İnformatikanin əsaslari

Mətni axtarış prinsipləri

Müasir mətn axtarışı sistemlərinin mürəkkəbliyinin mənbələri. Müasir sistemlər deskriptorlarla və ya sənəddəki atributlarla (nəşr ili, müəllifi, nəşriyyat və s.) işləyən əvvəlki axtarış sistemlərindən fərqli olaraq sənədin məzmunu ilə iş görür.

Təbii dildə verilən cümlə və ya ifadə çox hallarda ikimənalı və bolluqlu olur. Sinonimləri, omonimləri, qramatik forma müxtəlifliklərini nəzərə almaq lazım gəlir. Cümlədəki sözlər arasındakı məna əlaqələri çox zaman əyani olmur. Yeni terminlər və anlayışlar yaranır. Bütün bunlar mətni informasiya resurslarının strukturlaşdırılmama- sına dəlalət edir.

Sənədlərin təqdimatı. Mətni axtarış sistemlərində saxlanan sənəd kolleksiyaları olduqca iri ola bilir. Sənəddəki mətnlər də iri həcmli ola bilir. Buna görə də bütün mətnin təhlili səmərəli deyil. Vəziyyətdən çıxış yolu sənədin struktur təqdimatı ilə, başqa sözlə, sənədin təqdimat nümayəndələri ilə işləməkdən ibarətdir.

Sənədlərin indeksləşdirilməsi. Sənədlərin təqdimatı onların xassələri (atributları) çoxluğu ilə yaradılır. ―Dublin nüvəsi‖ (DC 1.1) adlanan beynəlxalq standartda sənədin təqdimatı 15 metaverilən elementlə verilir:

Title (resursun adı);

Creator (resursu hazırlayan və buna məsul olan şəxs, təşkilat və ya şöbə);

Subject (resursun məzmununda müzakirə edilən mövzu); Deskription (resursun məzmununun sərbəst formada təsviri); Publisher (resursa müraciət təmin edən şəxs, təşkilat, şöbə);

Contributor (Creator-da göstərilənlərdən əlavə, resursun hazırlanmasında iştirak edənlər);

Date (resursun yaradılması və ya təqdim edilməsi tarixi); Type (resursun janrı, kateqoriyası və digər xarakteristikaları); Format (resurs təqdimatının xarakteri);

İdentifier (resursa dəqiq iqtibas);

Source (resursun götürüldüyü mənbəyə iqtibas);

Language (resursun təqdimat dili);

Relation (verilənlərlə əlaqəli resursa iqtibas);

Coverage (resursun aid olduğu sahə, zaman və s.);

201

Rights (resursa intellektual mülkiyyət hüququ).

Kvalifikatorlar – metaverilən elementlərin semantikasının dəqiqləşdiriciləri ―Dublin nüvəsi‖ndəki qeyri-müəyyənlikləri aradan qaldırır. Məsələn, Date elementi üçün yaradıl- ma tarixi, müraciət tarixi kimi dəıqiqləşdirmə etmək olar.

Sənədlə assosiasiyalanmış ixtiyarı atribut indeksləşdirilmiş xassə adlanır. Bu xassələrə əsasən axtarış sistemində verilənlərin köməkçi strukturu qurulur ki, bunun köməyi ilə sənədin bütün məzmununa baxmadan lazımi sənədi axtarıb tapmaq olur. Köməkçi struktur indeks, göstərilən atributların sənədlə assosiasiyalanması propsesi sənədin indeksləşdirilməsi adlanır.

Köhnə axtarış sistemlərində deskriptor adlanan ayrı-ayrı söz və söz birləşmələrin- dən istifadə olunurdu. Deskriptor sənədin axtarış obrazı idi. Bu sistemlər deskriptorlu sistem adlanırdı. Deskriptorlu sistemlər hələ də istifadə edilir.

Sənədlərin indeksləşdirilməsi sənədin annotasiyası və ya tam mətni əsasında müəllif tərəfindən adi qaydada, ya da sənədin kompüter təhlili yolu ilə avtomatik həyata keçirilir. İstifadəçi sorğularının təqdimatı. Mətni axtarış sistemlərinin digər mühüm məsə-

ləsi istifadəçi sorğularının məzmununun strukturlaşdırılmış təqdimatıdır. Sorğuların təqdimatı da sənədlərin təqdimatına uyğun prinsiplərdən çıxış edərək hazırlanır. Əks halda sorğu ilə axtarış obyektini müqayisə etmək mümkün olmaz.

Sənədlərin relevantlığı kriteriləri. İstifadəçi sorğusunun emalı prosesində növbəti baxılacaq sənədin relevantlığı qiymətləndirilməlidir. Bu məqsədlə relevantlıq (yaxınlıq) kriterisindən istifadə edilir. Bu kriteri sənəd və sorğunun təqdimat üsulundan asılıdır. Məsələn, deskriptorlu sistemlərdə sənəd o zaman relevant sayılır ki, sorğudakı axtarış obrazını əmələ gətirən deskriptorlar sənədin axtarış obrazındakı deskriptorlar çoxluğunun alt çoxluğu olsun. Müasir sistemlərdə daha mürəkkəb kriterilərdən istifadə edilir.

Mətni axtarışın ümumi prinsipləri. Müasir mətni axtarış sistemlərində sənədlərin indeksləşdirilməsi və təqdimatı, istifadəçi sorğularının təqdimatı və sənədlərin relrvant- lığının qiymətləndirilməsi üçün çoxsaylı yanaşmalar tətbiq edilir. Buna baxmayaraq, axtarışın təşkilinin müəyyən ümumi prinsipləri də mövcuddur.

Sənəd sistemə daxil edilərkən indeksləşdirilir və təqdimatı hazırlanır ki, bu da sor- ğuların emalı zamanı həmin sənədin əvəzedicisi kimi çıxış edir. Sonra konkret sənədlərin

202

İstifadəçi sorğusu sistemə daxil olan kimi onun da təqdimatı hazırlanır. Bu, sənədin təqdimatına anolijidir. Sonra sorğu təqdimatı yaxınlıq kriterisi üzrə sənəd təqdimatları ilə bir-bir müqayisə edilir. Uyğunluq şərti ödəndikdə axtarış bitir.

3.