V praxi se doporučuje kombinovat vyhledávání pomocí přirozeného jazyka i pomocí věcného SJ ­ obojí v konkrétních případech přispívá ke zlepšení přesnosti a úplnosti. Efektivní věcné vyhledávání vyžaduje následující druhy znalostí: Znalost polí, které mohou být pro vyhledávání využity a jejich charakteristiky. Znalost věcného SJ, který systém využívá. Znalost strategií, kde a jak je aplikovat. Znalost vyhledávacích možností systému a jak je použít. Znalost tématu. (Poo, 2005) Efektivní věcné vyhledávání vyžaduje následující druhy znalostí: Znalost toho, jak převést informační požadavek na informační dotaz. (Poo, 2005) Příklad: Informační požadavek: Využití kreativního psaní v psychoterapii či pro zlepšení duševního zdraví. Informační dotaz v systému Aleph MU: WSU = ( tvůrčí psaní ) AND WSU = ( psychoterapie OR duševní zdraví OR psychohygiena ) Selekční jazyk - usnadňuje vyhledávání tím, že umožňuje kontrolovat synonyma a kvazisynonyma (tím zvyšuje úplnost - vyhledání relevantních informací v databázi) např. v hesláři databáze LLIS Indexing vocabularies Used for: Controlled vocabulary; Descriptors; Index languages; Index terms; Indexing languages; Vocabulary control Vyhledávání pomocí znaků SJ - stačí jeden termín Indexing vocabularies Vyhledávání pomocí neřízených termínů - k zajíštění úplnosti je nutné zohlednit více variant - (index? languag?) OR (controlled vocabular?) OR (index term?) umožňuje rozlišit homonyma, kvalifikátor v závorce (tím zlepšuje přesnost - vyloučení irelevantních výsledků) např. Soubor věcných autorit NK ČR (SVA) postmodernismus (literatura), postmodernismus (kultura) Selekční jazyk - usnadňuje vyhledávání tím, že poskytuje vysvětlující poznámky např. v tezauru db LISA Information retrieval [+] Very general - avoid if possible, v SVA Informační věda Teoreticko-praktický interdisciplinární vědní obor zaměřený na výzkum a zabezpečení informačně-komunikačních procesů ve společnosti. zobrazuje vztahy ­ hierarchické, asociace, ekvivalence využití při specifikaci či zobecnění dotazu např. v db LISA hledáme články o vertikálních portálech deskriptor Vortals, možnost rozšířit výsledek vyhledávání pomocí nadřazeného deskriptoru Portals Selekční jazyk - usnadňuje vyhledávání tím, že vyjadřuje termíny, které nejsou obsaženy v záznamu např.v LLIS např Zhang Qiyu. Term selection: the key to successful indexing. The Indexer, 2009, v. 27, no. 3, s. 98-100. v SOD Indexing vocabularies Selekční jazyk - usnadňuje vyhledávání tím, že odstraňuje problémy se syntaxí Dokument je reprezentován těmito slovy v přirozeném jazyku: např. import, export, Česká republika, Norsko Možné významy dovoz do České republiky z Norska dovoz do Norska z České republiky Řešení v tezaurech ­ využití rolí Řešení pomocí PH ­ dán kontext, hledání pomocí fráze Selekční jazyk - usnadňuje vyhledávání tím, že odstraňuje problémy se syntaxí - příklad Vyzkoušejte si vyhledat v katalogu NK ČR dokumenty týkající se dovozu do České republiky z Norska. Vyzkoušejte si dotazy v poli Předmět: - dotaz 1 ,,dovoz Česko" ,,vývoz norsko" Vyzkoušejte si vyhledat v katalogu NK ČR dokumenty týkající se vývozu z České republiky. - dotaz 2 vývoz Česko versus dotaz 3 ,,vývoz Česko" Selekční jazyk Při vyhodnocování relevantnosti výsledků vyhledávání (řazení vyhledaných záznamů) mají selekční jazyky větší váhu než slova přirozeného jazyka PROČ? Pořádací znak SJ byl přiřazen dokumentu na základě obsahové analýzy, z toho plyne indexace/postižení významného tématu, a to je pro vyhodnocení dotazu relevantnější. příklad: db LLIS: http://www.hwwilson.com/ Documentation/WilsonWeb/searchrules.htm Selekční jazyk ­ slabé stránky nedostatek specifičnosti SOD - Online katalog Národní knihovny ČR indexace pomocí SVA Selekční jazyk ­ slabé stránky není okamžitá aktualizace ­ časová prodleva než je termín zahrnut do slovníku SJ, např. termín ,,ontologie" (nástroj sémantického webu)" v SVA MDT - sémantický web - Není součástí hlavních tabulek. slova autora mohou být nesprávně interpretovaná nepochopení látky časové ztráty související s tvorbou, údržbou a osvojením si SJ Selekční jazyk ­ slabé stránky některá témata mohou být při indexování opomenuta ­ např. problematika vertik. portálů v db LISA Selekční jazyk ­ slabé stránky chyby v indexaci zapříčiňují ztráty rešeršéři se musí učit selekční jazyk nekompatibilita ­ znesnadnění paralel. vyhledávání, bariéra snadné výměny různé pořádací znaky označující jeden pojem pojem - např. označní pro věcné SJ db LLIS Indexing vocabularies Used for: Controlled vocabulary; Descriptors; Index languages, Index terms; Indexing languages; Vocabulary control db LISA Controlled vocabulary, Index languages, Retrieval languages anglická literatura - notace 820 (DDC) X notace PR (LCC) X notace 821.111 (MDT) Odlišný zkušenostní rámec indexátora a uživatele Uživatel popisuje něco, co nezná. Na druhé straně indexátor má dokument v ruce, ,,všechno je před ním". Indexátor by měl zkoušet předvídat, podle jakých termínů budou vyhledávat uživatelé. Jakou informaci jim daný dokument poskytne, že povede k uspokojení jejich informační potřeby? Odlišný zkušenostní rámec indexátora a uživatele Indexátoři neindexují dokumenty takovým způsobem, aby zachytili nekonečně mnoho rozmanitých dotazů. Většinou jsou indexována hlavní a dílčí témata, tj. what is in the record. Nekonečně mnoho dotazů může být uspokojeno dokumentem. Jde o úhel pohledu - document-oriented approach x usercentered indexing Formulace dotazu pomocí SJ Převedení na pořádací znaky věcného SJ Odvíjí se od schopnosti rešeršéra pracovat s věcným SJ (ale mnohé rešeršní systémy nabízejí řízené termíny po zadání prvního dotazu) Převod může mít různé podoby: 1. termín v seznamu je shodný s řízeným termínem 2. termín v seznamu je synonymem/ekvivalentem ­ více ekvivalentů ­ výběr významově shodného řízeného t. 3. pro termín v seznamu existuje pouze širší termín SJ ­ ztráta specifičnosti původního termínu např. v LLIS nelze vyjádřit vertik. portály 4. pro termín v seznamu existují pouze specifičtější/podřazené termíny SJ ­ rozsah původního termínu je redukován např. v SVA ­ nelze vyjádřit - organizace poznání Přirozený jazyk - výhody vysoká specifičnost ovlivňuje pozitivně přesnost např. vlastní jména (osob, institucí apod.) schopnost vyčerpávajícím způsobem pokrýt téma, zvyšuje úplnost - neplatí u neanotovaných záznamů, zejména tam, kde je zahrnut abstrakt a plný text aktualizace ­ nové termíny jsou okamžitě dostupné slova užitá autorem ­ nemůže dojít k dezinterpretaci indexátorem snadnější výměna materiálu mezi databázemi jazyková neslučitelnost odstraněna není třeba se jazyku učit (rodilý mluvčí) Přirozený jazyk ­ slabé stránky intelektuální úsilí rešeršéra ­ problém související se synonymy (formulace dílčích dotazů) a homonymy (nutnost uvedení do kontextu) problémy se syntaxí ­ nesprávné spojení termínů, asociace ­ řešení pomocí proximitních operátorů schopnost vyčerpávajícím způsobem pokrýt téma může vést ke ztrátě přesnosti odlišná terminologie u jednotlivých autorů Doporučená a použitá literatura Aitchison, J.Thesaurus construction and use : a practical manual. London : Aslib, 2000. Kapitola B1, Is a thesaurus necessary?, s. 5-7. ISBN 0851424465 Bates. Indexing and Access for Digital Libraries and the Internet : Human, Database, and Domain Factors. Journal of the American Society for Information Science and Technology. 1998, roč. 49, č. 13. Chu, H. Information representation and retrieval in the digital age. Medford : Information Today, 2007. Kapitola 4, Language in Information Representation and Retrieval, s. 47-58. Poo, D. C. C.; Khoo, C. S. G. Online Catalog Subject Searching. In Encyclopedia of Library and Information Science 1 [online]. 2005, č. 1 [cit. 2007-02-27]. Dostupné na World Wide Web: http://www.dekker.com/sdek/abstract~db=enc~content=a713531961 Spink, A., et. al. Interaction in information retrieval : selection and effectiveness of search terms. Journal of the American Society for Information Science, 1997, roč. 48, č. 8, s. 741-61.