1
Laboratoř geoinformatiky a kartografie
TEZAURY A GAZETEERY
Laboratoř geoinformatiky a kartografie
• Původně vyhledávání (prostorových) dat v
(elektronickém) prostředí úkol pro zaškolené
profesionály
• Posléze enormní nárůst objemu dostupných informací
– nově vytvářená digitální data
– digitalizace papírových (analogových zdrojů)
• Množství dat komplikovalo vyhledávání relevantních
informací (zejména pro koncové uživatele)
• Celá řada přístupů o strukturovaný přístup k datům
– nejčastější řízené slovníky (též tezaury; angl.
thesaurus)
Historie
Laboratoř geoinformatiky a kartografie
převzato z: http://narozeniny.seznam.cz/details.xhtml
Principy tezaurů na Seznam.cz
Laboratoř geoinformatiky a kartografie
• Řízený (kontrolovaný) slovník = seznam dohodnutých
termínů převzatých z běžného jazyka
– podchycena (kontrolována) gramatická forma
– u cizojazyčných verzí sjednoceno hláskování
– v hierarchické struktuře
+ umožňuje indexování, ukádání, vyhledávání
+ doplňují vyhledávací algoritmus
– multitezaurové systémy
Principy
Laboratoř geoinformatiky a kartografie
• Ekvivalence (vztah mezi synonymy)
– všechna synonyma mohou být rovnocenná
– obvykle jeden z termínů je zvolen jako preferovaný,
další jsou pak alternativy k danému termínu
– koncový uživatel může použít jakékoli synonymum
– vzácně vztahy mezi pseudosynonymy; slovy, které
mají podobný, ne však totožný význam
• Hierarchie (na rozdíl od ekvivalence není symetrická)
– vytvořena vymezením vztahů mezi podřazenými
pojmy (narrower terms; podtřídami) a nadřazenými
pojmy (broader terms; nadtřídami)
Hierarchické (a relační) vazby
Laboratoř geoinformatiky a kartografie
– nejčastěji jeden typ této vazby, výjimečně se definuje
více
• Asociace (symetrický vztah)
– pro sémantický vztah, který nelze označit pomocí
ekvivalence ani hierarchie
– např. antonyma
• Mezijazyková ekvivalence
– pouze u multilingválních (vícejazyčných) tezaurů
– obvykle pouze u preferovaných termínů
– slovník = slova, tezaurus = klíčové fráze
Hierarchické (a relační) vazby
2
Laboratoř geoinformatiky a kartografie
• Převzetí (adaptace) již existujícího
– obvykle nerealizovatelná
• Tvorba teazurů je řešena v ISO 2788, ISO 5964
(multilingvální) ANSI/NISO Z39.19
• Obecně používané dva přístupy:
1. postup shora dolů (top-down method)
» skupina expertů stanoví rozsah a přibližný okruh
termínů – definice vztahů – upřesnění okruhu
termínů – typy vazeb – předběžná verze - testování
2. postup zdola nahoru (bottom-up method)
» skupina expertů vybere sadu indexovaných
dokumentů – výběr termínů – upřesní se okruh - …
Tvorba tezaurů
Laboratoř geoinformatiky a kartografie
• Vyvíjí se mnoho tezaurů (snaha pokrýt vědní
disciplíny, aplikace)
• Propojení možné formou:
– supertezauru
– volné integrace
• Varianty:
– federace: kombinace při zachování autonomie, různé
DB, platformy zpracování, nekonzistence
– sjednocení: – o stupeň těsnější vztah, odstraněny
nekonzistence, někdy vzniká tzv. metatezaurus
» např. tezaurus Meta sdružující několik lékařských
tezaurů
Integrace tezaurů
Laboratoř geoinformatiky a kartografie
– spojení: integrace mikrotezaurů (tj. tezaurů se
specializovanými slovníky; nazývané jako subtezaury)
s více obecnými makrotezaury. Mikro- a
makrotezaury se musí vzájemně přizpůsobit
» např. European Educational Thesaurus
• Tezaury v metadatech
Integrace tezaurů
Laboratoř geoinformatiky a kartografie
• Prostorové tezaury
– sada organizovaných geografických názvů včetně
vztahů mezi těmito názvy
» např. administrativní jednotky
• Od 19. století ve Spojeném Království
• Koncem 19. století i v Rakousku – Uhersku
– navázáno na sčítání lidu, doplněno statistickými daty
– základ pro rekonstrukci např. osídlení v daném
územním celku v historickém vývoji
– administrativní (soudní a politické), církevní členění
• Další vývoj v 90. letech 20. století – vývoj Webu
Prostorové tezaury neboli gazeteery
Laboratoř geoinformatiky a kartografie
• Geoparsing
– klíčovému slovu nebo frázi nestrukturalizovaného
textu se přidělují geografické identifikátory
+ souřadnice
+ kódové informace
» např. GEOnet Names Server
• Geokódování
– analyzuje jednoznačnou strukturovanou lokaci (jako
např. PSČ) a explicitně formátované numerické
souřadnice
– geoparsing jde za hranice geokódování
Prostorové tezaury neboli gazeteery
Laboratoř geoinformatiky a kartografie
• Obsahují přinejmenším:
– unikátní identifikátor geografického prvku (objektu)
– geografický název
– typ geografického prvku
– umístění
Prostorové tezaury neboli gazeteery
3
Laboratoř geoinformatiky a kartografie
PŘÍKLADY TEZAURŮ
Laboratoř geoinformatiky a kartografie
• Geografická klíčová slova pro danou oblast zájmu a
rozdílné úrovně měřítka (obydlené místo, mikroregion,
kraj, stát, kontinent)
• Od roku 1987, elektronicky pak od roku 2000
• http://www.getty.edu/research/tools/vocabularies/tgn/
• Obsahuje přes 1 000 000 názvů osídlených míst,
administrativních celků, infrastruktury, hydrografie,
orografie a vegetace na celé Zemi
• Většinou angličtina a místní jazyk
• Hierarchie
Getty Thesaurus of Geographical Names
(TGN)
Laboratoř geoinformatiky a kartografie
Getty Thesaurus of Geographical Names
(TGN)
Laboratoř geoinformatiky a kartografie
• Spojená databáze U.S. National GeospatialIntelligence
Agency a U.S. Board on Geographic
Names
• Celosvětový tezaurus, přes 4 miliony termínů
– osídlená místa, administrativní jednotky,
infrastruktura, hydrografie, orografie, vegetace,
podmořské názvy
• Oproti TGN široké spektrum nástrojů pro vyhledávání
a aktuálnější údaje
– např. pro ČR i synonyma kraj Vysočina – Jihlavský
• http://earth-info.nga.mil/gns/html/
GeoNet Name Server (GNS)
Laboratoř geoinformatiky a kartografie
GeoNet Name Server (GNS)
Laboratoř geoinformatiky a kartografie
• Profilovaný pouze na administrativní členění a
demografii
• Hierarchie jednotlivých států
– země, provincie, kraje, …
– města včetně výsledků sčítání lidu
• Od roku 2006 nebyl aktualizován
• Projekt uzavřen na konci července 2013
• http://world-gazetteer.com
The World Gazetteer
4
Laboratoř geoinformatiky a kartografie
The World Gazetteer
Laboratoř geoinformatiky a kartografie
• http://www.geonames.org
• 8 milionů geografických názvů
• Zdarma
• Časté využití pro sociální sítě
Geonames
Laboratoř geoinformatiky a kartografie
• GEneral Multilingual Environmental Thesaurus
(GEMET)
• Vyvinuto European Environmental Agency (EEA)
• Počátek od roku 1995 v Umwelt Thesaurus
Umweltbundesamt (UBA-A) ve Vídni, postupně
spojení dalších tezaurů
• Celkem takřka 7000 environmentálních termínů
• 32 jazyků
• INSPIRE témata prostorových dat
GEMET
Laboratoř geoinformatiky a kartografie
GEMET