Функциональная структура документальных информационно-поисковых систем

В состав типичной ДИПС входят, как правило, четыре основные подсистемы (рис.4.1):

1. Подсистема ввода и регистрации.

2. Подсистема обработки.

3. Подсистема хранения.

4. Подсистема поиска.

Рис. 4.1. Общая функциональная структура ДИПС

Текстовые документы, поступающие на вход системы, могут быть представлены как в бумажном, так и в электронном виде (в одном из многочисленных форматов). Поэтому подсистема ввода и регистрации решает следующие основные задачи:

· создание электронных копий бумажных документов (например, сканирование с последующим распознаванием текста или ввод с клавиатуры);

· обеспечение подключения к каналам доставки электронных документов;

· распознавание, а при необходимости и преобразование формата электронных документов;

· присвоение электронным документам уникальных идентификаторов.

Все поступающие документы без внесения в них каких-либо изменений направляются а подсистему хранения для сохранения в базе документов. База документов может представлять собой простую совокупность файлов, распределенную по каталогам жесткого диска. Однако такой тип представления базы документов характеризуется двумя недостатками:

· неэффективным использованием дискового пространства;

· низкой скоростью доступа при большом количестве файлов.

Поэтому для хранения документов применяют средства сжатия и быстрого поиска информации. В этом случае подсистема хранения представляет собой совокупность стандартных или специализированных средств архивации, СУБД и т.п., обеспечивающих возможность доступа к данным по предъявляемому идентификатору.

Далее документы поступают на вход подсистемы обработки, задачей которой является формирование для каждого документа ПОД, в который заносится информация, необходимая для последующего поиска документа.

ПОД сохраняются в индексе. Логически индекс представляет собой таблицу, строки которой соответствуют документам, а столбцы -- информационным признакам, на основе которых строится ПОД. В ячейках таблицы могут храниться либо 1, либо 0 -- в зависимости от наличия или отсутствия данного признака в данном документе.

Очевидно, что такая таблица будет сильно разреженной, и хранить все значения не имеет смысла. Поэтому на практике используют свертку таблицы по строкам или столбцам. Такую форму хранения называют прямой или инверсной соответственно. Поскольку при свертке таблицы структура индекса усложняется, для его поддержания могут использоваться средства СУБД.

При поступлении на вход системы запроса пользователя он преобразуется в ПП и передается в подсистему поиска, задачей которой является отыскание в индексе ПОД, удовлетворяющих ПП с точки зрения КСС. Идентификаторы релевантных документов подаются с выхода подсистемы поиска на вход подсистемы хранения, которая осуществляет выдачу пользователю самих релевантных документов.

Контрольные вопросы к разделу 4

1. Назначение документальных ИС.

2. Назначение документальных информационно-поисковых систем.

3. Что такое информационные потребности? Что такое информационный запрос?

4. Что такое поисковое предписание? Что такое поисковый образ документа? Что такое критерий смыслового соответствия?

5. Назовите подсистемы типичной ИС.

6. Как связаны поисковый образ документа и индекс?