Технология и средства доступа к распределенным ресурсам электронных библиотек и баз данных

О.Л. Голицына, Н.В. Максимов
Российский государственный гуманитарный университет

Если рассматривать понятие "электронная библиотека" как комплекс взаимосвязанных гетерогенных массивов информации и средств, обеспечивающих доступ пользователей к этим массивам в функционально и организационно однородной среде (в качестве которой выступает обычно автоматизированная информационно-поисковая система - АИПС), то в общем случае информационные компоненты такой библиотеки образуют трехуровневую структуру, включающую:

на уровне метаинформационном - справочно-нормативные файлы (рубрикаторы, тезаурусы, авторские, предметные и другие указатели), а также каталоги или справочные базы данных по доступным распределенным ресурсам;

на уровне вторичной информации - электронные каталоги или реферативно-библиографические базы данных;

на уровне первичной информации - полнотекстовые массивы (электронные журналы, фактографические базы данных, хранилища электронных копий источников в том или ином виде и т.д.).

С точки зрения степени доступности ресурсов (характера их локализации в вычислительной среде, что существенно влияет на технологию и условия их использования) можно выделить два класса:

• локализованные, когда метаинформационная (данные о структуре, наполнении и методах доступа), информационная (собственно полезная информация) и поисковая (поисковые образы и индексы) компоненты объеденены в одной операционной (а иногда и программной) среде и обычно сосредоточены в локальной вычислительной среде;
• распределенные, когда указанные компоненты не локализованы, как определено выше, а размещены, возможно, в различном сочетании на удаленных вычислительных системах, взаимодействующих на уровне сеансового протокола. Здесь, в свою очередь, можно выделить дра типичных варианта. Первый – ассоциированные ресурсы, когда локализована метаинформационная, а также, возможно, поисковая компоненты, а информационная компонента является распределенной (удаленной и независимо от библиотеки изменяемой). Второй – произвольно распределенные компоненты, когда о ресурсе известны только Internet-адрес и, возможно, шаблон для генерации поискового запроса.

Учитывая, что структурно-организационные вопросы были представлены в докладе Технология и средства доступа к распределенным ресурсам электронных библиотек и баз данных. В.А.Глухов, Н.В.Максимов на Международном семинаре “Электронная информация – электронная библиотека” Пущино, 16-18 февраля 2000г., далее в настоящем докладе рассматриваются информационно-технологические аспекты поиска информации в комплексе взаимосвязанных ресурсов, в контексте электронной библиотеки, создаваемой в ИНИОН РАН с использованием автоматизированной информационной системы IRBIS (© Васина Е., Голицына О., Максимов Н., Резниченко П., 1992-1999)

Управление доступом к информационным ресурсам электронной библиотеки реализуется средствами ограничения доступа к любой компоненте электронной библиотеки, при создании или ведении каталога пользователей библиотеки. Существует возможность создания каталогов доступных ресурсов для каждого отдельного пользователя, что позволяет защитить определенные базы данных и.или массивы библиотеки от несанкционированного обращения. Кроме того, можно запретить доступ в случае, если физический адрес отправителя запроса отличается от адреса, зафиксированного в каталоге.

Сервер управления доступом к информационным ресурсам является специализированной системой, обеспечивающей возможности административного учета и управления доступом на уровне отдельного пользователя к отдельному информационному и функциональному ресурсу. Реализуется в виде функционально-ориентированных баз данных, в том числе:

Информационные компоненты билиотеки включают:

Каждая из этих компонент реализована как документальная база данных и в общем случае включает документальный массив и справочно-поисковый аппарат. Пользователь в процессе поиска обращается к различным базам данных, однако наиболее часты обращения к библиографическим базам. Далее по библиографической информации может обратиться к электронной копии или через соответствующую службу заказать бумажную копию документа.

Возможность (способность системы) генерировать динамические связи основана на принципе спецификации типа и значений параметров каждой связи на логическом уровне. В нашем случае, когда ресурсы – источник связей (библиографическо-реферативные БД, с которых пользователь начинает поиск) реализованы в виде баз данных, связи специфицируются средствами определения схемы БД. Поскольку для базы данных можно определить неограниченное количество схем, такой способ обеспечивает достаточную гибкость как с точки зрения типологии, так и степени насыщения ссылками объектов ресурса, причем выбор схемы предоставлен пользователю при работе с ресурсом.

Особенности представления информации в документальных (и в первую очередь базах данных вторичной информации) определяются их назначением – обеспечением эффективного (быстрого и исчерпывающего прежде всего по полноте) поиска нужных данных или, если таковые не обнаружены - сведений о документах, предположительно их содержащих. В этом случае для достижения общности представления, по возможности не зависящей от точек зрения и особенностей изложения, содержание документа редуцируется до формы перечисления основных понятий, в той или иной степени однозначно характеризующих содержание документа в контексте той предметной области, для которой создается база данных. В свою очередь, для обозначения характеристических понятий используется ограниченная (в том числе нормализованная) лексика, снижающая влияние свойств синонимии и полисемии. Такое представление информационного содержимого конкретных документов в виде поисковых образов обеспечивает, с одной стороны, очень эффективную вычислительную процедуру (когда отбор производится по условию простого сопоставления термина запроса с термином документа), а с другой стороны – дает пользователю возможность получать достаточно полные и точные ответы на запросы, выражаемые упрощенным, “телеграфным” стилем.

Кроме этого в ряде случаев, когда предметом проблемного поиска является что-то неизвестное (по крайней мере пользователю), удовлетворительным результатом поиска скорее всего будет не отдельный документ, содержащий ответы на все вопросы, а некоторое множество документов, образующее для пользователя информационное пространство (фактов, идей и т.д.), достаточное для построения неизвестного до того решения, и, таким образом – генерации новой информации. То есть, в случае такого рода проблемных поисков, запрос это не столько вопрос, предопределяющий ответ, сколько определение (через уже известное) предметной, документальной и лексической области для поиска неизвестного.

С другой стороны, семантическая тривиальность структур данных, реализующих документальные системы в архитектуре фон-Неймановских машин, предопределяет, что развитие запроса и смысловая оценка результата поиска - функция пользователя, а система - ассистент. И, даже, принимая во внимание определенные успехи в области разработок искусственного интеллекта, по крайней мере два фактора не позволяют надеяться на скорое равноправие сторон:

1. Выражение запроса (даже хорошо формализованное на естественном языке) слишком лаконично для того, чтобы можно было бы выделить глубинную сущность и аспектные взаимосвязи проблемы, для решения которой должна быть найдена информация;
2. В ряде случаев пользователь не может однозначно специфицировать информационную потребность, особенно если это относится к этапу постановки задачи.

Таким образом, роль системы – не более чем информационно-технологическая поддержка на различных этапах многостадийного процесса информационного поиска, который в общем случае включает:

1. Определение (локализация и формализация) темы запроса и идентификация (тематический выбор) ресурса, где система обеспечивает метаинформирование о тематике, наполнении, структуре и методах доступа к выбранному ресурсу;
2. Формирование (форма, способ ввода), а также адаптирование (структурное и лексическое) выражения запроса, где система предоставляет вспомогательные информационные объекты (словари, тезаурусы, шаблоны и т.д.), используемые автоматически или в диалоговом режиме;
3. Отбор документов по критерию, адекватному степени неопределенности информационной потребности, где система предоставляет выбор механизма поиска или, например, автоматически расширяет лексику запроса;
4. Формирование и управление выдачей найденных документов, где система обеспечивает масштабирование (форматирование) пространства представления выданных документов, а также сортировку и, возможно, ранжирование по критерию соответствия;
5. Оценку результатов поиска с точки зрения полного удовлетворения информационной потребности (т.е. завершение поискового процесса) или их соответствия цели поиска и степени освоения информационного ресурса в части соответствующей теме запроса (для обоснования решения о завершении процесса из-за отсутствия информации), где система позволяет количественно оценивать динамику выдач и обеспечивает выборочное обращение к результатам отдельных этапов процесса поиска;
6. Развитие запроса реформулированием по технологии “по обратной связи” или использованием других ресурсов, где система обеспечивает регистрацию оценки пользователя и генерацию нового выражения запроса (включающего, например, статистически значимые термины из документов, которые пользователь отметил как дествительно релевантные), а также связывание ресурсов, например ассоциированных баз данных вторичной или справочной информации.

Следует также отметить и некоторые особенности взаимоотношений человека и автоматизированной поисковой системы, обусловленные “заторможенным развитием” последних, сохранивших пакетную, вопросно-ответную идеологию, свойственную уже ушедшим системам информационного обслуживания, когда гарантом качества поиска был информационный работник. Задачей такого информационного посредника были понимание и интерпретация потребностей пользователя и, далее, используя знание базы и поисковых средств, проведение эффективного (по крайней мере – профессионального) поиска. В современных условиях “информационного самообслуживания”, пользователь, привыкший к интуитивному освоению программных средств (в основном стандартных средств операционной системы, большинство из которых имеет существенно более дружественных интерфейс), часто неадекватно оценивает состояние и результаты поиска. Крайними примерами ошибок может быть:

• принятие безаппеляционного решения о “плохой” базе данных или поисковой системе после получения плохого или нулевого результата по первому же запросу, иногда даже не являющемуся правильным выражением поискового языка;
• прекращение пользователем развития запроса, если он получает известные или собственные публикации. Здесь происходит подмена критерия остановки процесса поиска новой информации по условию ее нахождения или по условию отсуствия новой информации в каждой новой выдаче, условием подтверждаемости “результативности” выражения запроса.

Кроме того, пользователь рискует обрести некоторую убежденность в том, что ИПС (особенно когда речь идет о поисковых средствах Internet) всемогущи и вездесущи, а их способности извлекать информацию (знания) из текстов и массивов документов бесконечно выше человеческих. Такой подход в лучшем случае приводит к некритичному отношению к результату поиска, и пользователь удовлетворяется уже фактом получения выдачи (а современные ИПС часто устроены так чтобы практически всегда пользователю выдавались какие-нибудь документы, пусть даже и в минимальной степени соответствующие запросу).

По существу же ИПС является всего лишь инструментом, используемым человеком при поиске, а не интеллектуальным автоматом для поиска информации. Соответственно, эффективность его использования зависит от того, насколько хорошо человек знает природу объектов и свойства инструмента, посредством которого он с этими объектами работает.

Говоря об организации поиска информации, представленной в документальной форме (и отдавая должное истории развития АИПС), можно говорить о системах, основанных на одном из двух типов “стратегических” решений. Первые представлены “классическими” АИПС, берущими начало от библиотечных систем, информационный вход в которых реализуется через дополнительные (вторичные по отношению к текстам документов) справочные структуры различного типа. Вторые - гипертекстовые системы, в которых переход к потенциально полезному документу, реализуется через ссылку, размещенную непосредственно в тексте документа.

Относительная независимость развития этих двух направлений в значительной степени обуславливалась функциональным различием информационного продукта и техническими ограничениями среды хранения. Имея в виду тождественность конечной задачи - обеспечение доступа к реально полезной и полной информации (а не только выдача документов по формальным признакам), гипертекстовые системы использовались для реализации локальных справочных систем, базирующихся на предметно-ориентированных, ограниченных коллекциях полнотекстовых документов, а эффективность поиска документов или их фрагментов достигалась через более или менее полную систему контекстно-определенных ссылок. ИПС же предназначались для обработки большого количества однородных (регулярных), чаще всего вторичных документов.

Можно сказать, что у этих двух типов систем принципиально различаются сценарии и средства выборки пользователем реально нужной информации.

Координатное индексирование документов и использование в запросе терминов вне контекста предопределяет для классических АИПС необходимость последующей пользовательской оценки документов, после их отбора системой по формальным признакам. Гипертекстовые же системы позволяют более целенаправленно (хотя лишь в рамках отдельного, текущего, документа) управлять переходом к следующему документу за счет контекстной определенности ссылки. Соответственно (субъективно) легче выработка решения о завершении поиска по критерию удовлетворения потребности или исчерпания релевантных документов в просматриваемом потоке. Однако, по крайней мере для класса задач поиска новой информации, не укладывающейся в предопределенность типологии и графов ссылок, более эффективным представляется метод координатного индексирования с его свойством комбинативности.

В этом смысле противопоставление “классических” АИПС и “истинно гипертекстовых” является альтернативой. С появлением технических возможностей реализации полнотекстовых ИС альтернативность выбора какой либо одной из двух “стратегических” технологий практически перешла в плоскость экономических решений о степени насыщения отдельных документов ссылками и максимально допустимых объемах словарей, индексирующих все или отдельные поля документов. Наиболее показательным примером является WWW-технология Internet, где массивы документов изначально создаются по гипертекстовой технологии, а в дальнейшем строятся индексы, реализующие “классические” поисковые технологии.

Таким образом, в итоге процесс поиска может быть представлен как навигация - целенаправленное и управляемое перемещение в документальном и лексическом пространстве базы данных и обеспечивающее оцениваемую степень удовлетворения информационной потребности, или подтверждающее отсутствие информации.

Целенаправленность здесь предполагает (помимо очевидного, что без определенной цели в базу не обращаются) наличие некоторой цели, которая в свою очередь может быть представлена как комплекс локальных целей тематического (многоаспектный поиск) и/или технологического типа. Это означает, что для того, чтобы обеспечить целенаправленность избирательного обращения к технологическим объектам, интерфейсные средства системы должны позволять фиксировать и идентифицировать цель (точнее, технологические объекты, использованные в процессе ее достижения). Управляемость предполагает, с одной стороны, возможность выбора средств и/или изменения параметров работы, а с другой – выборочное, в том числе повторное, использование (например, для развития поиска или сравнительного анализа результатов), обработку (например, статистическую или структурно-форматную). Кроме того, выделенная последовательность результатов (физически соответствующая отдельным шагам поиска, а логически – отдельной цели) образует ряд, что позволяет использовать статистически значимые показатели (разностного типа), характеризующие сходимость процесса и, в частности, обеспечивающие некоторую обоснованность принятия решения об окончании процесса совершенствования запроса.