Кузнецов И.Н. Курсовые и дипломные работы

Подождите немного. Документ загружается.

(hltp:ffwww.ovid.com)

имеется 300 журналов, причем при поиске

возможен переход между

библиографическими

полнслексто-

выми

базами

данных,

также

выбор и

изменение

масштаба

от-

дельных

графических

элементов.

Отметим сразу, что многие из

функциональных

возможностей баз

лонных,

упоминаемых ниже,

предложены

угой

фирмой. Другой

крупный

разработчик

элект-

ронных

баз

данных--UMI

(http://www.ieni.com)

предлагает

online-

библиотеку

ProQuestDi-rect.

в которой

120

журналов,

причем

самая

ранняя

информация

датируется

1987

г. Пользователь мо-

жет указать, в какой форме

должен

будет

представлен результат:

библиографическая

ссылка,

реферат,

полный текст, полный текст

графикой,

отсканированные изображения страниц статьи и т. п.

Формулировка запроса

Определив

свой вопрос и выбрав ресурсы для поиска, вы

должны

сформулировать

запрос, т. е.

выразить

вопрос на

язы-

ке, понятном машине.

Для этого следует:

разбить

вопрос

на

понятия,

которые будут искаться от-

дельно, а

затем

объединить их соответствующими

логически-

ми операторами (AND, OR. NOT), если в системе поиска

пре-

дусмотрены булевы операции:

- реши гь, насколько широко проводить поиск: сделать ли

акцент

на полноту отклика, т.е. найти по данной теме, часто

получая при этом много ненужной

информации,

или на

точ-

ность, т. е. быстро найти очень ограниченную конкретную ин-

формацию по теме,

теряя

некоторые относящиеся к ней важные

сведения

(заметьте, это будут

совершенно

разные запросы):

- учесть все варианты написания слов и синонимы, если

вы ищете при помощи произвольного текста;

выбрать

соответствующую тематическую

рубрику,

если

вы пользуетесь управляемым словарем (это эффективнее клю-

чевых слов);

- решить, ограничили бы вы поиск определенными поля-

ми

базы

данных или выполнили бы уточняющие и другие спе-

циальные функции.

Сейчас

поисковые системы предлагают помощь при реше-

нии этих

задач.

Например, в

MEDLINE

«отображение»

вводи-

мого понятия помогает выбрать соответствующую тематичес-

кую рубрику.

Выполнение

поиска

При поиске чаше всего применяют первый из описанных

ниже методов в силу его

простоты.

Кроме того, далеко не во

всех базах данных реализован управляемый словарь. И даже

при

его

наличии пользователям нужно некоторое время, что-

бы убедиться в его несомненных

преимуществах

и применять

наряду с привычными ключевыми словами.

Поиск

произвольного

текста

При таком подходе вы ищете слова, которые были упот-

реблены, например, в заголовках статей и рефератах, переби-

рая

все

варианты написания и синонимы, Очевидно, что вы вряд

ли будете уверены, что нашли все

возможное,

так как автор

мог использовать редкий и

специфический

термин. В некото-

рых системах поиска алгоритм позволяет вводить набор слов

и учитывает кое-какие формы слова, например множественное

число.

Поиск

при помощи

управляемого

словаря

Предположим, составлен стандартный иерархический спи-

сок терминов,

представляющих

все основные понятия некото-

рой отрасли науки и смежных дисциплин. Тогда, прежде чем

добавить ссылку на журнальную статью в справочную базу

данных, из этого списка надо

выбрать

термины, характеризу-

ющие

содержание

статьи, и ввести в запись.

Так

организован,

например, MeSH - Medical Subject

Headings

(указатель медицинских рубрик). В его основе лежит

принцип:

всем статьям об одном и

том

же предмете

присваивается одна и та же стандартная тематическая рубри-

ка, независимо от

того,

какле

именно слова употребил автор.

В этом случае, если вам известна стандартная рубрика,

гораздо легче выполнить полный поиск в ее

рамках,

а найти

рубрику,

наиболее близко соответствующую введенному вами

слову или фразе, помогает функция «отображения», которая .

выдает вам

перечень

примерно подходящих рубрик, из кото-

рого вы уже сами выбираете нужную.

Но в MeSH сделан ешс один шаг: статьи точно индексиру-

ются по наиболее близким к их содержанию рубрикам. Однако

благодаря иерархичности

терминов

возможен очень мощный

прием поиска, называемый

«расширением».

Когда вы пользуетесь для поиска некоторым достаточно

широким понятием, то статьи, индексированные по более уз-

кому термину, не

выбираются;

если же применять "расшире-

ние", то в результат

будут

включены не только статьи,

относя-

щиеся к

подрубрикам.

расположенным на один

иерар\ический

уровень ниже. В то же время вы можете искать

информацию

но

более

узкому

понятию и

найти

именно то. что вам нужно.

Два указанных

приема,

т. е. поиск произвольного текста и

поиск при помощи управляемого

словаря,

не являются взаи-

моисключающими.

Напротив,

наиболее эффективные страте-

гии получаются при их комбинации.

Например,

можно найти

довольно значительное

чис.ю

статей по терминам

MeSH.

а за-

тем сузить результат за счет выбора части из них по ключево-

му слову.

Базы

данных и прочие источники информации

доступны

через многие Web-интерфейсы. Некоторые из них

бесплатны,

для других необходима регистрация и оплата услуг. В

преды-

дущих

главах найдется достаточно примеров.

Оценка результатов поиска

Это

необходимый

критический

этап

поиска,

которым час-

то пренебрегают. Вот некоторые рекомендации для определе-

ния

достаточности

поиска:

Просмотрите результаты своего

поиска,

чтобы

понять,

почему выбраны эти элементы и какую часть составляют нуж-

ные, т. е, был ли поиск «прицельным».

2. Не забывайте, что ошибки могли быть

допущены

па

любой стадии поиска, например:

а) слишком широкая или узкая формулировка запроса в

начале;

б) выбор не лучшей базы данных для поиска:

в) неправильная формулировка запроса (выбор не той

рубрики,

ошибочное

представление

о выбранной

рубрике,

вы-

бор многозначного ключевого слова или сокращения);

г) ошибки набора или неправильное

применение

опера-

торов при вводе стратегии поиска.

Оценка

достаточности зависит от того, для каких целей

будут использованы результаты поиска. Объем

ссылок,

необ-

ходимый для

написания

обзорной статьи, будет

избыточным,

если вам нужны всего лишь несколько хорошо отражающих

вашу проблему

статей:

первые

попытки

поиска обычно менее

точны,

чем

последующие,

когда стратегия уточняется и сфера

поиска сужается.

4. Если вам уже известны некоторые из найденных

ссылок,

но результаты поиска

отрицательны,

следует предположить

наличие ошибки в

стратегии.

Если вы нашли слишком мало

или слишком много, то

считайте

это первым сигналом о неэф-

фективности

поиска.

Примечание.

Не

делайте

скоропалительных

выводов,

если

ничего

(или

почти

HHHCI

о) не

найдено.

Часто

это не

является сви-

детельством отсутствия

информации.

Обычно доказать

отрица-

тельный

результат

(т. е.

отсутствие

литературы по этой теме) не-

просто. Прежде чем

прийти

к такому

заключению,

надо попро-

бовать несколько

других

подходов.

Как правило, гораздо легче идти от широкой стратегии к

узкой,

чем, наоборот, построить очень

узкую

стратегию и рас-

ширять ее. если найдено

с-шшком

мало.

Если

одновременно

используются несколько критериев поиска, попробуйте «осла-

бить» или убрать некоторые.

Чрезмерно

обширный

результат поиска - явление доволь-

но

распространенное,

час

со из-за ошибочного определения

проблемы или формулировки запроса. Но что делать, если на-

шлось 400 действительно хороших ссылок по теме ваших

исследований,

а вам достаточно 25? Тогда попробуйте:

- ограничить поиск дополнительными критериями,

пре-

дусмотренными системой (для баз данных OVID Technologies

это может быть язык или год

публикации,

тип статьи, объект

исследования и др.);

- прочитать названия и аннотации и выбрать самостоя-

тельно наиболее подходящие ссылки (хотя это весьма поверх-

ностный подход, не учитывающий полного содержания статьи).

Если вы

удовлетворены

результатом поиска, запишите

стратегию - она может быть

неоднократно

использована в даль-

нейшем для поиска более

современной

литературы.

2.3.2. Поиск информационных ресурсов

Говорят,

что в Интернете есть все. На самом деле, конеч-

но, это не так. Материалы для размещения в Сети готовят жи-

вые люди, и потому там можно найти лишь то. что они сочли

нужным (в смысле

полезным,

или

выгодным

для себя

(опублико-

вать.

Впрочем,

река

питается

ручьями, и благодаря их

творче-

гву

сегодня в Интернете уже

образовалось

около двух милли-

ардов

Web-страшщ.

В результате

каталогизация

имеющихся в Сети ресурсов

стала

серьезной

проблемой. Несмотря на

то,

чго ею занима-

ются тысячи

организаций,

проблема не только не приближает-

ся

разрешению,

но и становится

острее.

Процент

каталогиш-

рованных

(или

индексированных)

ресурсов неуклонно падает.

В последние два года это падение стало

катастрофическим..

Вывод простой; пространство Web быстрее

наполняется,

чем

систематизируется.

К сожалению, у нас нет оснований пред-

полагать,

что в ближайшее время что-нибудь может измениться

лучшему.

В итоге полек информации в

World

Wide Web мож-

но

считать

самой трудной задачей в Интернете. Если вы под-

ключились к Сети с

серьезными

намерениями,

не пожалейте вре-

мени дли решения этой задачи.

Поисковые

системы Интернета

Поисковые

каталоги

Взгляните на

эту

книгу.

Она

начинается с

Содержания

заканчивается

Алфавитным

указателем.

Несмотря на то. что

они расположены в разных местах

книг

выглядят совершен-

но по-разному, задача у них одна: помочь найти в книге имен-

но

тот

раздел,

который в данный

момент

нужен.

Содержание - это пример

каталогизации.

Читатель

выби-

рает

тему, которая ему ин

гересна,

и по пей находит номер стра-

ницы,

где

эта

тема

раскрывается. Алфавитный

указатель

при-

мер индексации (по-английски index - это и есть

указатель).

Читатель находит в указателе нужный термин и получает но-

мер

страницы,

на которой он

встречается.

В Интернете каталоги и указатели различаются техноло-

гией подготовки. Над каталогами работают

люди,

указа!ели

формируются автоматически. При каталогизации ресурса

опытный

редактор внимательно

просматривает

его,

определя-

ет, к какой обласги знаний относится данный

ресурс,

устанав-

ливает его категорию в этой отрасли и вносит

ресурс

в ката-

лог.

Самый крупный каталог Интернета - Yahoo

(www.

yahoo.com). В нем работают более 150 квалифицированных

редакторов. Это большая

организация,

но и ее усилий хватает

лишь на то, чтобы поддерживать каталог на уровне

примерно

одного миллиона ресурсов. Дальнейшее расширение сдержи-

вается необходимостью поддерживать уровень актуальности.

Сегодня редакторы Yahoo

заняты

не столько наполнением ка-

талога новыми

ресурсами,

сколько проверкой актуальности

ресурсов,

каталогизированных

ранее.

В российской части

Интернета

тоже есть несколько ката-

логов. В недавнем прошлом лучшим считался каталог

@Rus

(www.atrus.ru).

но в последний год он заметно

коммерциализи-

ровался, поменял направленность и сейчас представляет не

столько каталог, сколько группу тематических

Web-порталов,

собранных под одним доменным именем и

посвященных

об-

ществу, музыке, спорту,

здоровью

и т. д.

Лишь в категории "Интернет"

@Rus

продолжает оставать-

ся полноценным каталогом с базой данных среднего размера

(порядка 10 тыс.

классифицированных

ссылок). Ведущим же

каталогом России в настоящее время стал ресурс

"List.Ru"

(www.list.ru). Его активы примерно

100

тыс. ссылок,

классифи-

цированных

по 18 категориям (Автомобили, Вокруг света.

Отдых, Образование и наука и т. д.). С большим отставанием

за ним следуют еще два

каталога:

"Созвездие

Интернет'"

(www.stars.ru) и "Russia on the

Net"

(www.ru). Их активы при-

мерно равнозначны и составляют

35-40

тыс. ссылок, но акти-

вы "Созвездия" выглядят более актуальными.

Поисковые

указатели

Поисковые указатели

это автоматизированные системы.

Они способны

функционировать

без участия человека, и пото-

му их знание о подлинных ресурсах Сети намного (на несколь-

ко порядков) больше. Количество

проиндексированных

Web-

страниц может измеряться сотнями миллионов.

Работа поискового

указателя

происходит в три этапа, из

которых два первых

являются

подготовительными

и незамет-

ны для пользователя. Сначала поисковый указатель собирает

информацию

из World Wide Web. Для этого используют специ-

альные программы,

аналошчные

броузерам. Они способны

скопировать заданную Web-страницу на сервер поискового

указателя, просмотреть ее, найти все

гиперссылки,

которые на

ней имеются, перейти по

указанным

в них адресам,

скопиро-

вать те ресурсы, которые найдены там, снова разыскать имею-

щиеся в них гиперссылки и т. л.

Подобные программы называют

червяками,

пауками, гу-

сеницами,

краулералш,

спайдерами

и другими подобными име-

нами. Каждый поисковый

указатель

эксплуатирует

для

этой

цели свою уникальную программу, которую нередко сам и

раз-

рабатывает.

Мшгие

современные

по исковые

системы

родились

из

экспериментальных

проектов,

связанных

с разработкой и

внедрением автоматических программ, занимающихся мони-

торингом Сети.

Теоретически при

удачном

входе

спайдер

способен

проче-

сать все Web-пространство за одно

погружение,

но на это надо

очень много

времени,

а ему еще

необходимо

периодически воз-

вращач

ься к ранее посещенным ресурсам, ч

гобы

контролиро-

вать происходящие там изменения и выявлять "мертвые", т.

с.

потерявшие

актуальность,

ссылки. Неактуальными называют

ресурсы, которые по каким-то причинам перестали

существо-

вать (или изменили местоположение), хотя гиперссылки, име-

ющиеся в других

ресурсах,

продолжают па них

указывать.

При

использовании

"мертвых" гиперссылок мы получаем сообще-

ние от броузера о том, что ресурс не найден.

После копирования разысканных Web-ресурсов на сервер

поисковой системы начинается второй

работы - индекса-

ция.

В ходе

индексации

создаются

специальные базы

данных,

помошыо

которых можно установить, где и когда в Интернете

встречалось то или иное слово.

Считайте,

что индексирован-

ная база данных - это своего рода словарь. Она необходима

для того, чтобы поисковая система могла очень быстро отве-

чать на запросы

пользователей.

Современные системы способ-

ны выдавать ответы за доли

секунды,

но если не подготовить

индексы заранее, то обработка одного запроса

будет

продол-

жаться

часами.

На третьем этапе происходит обрабо

ка

запроса клиента

и выдача ему результатов поиска в виде

списка

гиперссылок.

Допустим, клиент

хочет

узнать,

где в

Интернете

имеются Web-

страницы,

на которых упоминается

известный

голландский

механик,

оптик и математик Христиан Гюйгенс. Он вводит сло-

во Гюйгенс в поле

набора

ключевых

слов и нажимает кнопку

"Найти" (Search). По своим базам указателей поисковая систе-

ма в доли секунды разыскивает подходящие Web-ресурсы и фор-

мирует

страницу

результатов поиска, на которой

рекоменда-

Зак.

737

ции

представлены

виде

шперссылок.

Далее клиент может

пользоваться этими ссылками для перехода к интересующим

его

ресурсам.

Все это выглядит достаточно просто, но на самом деле здесь

есть проблемы.

Основная

проблема Современного Интернега

связана с изобилием

Web-страниц.

Достаточно ввести в ноле

поиска такое простое

слово,

как,

например,

"футбол", и рос-

сийская поисковая система

выдаст

несколько тысяч ссылок,

сгруппировав

их по 10 - 20 штук на отображаемой странице.

Несколько тысяч - это еще не так много, потому что

зарубежная

поисковая система в аналогичной

ситуации

выда-

ла

бы сотни тысяч ссылок.

Попробуйте

найти среди них нуж-

ную! Впрочем, для рядового потребителя совершенно все рав-

но, выдадут ему тысячу

результатов

поиска или миллион. Как

правило, клиенты просматривают не более 50 ссылок, стоящих

первыми, и что там делается

дальше,

мало кого беспокоит.

Однако

клиентов очень и очень беспокоит качество самых

первых ссылок. Клиенты не любят, когда в первом десятке встре-

чаются ссылки, утратившие актуальность, их раздражает, ког-

да подряд идут ссылки на соседние файлы одного и того же

сервера. Самый же плохой

вариант-

когда подряд идут несколь-

ко ссылок,

ведущих

к одному и тому же ресурсу, но находяще-

муся на разных серверах.

Клиент вправе ожидать, что самыми первыми будут сто-

ять наиболее

полезные

ссылки. Вот здесь и возникает пробле-

ма. Человек легко отличает полезный ресурс от бесполезного,

но как объяснить это программе?! Поэтому лучшие поисковые

системы проявляют чудеса искусственного интеллекта в попыт-

ке отсортировать найденные

ссылки

по качественности их

ресурсов. И делать это они должны быстро - клиент не любит

ждать.

Строго говоря, все поисковые системы черпают исходную

информацию из одного и того же

Web-пространства,

поэтому

исходные базы данных у них могут быть относительно похо-

жи. И лишь на третьем этапе, при выдаче результатов поиска,

каждая поисковая система начинает

проявлять

свои лучшие

(или худшие)

индивидуальные

черты.

Операция сортировки полученных результатов называет-

ся ранжированием. Каждой найденной Web-странице система

присваивает какой-то рейтинг, который должен офажать ка-

чество материала. Но

качество

- понятие

субъективное,

а про-

грамме нужны объективные критерии, которые

.можно

выра-

зить

числами,

пригодными для сравнения.

Высокие рейтинги получают

\УеЬ-с1ранииы,

у которых

ключевое слово, использованное в запросе,

входит

в заголо-

вок. Уровень

рейтинга

повышается, если это слово встречается

на Web-странице несколько раз, но не слишком часто.

Благоприятно влияет на

рейтинг

вхождение

нужного

слова в

юрвые

5 -- 6

абзацев

текста, так как они считаются самыми важ-

ными при индексации.

По этой причине опытные Web-мастера

избегают

давать в

начале

своих страниц таблицы. Для поисковой системы каж-

дая

ячейка таблицы выглядит как абзац, и потому основной

содержательный текст как бы далеко отодвигается назад

{хотя

на экране это и незаметно) и перестает

nrpai

ь решающую роль

для поисковой системы.

Очень хорошо, если ключевые

слова,

использованные в

запросе, входят в альтернативный текст, сопровождающий

иллюстрации.

Для поисковой системы это верный признак того,

что данная страница точно

соответствуем

запросу. Еще одним

признаком

качества Web-страницы является тот факт, что на

нее есть ссылки с каких-то других

Web-страниц,

Чем их боль-

ше, тем лучше. Значит,

э'1

Web-страница

популярна и облада-

ет

высоким показателем

цитирования.

Самые

совершенные

поисковые системы следят за уровнем цитирования

зарегист-

рированных ими

Web-страниц

и учитывают его при ранжиро-

ваний.

Создатели Web-страниц всегда

заинтересованы

в том, что-

бы их просматривало больше людей, поэтому они

специально

готовят страницы так.

чч

обы

поисковые системы давали им

высокий рейтинг. Хорошая, грамотная

работа

Web-мастера

способна значительно

поднять

посещаемость Web-страницы,

однако есть и такие

"мастера",

которые пытаются

обмануть

поисковые системы и придать своим Web-страницам

значи-

мость,

которой в них на самом деле нет. Они многократно по-

вторяют на

Web-странице

какие-то слова или группы слов, а

для

того чтобы те не попадались на глаза читателю, либо дела-

ют их исключительно мелким

шрифтом,

либо применяют цвет

.„.

текста,

совпадающий

с цветом

фона.

За

такие

"хитрости" поис-

ковая система может и

наказать

Web-страницу,

присвоив

ей

штрафной отрицательный рейтинг.

В последние годы сложилась и практика коммерческого

рейтингования.

В этом случае

поисковая

система дает более вы-

сокий рейтинг тем Web-страницам,

за

которые их

владелец

зап-

латил. Невзирая на очевидную субъективность такого подхода,

в нем есть определенный смысл

для

тех, кто ишет информацию в

Интернете по

распространенным

словам. Например, если кли-

ент ввел в поле поиска слово "автомобиль" или "сантехника",

то можно предположить, что он хочет приобрести либо маши-

ну, либо смеситель для мойки. В этом случае ему не нужны рома-

ны из жизни сантехников, как не нужны и рассуждения об управ-

лении автомобилем. Почему бы на первом месте среди резуль-

татов поиска не дать ему адреса известных торговых фирм?

Необходимость в ранжировании результатов поиска

оче-

видна. Без этого клиенты захлебнулись бы в потоке предлагае-

мых ссылок и. может

быть,

так никогда и не добрались до самых

полезных для себя ресурсов. Однако у ранжирования есть и не-

гативная

сторона.

У каждой поисковой системы своя политика

ранжирования, и не исключено, что взгляды создателей поиско-

вой системы не вполне совпадают со взглядами клиента. Очень

может быть и так, что до каких-то ценных для себя ресурсов кли-

ент никогда и не доберется,

потому

что по результатам ран-

жирования они всегда

булуч

отодвигаться глубоко вниз.

Из этого можно

сделать

несколько

выводов:

- Во-первых,

старайтесь

избегать прямолинейного поиска

по одному слову. Дайте поисковой системе группу ключевых

слов, а еще лучше - фразу.

-Для

поиска по

группе

слов или по ключевой

фразе

исполь-

зуйте не какую попало поисковую систему, а ту, к которой наи-

более привыкли. В разных системах используются разные пра-

вила для записи

группы

слов, и эти правила надо знать

(об

этом

мы поговорим ниже).

- Если пользуетесь поиском

по

одному слову, то, наобо-

рот, применяйте как можно больше разных поисковых сис-

тем. То, что они используют разные алгоритмы рейтингова-

ния, нам на пользу --

дает

шанс не

пропустить

какой-то зна-

чимый ресурс.

[00