intTypePromotion=1

Giáo trình Hệ thống tìm tin: Phần 1 - TS. Ngô Thanh Thảo

Chia sẻ: Hoa La Hoa | Ngày: | Loại File: PDF | Số trang:58

0
220
lượt xem
56
download

Giáo trình Hệ thống tìm tin: Phần 1 - TS. Ngô Thanh Thảo

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Giáo trình "Hệ thống tìm tin" của TS. Ngô Thanh Thảo được biên soạn nhằm cung cấp những kiến thức cơ bản về hệ thống tìm tin cho sinh viên chuyên ngành Thông tin - Thư viện. Cuốn sách gồm 7 chương và được chia làm 2 phần. Phần 1 sau đây gồm nội dung 4 chương đầu tài liệu, trình bày các nội dung: Tổng quan về hệ thống tìm tin, hệ thống công cụ xử lý ngữ nghĩa trong các hệ thống tìm tin, tổ chức thông tin trong hệ thống tìm tin, thiết kế hệ thống tìm tin.

Chủ đề:
Lưu

Nội dung Text: Giáo trình Hệ thống tìm tin: Phần 1 - TS. Ngô Thanh Thảo

  1. LỜI NÓI ðẦU Giáo trình “Hệ thống tìm tin” ñược biên sọan nhằm cung cấp những kiến thức cơ bản về hệ thống tìm tin cho sinh viên chuyên ngành thông tin-thư viện. Nội dung giáo trình bao gồm 7 chương như sau: Chương 1: Tổng quan về hệ thống tìm tin. Chương 2: Hệ thống công cụ xử lý ngữ nghĩa trong các hệ thống tìm tin. Chương 3: Tổ chức thông tin trong hệ thống tìm tin Chương 4: Thiết kế hệ thống tìm tin Chương 5: Hệ thống tìm tin thủ công Chương 6: Hệ thống tìm tin tự ñộng hóa Chương 7: ðánh giá hiệu quả hoạt ñộng của hệ thống tìm tin Giáo trình này ñược biên soạn lần ñầu nên không tránh khỏi những thiếu sót. Rất mong nhận ñược ý kiến ñóng góp của các ñồng nghiệp và bạn ñọc ñể giáo trình ñược hoàn thiện hơn trong những lần xuất bản sau. Xin chân thành cảm ơn các ñồng nghiệp ở khoa Thư viện -Thông tin học, trường ðại học Khoa học xã hội và nhân văn Tp.Hồ Chí Minh, PGS.TS ðoàn Phan Tân, ThS.Vĩnh Quốc Bảo ñã nhiệt tình giúp ñỡ và có nhiều ý kiến ñóng góp cho tác giả trong quá trình biên soạn giáo trình. TP.Hồ Chí Minh, tháng 12 năm 2009 Tác giả 1
  2. BẢNG CÁC TỪ VIẾT TẮT AACR: Quy tắc biên mục Anh-Mỹ (Anglo-American Cataloguing Rule) CSDL: Cơ sở dữ liệu CQTT: Cơ quan thông tin DDC: Khung phân lọai thập phân Dewey (Dewey Decimal Classification) DC: Yếu tố siêu dữ liệu cốt lõi Dublin (Dublin Core) HTTT: Hệ thống tìm tin HTTTTðH: Hệ thống tìm tin tự ñộng hóa LCSH: Bảng ñề mục chủ ñề của Thư viện Quốc hội Mỹ (Library of Congress Subject Headings MARC: Biên mục ñọc máy (Machine Readable Cataloging) MLCC: Mục lục chữ cái MLPL: Mục lục phân lọai NNTT: Ngôn ngữ tìm tin OPAC: Mục lục công công truy cập trực tiếp (Online Public Access Catalog) TðTC: Từ ñiển từ chuẩn 2
  3. CHƯƠNG 1 TỔNG QUAN VỀ HỆ THỐNG TÌM TIN 1.1.Tìm tin 1.1.1. Khái niệm tìm tin Khái niệm tìm tin ñược nhiều tác giả ñề cập ñến trong nhiều tài liệu về các lĩnh vực khác nhau như thông tin học, thư viện học, khoa học máy tính… Sau ñây là một số ñịnh nghĩa về tìm tin. Theo TCVN 5453-1991, tìm tin là quá trình lựa chọn và ñưa ra từ một tập hợp tài liệu hay mảng tin nào ñó những tài liệu, thông tin thích hợp với nội dung yêu cầu tin. [8] Các tác giả cuốn “Cơ sở thông tin học” của Viện thông tin VINITI ñưa ra ñịnh nghĩa “Tìm tin là một tập hợp các công ñoạn ñược thực hiện với mục ñích tìm ra những tài liệu có chứa thông tin nhất ñịnh (sau ñó cung cấp chính các tài liệu ñó hoặc các bản sao của chúng) hoặc với mục ñích cung cấp các số liệu cụ thể ñể trả lời các câu hỏi ñược ñịnh trước”. [24] Theo C.T. Meadow, các thuật ngữ tìm tài liệu, tìm dữ kiện, chọn lọc dữ liệu và tìm tin ñược sử dụng ñể chỉ quá trình tìm các tài liệu ñáp ứng yêu cầu tin (tìm tài liệu) hoặc tìm thông tin trực tiếp (ba dạng tìm sau cùng). Vì vậy, “Tìm tin là quá trình tìm kiếm trong một mảng tin nào ñó những tài liệu chứa thông tin và việc tìm kiếm này không phụ thuộc vào bản chất, loại thông tin cần tìm và phương thức sử dụng thông tin ñó.” [22] Theo B.C.Vickery, tìm tin là quá trình lựa chọn thông tin từ một mảng tin. [31] Những ñịnh nghĩa trên cho thấy mặc dù cách diễn ñạt khác nhau nhưng có sự thống nhất tương ñối giữa các tác giả về ý nghĩa của thuật ngữ tìm tin. Như vậy, tìm tin là một thuật ngữ chung ñược sử dụng ñể phản ánh quá trình tìm kiếm tài liệu hoặc thông tin cần thiết trong một mảng tin nào ñó. Việc tìm kiếm tài liệu hoặc thông tin cần thiết ñược thực hiện một cách chọn lọc và thường ñòi hỏi nhiều công sức, thời gian và chi phí. Thư viện là một ví dụ ñiển hình về một tổ chức chuyên phục vụ cho việc tìm kiếm thông tin một cách chọn lọc. Một người dùng tin ñến thư viện không phải ñể ñọc toàn bộ tài liệu có trong thư viện mà ñể tìm tài liệu hoặc thông tin một cách chọn lọc nhằm thỏa mãn các nhu cầu tin của mình. Phương pháp hiệu quả nhất ñể tìm tài liệu hoặc thông tin cần thiết trong một thư viện bất kỳ là ñọc qua từng tài liệu của thư viện này. Tuy nhiên, trong thực tế không thể áp dụng phương pháp này vì số lượng tài liệu trong các thư viện thường rất lớn nên việc ñọc tất cả tài liệu ñể chọn ra những tài liệu cần thiết là không khả thi. Vì vậy, người ta sử dụng một phương pháp tìm tin khác, ñó là tìm tin theo các ñặc tính nội dung ngắn gọn hoặc theo các ñặc tính hình thức của tài liệu. 3
  4. Có thể xem tìm tin như một quá trình truyền thông một cách gián tiếp giữa các tác giả hoặc những người tạo lập các biểu ghi với những người sử dụng thông tin. Các ngôn ngữ và các kênh của hệ thống truyền thông này khác với các hệ thống truyền thông khác như truyền thông ñại chúng hoặc truyền thông trực tiếp. Các ngôn ngữ ñược sử dụng trong hệ thống truyền thông này có thể là các ngôn ngữ tìm tin và/hoặc ngôn ngữ tự nhiên. Còn các kênh truyền thông có thể là các công cụ tìm tin như hệ thống mục lục, bảng tra, cơ sở dữ liệu…Nói cách khác, tìm tin là một quá trình tương tác giữa người sử dụng và các mảng tin thông qua các công cụ tìm tin khác nhau. 1.1.2. Quá trình tìm tin Tìm tin là một quá trình cơ bản của con người và nó liên quan mật thiết với việc học tập và giải quyết vấn ñề. Quá trình tìm tin ñược bắt ñầu với nhu cầu tin của người sử dụng. ðể ñạt ñược mục tiêu như giải quyết một vấn ñề, trả lời một câu hỏi cụ thể hoặc ñể thỏa mãn tính ham hiểu biết, người dùng tin có thể cần thông tin nhanh và ngắn gọn hoặc thông tin ñầy ñủ và chi tiết. Trong hình 1.1. là sơ ñồ của quá trình tìm tin. Mặc dù trông có vẻ rất ñơn giản nhưng về thực chất, quá trình tìm tin bao gồm nhiều qui trình phức tạp. Một số qui trình là qui trình công nghệ và liên quan ñến hệ thống tìm tin, giao diện người sử dụng…Các qui trình khác liên quan ñến bản chất và các ñặc trưng của nội dung thông tin và người dùng tin cụ thể. Thời gian thực hiện và mức ñộ phức tạp của quá trình tìm tin phụ thuộc vào khả năng nhận thức, trình ñộ và nhu cầu tin của người dùng tin. Quá trình tìm tin là một quá trình tương tác phụ thuộc vào khả năng của người dùng tin, sự phản hồi từ hệ thống tìm tin và các quyết ñịnh của người dùng tin về các hành ñộng tiếp theo dựa trên sự phản hồi này. Các chi tiết về nhu cầu tin ban ñầu của người sử dụng có thể thay ñổi. Các nhu cầu tin ban ñầu thường ñược ñiều chỉnh sau khi người tìm tin biết nhiều hơn về vấn ñề ñang tìm kiếm thông qua sự tương tác với các hệ thống tìm tin. Vì vậy, quá trình tìm tin tiếp tục ñến khi người dùng tin có ñược thông tin thỏa mãn nhu cầu tin ñã ñược ñiều chỉnh của mình. Công nghệ thích hợp, chẳng hạn hệ thống tìm tin và giao diện người sử dụng thích hợp, có thể thúc ñẩy quá trình nhưng ñó không phải là vấn ñề cơ bản nhất vì quá trình tìm tin phụ thuộc nhiều vào người dùng tin và nhu cầu tin của người dùng tin cũng như bản chất, số lượng và sự ña dạng của thông tin. 4
  5. Nhu caàu tin Xaùc ñònh yeâu caàu tin Xaùc ñònh HTTT thích hôïp Ñaët yeâu caàu tin cho HTTT Nhaän keát quaû tìm Ñaùn h giaù keát quaû tìm Yeâu caàu tin ñöôïc thoûa maõn Khoân g thoûa maõn Thoûa maõn Keát thuùc 5
  6. Hình 1.1. Sơ ñồ quá trình tìm tin 1.1.3.Các dạng tìm tin Có thể phân chia các dạng tìm tin theo các tiêu chí khác nhau như dựa vào tính chất của thông tin ñược tra cứu, dựa vào công cụ tìm tin ñược sử dụng, dựa vào loại hình tài liệu, dựa vào thời gian xuất bản của tài liệu, dựa vào ngôn ngữ tài liệu... Trên thực tế, ñể tìm tin một cách hiệu quả, quá trình tìm tin thường ñược thực hiện dựa trên sự kết hợp nhiều dạng tìm tin với nhau. Dưới ñây là hai cách phân chia các dạng tìm tin thường ñược sử dụng. 1.1.3.1. Dựa vào tính chất của thông tin ñược tra cứu Dựa vào tính chất của thông tin ñược tra cứu, có thể phân chia thành các dạng tìm tài liệu và tìm thông tin dữ kiện. Tìm tài liệu là quá trình xác ñịnh và chọn lọc các tài liệu từ các nguồn tìm tương ứng với yêu cầu tin hoặc các dấu hiệu tìm tin cho trước như tên tác giả, tên tài liệu, nơi xuất bản, nhà xuất bản… Tìm thông tin dữ kiện là quá trình xác ñịnh, chọn lọc và tách ra khỏi nguồn tin những số liệu, dữ kiện cụ thể như các số liệu thống kê, các ñặc tính, thông số kỹ thuật của các thiết bị, vật liệu, các khái niệm khoa học…ñể ñáp ứng các yêu cầu tin. 1.1.3.2. Dựa vào công cụ tìm tin Dựa vào công cụ tìm tin, có thể chia thành các dạng tìm tin thủ công, bán tự ñộng và tự ñộng hóa. Tìm tin thủ công là quá trình tìm tin dựa trên các công cụ tìm tin thủ công hay còn gọi là công cụ tìm tin truyền thống như hệ thống mục lục, bộ phiếu tra cứu, bảng tra, thư mục, ấn phẩm thông tin, tài liệu tra cứu… Tìm tin bán tự ñộng là quá trình tìm tin dựa trên các công cụ tìm tin bán tự ñộng như phiếu lỗ mép và phiếu lỗ soi. Tìm tin tự ñộng hóa là quá trình tìm kiếm các thông tin ñược xử lý, lưu trữ và truy cập thông qua máy tính hoặc mạng máy tính. Trước ñây, tìm tin thủ công là dạng tìm tin phổ biến nhất trong các thư viện và cơ quan thông tin. Ngày nay, với sự phát triển nhanh chóng của công nghệ thông tin và viễn thông, tìm tin tự ñộng hóa ngày càng phổ biến hơn và trở thành dạng tìm tin chủ yếu trong các thư viện và cơ quan thông tin lớn. Bên cạnh ñó, các công cụ tìm tin bán tự ñộng hầu như không còn ñược sử dụng nữa nên dạng tìm tin bán tự ñộng ngày càng ñược ít người biết ñến. 1.2. Hệ thống tìm tin 1.2.1. Một số khái niệm 1.2.1.1. Khái niệm hệ thống tìm tin Khái niệm hệ thống tìm tin (HTTT) ñược ñề cập ñến trong nhiều tài liệu khác nhau. Sau ñây là một số ñịnh nghĩa về hệ thống tìm tin. Theo TCVN 5453-1991, hệ thống tìm tin là hệ thống ñược xây dựng nhằm tạo ñiều kiện cho việc tìm tin.[8] Theo D.B.Cleveland, hệ thống tìm tin là một công cụ thực hiện quá trình tìm tin.[14] 6
  7. Theo F.W.Lancaster, hệ thống tìm tin là tổ hợp bao gồm các tài liệu, yêu cầu tin, các mô tả thống nhất tài liệu và yêu cầu tin, phương tiện cho phép so sánh các mô tả này, và con người (bao gồm các chuyên gia thông tin, chuyên gia ñiều hành hệ thống và người sử dụng hệ thống). [20] Các tác giả cuốn chuyên khảo “Cơ sở thông tin học” của Viện thông tin VINITI ñưa ra ñịnh nghĩa “Hệ thống tìm tin là tổ hợp các thành phần liên kết với nhau ñược sử dụng ñể tìm trong một mảng tin nào ñó thông tin ñáp ứng yêu cầu tin ñược ñặt ra cho hệ thống.” [24] Trong giáo trình “Hệ thống thông tin”, V.P.Zakharov ñịnh nghĩa “Hệ thống tìm tin là tập hợp có tổ chức các tài liệu và các phương tiện kỹ thuật ñể lưu trữ và tìm kiếm thông tin hoặc tài liệu hoặc dữ liệu.” [33] G.Kowalski, tác giả cuốn chuyên khảo “ Hệ thống tìm tin: Lý thuyết và ứng dụng”, ñưa ra ñịnh nghĩa ñơn giản “Hệ thống tìm tin là một hệ thống có khả năng lưu trữ, bảo quản và tìm kiếm thông tin” [19] Những ñịnh nghĩa trên cho thấy thuật ngữ “hệ thống tìm tin” nói chung ñược dùng ñể chỉ một hệ thống ñược xây dựng ñể lưu trữ và tìm kiếm thông tin ñã ñược lưu trữ. Có nhiều loại hệ thống thông tin khác nhau, từ các hệ thống thủ công với thông tin ñược lưu trữ trên giấy ñến các hệ thống ñược số hóa hoàn toàn. Cách tổ chức thông tin và các kỹ thuật tìm tin trong các hệ thống tìm tin cũng khác nhau nhưng vấn ñề chung ñối với tất cả các hệ thống tìm tin là ñảm bảo hiệu quả tìm tin của hệ thống. 1.2.1.2. Một số khái niệm liên quan Nhu cầu tin Nhu cầu tin là nhu cầu khách quan của người dùng tin về những thông tin cần thiết cho công việc cụ thể của mình. [8] Yêu cầu tin Yêu cầu tin là nhu cầu tin của người dùng tin ñược thể hiện dưới dạng văn bản hoặc lời. [8] Mảng tin Mảng tin (Information retrieval file) là tập hợp các tài liệu, dữ kiện (hoặc các thông tin về chúng) ñược sắp xếp theo một trình tự nhất ñịnh tiện lợi cho việc tìm và xử lý tin. [8] Mẫu tìm Mẫu tìm của tài liệu là nội dung cơ bản của tài liệu ñược thể hiện bằng các thuật ngữ của ngôn ngữ tìm tin. Mẫu tìm của một tài liệu ñược tạo lập trong quá trình xử lý tài liệu và ñược sử dụng ñể tìm tài liệu ñó trong tập hợp nhiều tài liệu khác. Tập hợp các mẫu tìm của tài liệu là một bộ phận không thể thiếu của mảng tin. Quá trình thể hiện nội dung cơ bản của tài liệu bằng mẫu tìm ñược gọi là quá trình ñánh chỉ số. Lệnh tìm Lệnh tìm là nội dung của yêu cầu tin ñược thể hiện bằng các thuật ngữ của ngôn ngữ tìm tin. 7
  8. ðiểm truy cập ðiểm truy cập (access point) là một từ, cụm từ, mã số, tên gọi…ñược sử dụng ñể tìm thông tin trong một hệ thống tìm tin. ðiểm truy cập có thể là giá trị của các thuộc tính (hình thức và/hoặc nội dung) của ñối tượng ñược phản ánh trong hệ thống tìm tin. Ví dụ, trong một hệ thống tìm tin tư liệu, ñiểm truy cập có thể là tên tác giả, nhan ñề, ñề mục chủ ñề, từ khóa, ký hiệu phân loại…cho phép tìm kiếm và nhận dạng một biểu ghi thư mục. Các ñiểm truy cập này ñược người xử lý tài liệu lựa chọn khi tạo lập một biểu ghi. ðánh chỉ số ðánh chỉ số (Indexing) là quá trình thể hiện nội dung tài liệu và/hoặc yêu cầu tin bằng ngôn ngữ tìm tin. [8] Tính thích hợp Tính thích hợp (Relevance) là mức ñộ trùng hợp giữa nội dung tài liệu với yêu cầu tin. [8] Tính phù hợp Tính phù hợp (Pertinence) là mức ñộ trùng hợp giữa nội dung tài liệu và nhu cầu tin. [8] Tiêu chuẩn phù hợp ý nghĩa Tiêu chuẩn phù hợp ý nghĩa là tập hợp các qui tắc nhằm xác lập một cách hình thức mức ñộ thích hợp của tài liệu với yêu cầu tin. Có thể chia các tiêu chuẩn phù hợp ý nghĩa thành hai nhóm chính là ñịnh lượng và logic. Loại thứ nhất sử dụng các tiêu chí ñịnh lượng ñể ñánh giá mức ñộ giống nhau về nội dung giữa tài liệu và yêu cầu tin (hệ số tương thích). ðiều này cho phép sắp xếp kết quả tìm ñược theo trật tự giảm dần về mức ñộ thích hợp của tài liệu với yêu cầu tin. Có nhiều mô hình toán học và công thức khác nhau ñể tính hệ số tương thích. Tuy nhiên, cách tính ñơn giản nhất là dựa trên sự trùng hợp giữa các thuật ngữ trong mẫu tìm và lệnh tìm. Cách tính này ñược áp dụng trong tất cả các hệ thống tìm tin tư liệu sử dụng các ngôn ngữ tìm tin phân loại, ñề mục chủ ñề và từ khoá. Xác suất trùng hợp hoàn toàn giữa mẫu tìm và lệnh tìm trong các hệ thống tìm tin thường rất thấp. Vì vậy, có thể phải ñánh giá mức ñộ trùng hợp một phần giữa mẫu tìm và lệnh tìm. Nếu sự trùng hợp này ñạt ñến một mức ñộ cần và ñủ thì tài liệu tìm ñược ñược xem là thích hợp với yêu cầu tin. Gọi R là mức ñộ trùng hợp cần và ñủ giữa mẫu tìm và lệnh tìm ñể tài liệu tìm ñược về cơ bản ñáp ứng ñược yêu cầu tin. R ñược biểu thị bằng tỉ lệ %. R ñược tính bằng công thức: R= (M/N) x 100%, trong ñó: M là số lượng các thuật ngữ của mẫu tìm và lệnh tìm trùng nhau khi tìm tin. N là tổng số thuật ngữ có trong mẫu tìm. Trường hợp lý tưởng nhất là khi mẫu tìm trùng hợp hoàn toàn với lệnh tìm, nghĩa là M=N hay R=100%. Trên thực tế, với R>=25% là xem như ñạt yêu cầu. Loại tiêu chuẩn phù hợp ý nghĩa thứ hai là tiêu chuẩn phù hợp ý nghĩa logic. Trên thực tế, các hệ thống tìm tin sử dụng các lệnh tìm với các toán tử logic Bool ngày càng phổ biến. Trong các hệ thống này, các yêu cầu tin ñược thể hiện bằng biểu thức logic bao gồm một tập hợp các thuật ngữ tìm ñược liên kết với nhau bằng các toán tử 8
  9. Bool. Các thuật ngữ tìm của biểu thức ñóng vai trò như các biến số và sẽ nhận giá trị 1 (ñúng) nếu thuật ngữ ñó ñược chứa trong tài liệu hoặc nhận giá trị 0 (sai) khi tài liệu không chứa thuật ngữ ñó. Tài liệu ñược xem là thích hợp với yêu cầu tin nếu kết quả tổng thể của biểu thức logic nhận giá trị ñúng. Nếu kết quả có giá trị sai thì tài liệu không thích hợp với yêu cầu tin. Việc sử dụng các toán tử Bool ñảm bảo cho logic so sánh mẫu tìm và lệnh tìm dễ hiểu ñối với người sử dụng. Chính sự ñơn giản và dễ hiểu của tiêu chuẩn phù hợp ý nghĩa logic ñã giúp tiêu chuẩn này trở nên phổ biến. 1.2.2. Mục ñích của hệ thống tìm tin Một hệ thống tìm tin ñược xây dựng ñể tìm các tài liệu hoặc thông tin ñược cộng ñồng người sử dụng yêu cầu và phải sẵn sàng cung cấp tài liệu hoặc thông tin cần thiết cho người sử dụng. Vì vậy, một hệ thống tìm tin bất kỳ phải tập trung vào việc thu thập và tổ chức thông tin về một hoặc nhiều lĩnh vực kiến thức nhằm cung cấp thông tin một cách nhanh chóng nhất khi người sử dụng yêu cầu. Trên thực tế, hệ thống tìm tin ñóng vai trò như một cầu nối giữa các nguồn tài nguyên thông tin và những người sử dụng thông tin. Mục ñích chung của một hệ thống tìm tin là giảm tối ña chi phí của người sử dụng ñể tìm thông tin cần thiết. Chi phí tìm tin có thể ñược tính bằng thời gian một người sử dụng phải bỏ ra trong tất cả các bước của quá trình tìm tin cho ñến khi có ñược tài liệu hoặc thông tin cần thiết. Người sử dụng có thể gặp nhiều trở ngại trong quá trình tìm tin. Vì vậy, mục ñích của một hệ thống tìm tin là hỗ trợ tối ña ñể người sử dụng có thể tìm ñược thông tin cần thiết một cách nhanh chóng, ñầy ñủ và chính xác. 1.2.3. Chức năng của hệ thống tìm tin và yêu cầu ñối với hệ thống tìm tin 1.2.3.1. Chức năng của hệ thống tìm tin Một hệ thống tìm tin phải xử lý nhiều nguồn thông tin và yêu cầu tin khác nhau của người sử dụng. Có thể chia các chức năng của một hệ thống tìm tin thành hai nhóm chính là: 1) Phân tích nội dung và 2) Tìm tin và cung cấp kết quả tìm. Phân tích nội dung bao gồm các chức năng liên quan ñến việc phân tích, tổ chức và lưu trữ thông tin. Tìm tin và cung cấp kết quả tìm bao gồm các chức năng phân tích yêu cầu tin của người sử dụng, tìm tin, chọn lọc và cung cấp kết quả tìm. Cụ thể, các chức năng chính của một hệ thống tìm tin bao gồm:  Phân tích nội dung các tài liệu: phân tích và trình bày nội dung chính của tài liệu bằng các ngôn ngữ thích hợp;  Tổ chức và lưu trữ thông tin một cách thích hợp ñể có thể tìm kiếm thông tin theo các yêu cầu tin của người sử dụng;  Phân tích các yêu cầu tin của người sử dụng và thể hiện các yêu cầu tin ở dạng thích hợp với việc tìm kiếm trong hệ thống;  Tìm trong hệ thống và lựa chọn thông tin thích hợp với yêu cầu tin; Chức năng của một hệ thống tìm tin tư liệu ñơn giản ñược thể hiện trên sơ ñồ trong hình 1.2. 9
  10. Trong hình 1.2. là một hệ thống tìm tin với hai ñầu vào (dành cho tài liệu và yêu cầu tin) và một ñầu ra ñể cung cấp tài liệu hoặc thông tin theo yêu cầu. Ở các ñầu vào có các bộ phận ñánh chỉ số tài liệu và yêu cầu tin. Các mẫu tìm của tài liệu cùng với các ñịa chỉ lưu trữ tài liệu ñược ñưa vào bộ nhớ của hệ thống còn các tài liệu ñược ñưa vào bộ phận lưu trữ tài liệu. Các lệnh tìm của từng yêu cầu tin ñược bộ xử lý ñối chiếu với mẫu tìm của tất cả các tài liệu ñược chứa trong bộ nhớ. Nếu mẫu tìm và lệnh tìm tương thích (toàn phần hoặc theo tiêu chuẩn phù hợp ý nghĩa ñã xác ñịnh) thì bộ xử lý sẽ ñưa ra lệnh cung cấp tài liệu ñược chứa trong bộ phận lưu trữ tài liệu. Bộ phận lưu trữ tài liệu ñược xem như bậc thứ hai của hệ thống và thành phần này không hiện diện trong các hệ thống tìm tin thư mục (chỉ có một bậc là bộ nhớ lưu trữ thông tin về tài liệu ). Sơ ñồ này thể hiện hoạt ñộng của một hệ thống tìm tin bất kỳ, bao gồm cả các hệ thống truyền thống. Ví dụ, trong hệ thống tìm tin thủ công của một thư viện, các bộ phận ở các ñầu vào của hệ thống tương ứng các bộ phận xử lý tài liệu và tra cứu tin, bộ nhớ tương ứng với các mục lục thủ công. Trong hệ thống tìm tin thủ công không có bộ xử lý. Bộ phận này ñược thay thế bằng trí tuệ của người dùng tin hoặc cán bộ tra cứu – là người thực hiện việc so sánh, ñối chiếu lệnh tìm với mẫu tìm và lựa chọn kết quả tìm ñược. Maãu tìm Boä xöû lyù Leänh tìm Yeâu caàu & ñòa chæ Boä nhôù tin Taøi lieäu Taøi lieäu Ñòa chæ ñaõ xöû lyù Taøi lieäu Taøi lieäu Kho taøi lieäu & ñòa chæ Hình 1.2. Sơ ñồ tổng quát của hệ thống tìm tin 1.2.3.2. Yêu cầu ñối với hệ thống tìm tin Hệ thống tìm tin phải hướng ñến người sử dụng, nghĩa là phải chú trọng các tiện ích cho người sử dụng. Vì vậy, hệ thống tìm tin phải ñáp ứng các yêu cầu chức năng sau: - Bảo ñảm khả năng tương tác giữa người thiết kế hệ thống và người sử dụng; - Cung cấp thông tin với dạng thức thích hợp ñể có thể sử dụng ngay; - Có phạm vi ñủ rộng ñể bao quát tất cả các loại yêu cầu tin của cộng ñồng người sử dụng; 10
  11. - Có khả năng cung cấp thông tin thích hợp và kịp thời; - Có khả năng tương thích với những thay ñổi của môi trường; - Phải duy trì các chuẩn ñể bảo vệ dữ liệu; - Hệ thống phải dễ truy cập và dễ sử dụng; - Hỗ trợ khai thác thông tin một cách hiệu quả. 1.2.4 Thành phần của hệ thống tìm tin Thành phần của một hệ thống tìm tin cụ thể bao gồm: 1. Các mảng tin bao gồm tài liệu, thông tin về tài liệu/siêu dữ liệu, dữ kiện; 2. Các công cụ logic-ngữ nghĩa, bao gồm ngôn ngữ tìm tin, các qui tắc sử dụng ngôn ngữ tìm tin và các tiêu chuẩn phù hợp ý nghĩa; 3. Các phương tiện kỹ thuật ñảm bảo thực hiện các chức năng của hệ thống; 4. Các yếu tố ñảm bảo cho việc khai thác hệ thống như nhân sự, tài liệu hướng dẫn sử dụng… Các thành phần cơ bản của hệ thống tìm tin ñược gọi là các phân hệ. Việc phân chia thành các phân hệ rất cần thiết và hữu ích cho việc thiết kế cũng như mô tả cơ chế vận hành của hệ thống tìm tin. Có nhiều cách chia hệ thống tìm tin thành các phân hệ, trong ñó hai cách thường ñược sử dụng nhất là phân chia theo loại yếu tố và phương tiện ñảm bảo hoạt ñộng của hệ thống và phân chia theo nguyên tắc chức năng. 1.2.4.1.Các phân hệ ñảm bảo hoạt ñộng của hệ thống tìm tin Các phương tiện và yếu tố ñảm bảo việc thực hiện các chức năng của hệ thống tìm tin ñược chia thành các phân hệ ñảm bảo hoạt ñộng của hệ thống tìm tin. Ở dạng tổng quát, các phân hệ bao gồm bốn thành phần của hệ thống tìm tin ñược liệt kê ở trên. Ở dạng chi tiết hơn, có thể chia thành các phân hệ như ñảm bảo ngôn ngữ, ñảm bảo thông tin, ñảm bảo kỹ thuật, ñảm bảo công nghệ, ñảm bảo nhân sự… Phân hệ ñảm bảo thông tin bao gồm các mảng tin (tài liệu, thông tin về tài liệu/siêu dữ liệu, dữ kiện), các phương tiện, phương pháp mô tả và xây dựng các mảng tin. Phân hệ ñảm bảo ngôn ngữ bao gồm các ngôn ngữ tìm tin, các qui tắc ứng dụng, các tiêu chuẩn phù hợp ý nghĩa và các công cụ ngôn ngữ khác. Ở những giai ñoạn ñầu, khi hệ thống tìm tin mới bắt ñầu phát triển, ñảm bảo thông tin và ñảm bảo ngôn ngữ thường ñược nhập chung thành một phân hệ ñảm bảo thông tin-ngôn ngữ. Về sau, hai phân hệ này ñược tách riêng mặc dù ranh giới giữa chúng không thực sự rõ ràng. Chẳng hạn, có thể ñưa các ngôn ngữ mô tả thông tin vào phân hệ ñảm bảo ngôn ngữ cũng như vào phân hệ ñảm bảo thông tin. Phân hệ ñảm bảo chương trình bao gồm các thuật toán và các phần mềm (bao gồm phần mềm hệ thống và phần mềm ứng dụng) thực hiện các chức năng của hệ thống tìm tin với sự trợ giúp của máy tính. Phân hệ ñảm bảo kỹ thuật bao gồm các phương tiện kỹ thuật hỗ trợ cho việc lưu trữ, tìm và cung cấp thông tin. Phân hệ ñảm bảo công nghệ là tập hợp và trình tự thực hiện các qui trình (tự ñộng hóa và thủ công) và các thủ tục xử lý thông tin trong hệ thống tìm tin, bao gồm mô tả 11
  12. các qui trình và thủ tục, các sơ ñồ thông tin-công nghệ và các tài liệu hướng dẫn nghiệp vụ. Phân hệ ñảm bảo nhân sự bao gồm các nhân viên thực hiện việc vận hành, khai thác hệ thống. 1.2.4.2. Các phân hệ chức năng Có thể phân chia hệ thống tìm tin thành các bộ phận theo chức năng với mỗi bộ phận thực hiện một chức năng nhất ñịnh trong qui trình công nghệ như xử lý tài liệu, nhập và ñiều chỉnh các yêu cầu tin, tìm tin, thống kê, xử lý kết quả tìm, cung cấp kết quả tìm …Các bộ phận này ñược gọi là các phân hệ chức năng và tạo thành mô hình cấu trúc (còn gọi là mô hình vận hành) của hệ thống tìm tin. Ví dụ, một hệ thống tìm tin tư liệu có thể bao gồm các phân hệ chức năng cơ bản sau: 1 Phân hệ xử lý tài liệu thực hiện các chức năng xử lý tài liệu, lưu trữ và quản trị tài liệu và mẫu tìm của tài liệu; 2 Phân hệ xử lý yêu cầu tin thực hiện các chức năng xác ñịnh yêu cầu tin, xây dựng lệnh tìm và nhập lệnh tìm; 3 Phân hệ tìm tin có chức năng tìm và ñưa ra các kết quả tìm 4 Phân hệ xử lý và cung cấp các kết quả tìm thực hiện chức năng phân tích các kết quả tìm, lựa chọn các kết quả thích hợp và cung cấp cho người sử dụng. 1.2.5 Các loại hệ thống tìm tin Có thể phân loại các hệ thống tìm tin dựa trên nhiều cơ sở khác nhau. Trong mục này sẽ ñề cập một số cách phân loại cơ bản nhất. Dựa vào tính chất của thông tin ñược lưu trữ và cung cấp, có thể phân các hệ thống tìm tin thành hai loại là hệ thống tìm tin tư liệu và hệ thống tìm tin dữ kiện. Hệ thống tìm tin tư liệu là hệ thống tìm tin ñược xây dựng ñể tìm và cung cấp thông tin về tài liệu hoặc tài liệu. Hệ thống tìm tin tư liệu ñáp ứng các yêu cầu tin ñược ñặt ra cho hệ thống bằng cách cung cấp các mô tả thư mục của tài liệu, các tài liệu gốc, các bản sao hoặc ñịa chỉ những nơi bảo quản các tài liệu chứa thông tin ñược yêu cầu. ðôi khi loại hệ thống tìm tin tư liệu chỉ cung cấp các mô tả thư mục của các tài liệu cần tìm ñược gọi là hệ thống tìm tin thư mục. Hệ thống tìm tin dữ kiện là hệ thống tìm tin ñược xây dựng ñể lưu trữ, tìm và cung cấp các số liệu và dữ kiện như các số liệu khoa học, kỹ thuật, kinh tế, ñặc tính của các quá trình, hiện tượng, ñịa chỉ, tên cá nhân hoặc tổ chức… Giữa hệ thống tìm tin tư liệu và hệ thống tìm tin dữ kiện không có sự khác biệt về nguyên tắc xây dựng. Sự khác biệt cơ bản giữa các hệ thống tìm tin tư liệu và hệ thống tìm tin dữ kiện là ở mức ñộ xử lý ban ñầu nội dung tài liệu ñể sau ñó có thể tìm ñược thông tin. Trong các hệ thống tìm tin tư liệu, tài liệu ñược phân tích và mô tả ở mức “tài liệu nói về cái gì”, còn trong các hệ thống tìm tin dữ kiện thì mô tả ở mức “ñiều ñược ñề cập trong tài liệu cụ thể là gì”. Nói cách khác, các hệ thống tìm tin tư liệu lưu trữ thông tin về tài liệu còn các hệ thống tìm tin dữ kiện lưu trữ các số liệu 12
  13. hoặc dữ kiện về một ñối tượng hoặc một nhóm ñối tượng nhất ñịnh và ñược trình bày với một hình thức riêng biệt. Các số liệu/dữ kiện này có thể ñược thu thập trực tiếp hoặc ñược rút ra từ các tài liệu. Ví dụ, với yêu cầu tin “Vận tốc ánh sáng”, hệ thống tìm tin tư liệu sẽ cung cấp các bài báo và sách chuyên khảo nói về vận tốc ánh sáng và có thể chứa câu trả lời cho yêu cầu tin ñược ñặt ra, còn hệ thống tìm tin dữ kiện sẽ cung cấp câu trả lời cụ thể là “Vận tốc ánh sáng bằng 3.000 km/giây”. Có nhiều trường hợp các hệ thống tìm tin là hệ thống hỗn hợp, trong ñó thông tin dữ kiện ñược sử dụng như một phương tiện hỗ trợ cho việc tìm kiếm tài liệu và ngược lại. Trong các hệ thống tìm tin tư liệu, các văn bản cũng có thể ñược cấu trúc lại, ñược chia thành nhiều ñoạn hoặc trường và việc xử lý, cung cấp thông tin về tài liệu có thể ñược thực hiện ở mức ñộ các trường riêng biệt. Trên thực tế, các hệ thống tìm tin trong thư viện chính là sự kết hợp một số hệ thống tìm tin tư liệu và tìm tin dữ kiện. ðặc ñiểm chung lớn nhất của hệ thống tìm tin tư liệu và hệ thống tìm tin dữ kiện là ñể ñáp ứng các yêu cầu tin ñược ñặt ra cho hệ thống, cả hai hệ thống có thể và chỉ có thể cung cấp thông tin ñã ñược lưu trữ trong hệ thống trước ñó. Dựa vào phương tiện lưu trữ và tìm kiếm thông tin, có thể chia thành các hệ thống tìm tin thủ công, bán tự ñộng và tự ñộng hóa. Trong hệ thống tìm tin thủ công, thông tin về tài liệu hoặc dữ kiện ñược lưu trữ trong các bộ phiếu tra cứu thư mục, bộ phiếu tra cứu dữ kiện và hệ thống mục lục truyền thống... Có thể sử dụng hệ thống tìm tin thủ công ñể tìm tin một cách hiệu quả trong các mảng tin chứa dưới 10.000 tài liệu. Trong hệ thống tìm tin bán tự ñộng, thông tin về tài liệu ñược chứa trong các phiếu lỗ mép hoặc phiếu lỗ soi. Trong phiếu lỗ mép, thông tin ñược tổ chức theo tài liệu, nghĩa là thông tin về mỗi tài liệu ñược trình bày trên một phiếu. Phiếu này ñược chia làm hai vùng là vùng giữa và vùng xung quanh mép phiếu. Vùng giữa của phiếu chứa mô tả thư mục tài liệu. Vùng xung quanh mép phiếu là vùng ñục lỗ theo một mã số ñã qui ñịnh. Các ñặc trưng nội dung của tài liệu có thể ñược ghi dưới dạng các lỗ khuyết nhằm giúp cho việc tìm tài liệu một cách dễ dàng. Việc tìm tin ñược thực hiện theo từng tập phiếu của bộ phiếu. ðể tìm một tài liệu nào ñó, ngưòi tìm tin phải lấy một tập phiếu rồi dùng que xiên vào lỗ tương ứng với ñặc trưng cần tìm và cho tập phiếu rơi tự do. Những phiếu có bấm lỗ khuyết sẽ rơi xuống và ñó sẽ là kết quả lựa chọn. Nếu một ñặc trưng ñược thể hiện bằng nhiều lỗ và nếu muốn tra cứu theo nhiều ñặc trưng thì phải lặp lại thao tác trên với những phiếu ñã rơi xuống và ñược lựa chọn ở lần trước. Có thể thực hiện việc lựa chọn bằng tay hoặc bằng máy chọn có bàn que xiên và bộ rung ñiện. Phiếu lỗ mép có thể ñược làm bằng bìa cứng, bìa mỏng hoặc giấy Bristol và có kích thước từ 75x125mm ñến 210x297mm. Các lỗ có ñường kính từ 2,5 ñến 3mm và khoảng cách giữa chúng là 5,6mm hoặc 6,35mm. Thông tin trong phiếu lỗ soi ñược tổ chức theo nội dung tài liệu, nghĩa là mỗi phiếu ứng với một từ khóa hoặc từ chuẩn ñặc trưng cho nội dung tài liệu. Mỗi lỗ tượng trưng cho một số ñăng ký của tài liệu trong hệ thống. Việc ghi một tài liệu vào bộ nhớ ñược thực hiện bằng cách ñục lỗ ở vị trí dành cho nó trong những phiếu ứng với các từ khóa hoặc từ chuẩn có chứa trong mẫu tìm của tài liệu ñó. Việc tra cứu ñược thực 13
  14. hiện bằng cách ñặt một tập các phiếu có những ñặc trưng (từ khóa hoặc từ chuẩn) cần tìm trước một nguồn sáng. Những phiếu chứa tài liệu phù hợp với yêu cầu tin là những phiếu có cùng vị trí ñục lỗ trên toàn bộ tập phiếu nên ánh sáng có thể xuyên qua ñược. Phiếu lỗ soi có thể ñược làm bằng giấy Bristol nhẹ với nhiều kích thước khác nhau. Trên mỗi phiếu có một mạng các vị trí ñược xây dựng bằng phương pháp tọa ñộ. Mỗi vị trí ứng với một số ñăng ký của tài liệu ñã ñược xử lý từ trước. Số lượng các vị trí trên mỗi phiếu ứng với số lượng tài liệu trong hệ thống có mẫu tìm chứa từ khóa hoặc từ chuẩn ñược thể hiện trên phiếu ñó. Ngoài ra, số lượng các vị trí còn phụ thuộc vào dung lượng của mỗi phiếu. Dung lượng của mỗi phiếu có thể chứa 5.000 vị trí như mẫu phiếu SPHINXO hoặc 14.000 vị trí như mẫu phiếu SELECTO. Trong các hệ thống tìm tin tự ñộng hóa, việc lưu trữ và tìm kiếm thông tin ñược thực hiện trên máy tính ñiện tử. Các thành phần cơ bản của HTTT tự ñộng hóa bao gồm các công cụ xử lý ngữ nghĩa, các phương tiện kỹ thuật, cơ sở dữ liệu và nhân viên làm việc với hệ thống. Dựa vào loại ngôn ngữ tìm tin, có thể chia thành hệ thống tìm tin sử dụng ngôn ngữ tiền kết hợp và hệ thống tìm tin sử dụng ngôn ngữ hậu kết hợp, thường ñược gọi tắt là hệ thống tìm tin tiền kết hợp (pre-coordinate system) và hệ thống tìm tin hậu kết hợp (post-coordinate system). Dựa vào loại tiêu chuẩn phù hợp ý nghĩa, có thể chia thành hệ thống tìm tin với tiêu chuẩn phù hợp ý nghĩa logic và hệ thống tìm tin với tiêu chuẩn phù hợp ý nghĩa ñịnh lượng. Trong các hệ thống tìm tin thuộc nhóm ñầu tiên, mức ñộ phù hợp ý nghĩa ñược xác ñịnh dựa trên việc sử dụng logic mệnh ñề ñể so sánh mẫu tìm và lệnh tìm. Cơ sở ñể tính mức ñộ phù hợp ý nghĩa trong các hệ thống tìm tin thuộc nhóm thứ hai là các công thức, số liệu thống kê ñược xây dựng chủ yếu dựa trên tần số xuất hiện ñồng thời của các thuật ngữ trong mẫu tìm và lệnh tìm. 14
  15. CHƯƠNG 2 HỆ THỐNG CÔNG CỤ XỬ LÝ NGỮ NGHĨA TRONG CÁC HỆ THỐNG TÌM TIN 2.1. Khái niệm hệ thống công cụ xử lý ngữ nghĩa Hệ thống công cụ xử lý ngữ nghĩa là tập hợp các công cụ ngôn ngữ -logic và phương pháp ñược sử dụng ñể xử lý, trình bày, tổ chức và tìm kiếm thông tin trong hệ thống tìm tin. Hệ thống công cụ xử lý ngữ nghĩa bao gồm các thành phần sau: - Ngôn ngữ tìm tin: + Từ vựng và cú pháp của ngôn ngữ tìm tin; + Các công cụ trình bày tóm tắt nội dung: từ ñiển, từ ñiển từ chuẩn, khung ñề mục, bảng phân loại… - Các công cụ bảo ñảm sự thống nhất giữa các ngôn ngữ khác nhau: + Bảng tra tương thích + Bảng tra chuyển ñổi + Các qui ñịnh - Các công cụ thực hiện qui trình xử lý và tìm tin: + Các phương pháp ñánh chỉ số; + Các thuật toán ñánh chỉ số tự ñộng; + Các công cụ tìm kiếm: ngôn ngữ thể hiện yêu cầu tin; các công cụ tự ñộng gửi các yêu cầu tin ñến các CSDL; các ngôn ngữ lệnh thống nhất - Các tiêu chuẩn phù hợp ý nghĩa - Các chuẩn mô tả dữ liệu (mã hoá ) - Các công cụ hỗ trợ xử lý văn bản với ngôn ngữ tự nhiên: + Các công cụ xử lý cú pháp dữ liệu dạng văn bản; + Các công cụ ngữ nghĩa và thuật toán phân loại tự ñộng tài liệu; + Các công cụ ngữ nghĩa và thuật toán lập biểu thức tìm tin tự ñộng; + Các công cụ tìm lỗi tự ñộng - Các công cụ hỗ trợ ñảm bảo ngữ nghĩa + Các tài liệu hướng dẫn thực hiện + Qui trình lập và quản trị từ vựng trên máy tính; 2.2. Ngôn ngữ tìm tin 2.2.1. Khái niệm ngôn ngữ tìm tin Ngôn ngữ tìm tin là ngôn ngữ nhân tạo ñược dùng ñể mô tả nội dung tài liệu hoặc yêu cầu tin và ñể tìm tin [8] 15
  16. Ngôn ngữ tìm tin ñược xây dựng ñể khắc phục các hạn chế của ngôn ngữ tự nhiên trong việc diễn ñạt thông tin và tìm kiếm thông tin, bao gồm: - Có nhiều ngôn ngữ tự nhiên và mỗi ngôn ngữ ñều có vốn từ vựng rất lớn, trong ñó có nhiều từ không thể sử dụng ñể xử lý tài liệu và tìm tin; - Ngôn ngữ tự nhiên có nhiều loại từ và các loại từ có giá trị thông tin khác nhau; - Có nhiều từ ñồng nghĩa, từ ñồng âm và ý nghĩa của các từ có thể thay ñổi theo ngữ cảnh; Những hạn chế nêu trên có thể ñẫn ñến tình trạng vừa thừa vừa thiếu khi sử dụng ngôn ngữ tự nhiên ñể xử lý và tìm thông tin. ðể khắc phục các hạn chế trên, ngôn ngữ tìm tin phải ñáp ứng các yêu cầu sau: - Quan hệ ngữ nghĩa một-một: mỗi khái niệm phải ñược biểu ñạt bằng một thuật ngữ và ngược lại, một thuật ngữ phải biểu ñạt một và chỉ một khái niệm. - Cú pháp ñược xây dựng chặt chẽ và nhất quán: chỉ có một cách biểu ñạt các khái niệm - Có lực ngữ nghĩa mạnh: Lực ngữ nghĩa của ngôn ngữ tìm tin là khả năng phản ánh chính xác và ñầy ñủ nội dung của tài liệu và yêu cầu tin. - Bảo ñảm tính khách quan của người sử dụng: Chỉ diễn ñạt ñặc trưng khách quan của các sự vật, hiện tượng và các mối tương quan giữa chúng. - Tính mở: bảo ñảm khả năng chỉnh sửa và bổ sung ngôn ngữ. Ngôn ngữ tìm tin ñược xây dựng dựa trên hai thành phần cơ bản là từ vựng và cú pháp. Từ vựng của ngôn ngữ tìm tin là tập hợp các ñơn vị từ vựng (hay còn gọi là yếu tố từ vựng) ñược sử dụng ñể mô tả nội dung tài liệu và/hoặc yêu cầu tin. ðơn vị từ vựng là các từ hoặc ký hiệu ñược sử dụng ñể diễn ñạt các khái niệm. Mỗi ñơn vị từ vựng diễn ñạt một khái niệm. Từ vựng là thành phần chính của các ngôn ngữ tìm tin và ñóng vai trò rất quan trọng ñối với các chuyên gia thông tin - thư viện và người dùng tin trong việc xử lý tài liệu và tìm thông tin. Cú pháp của ngôn ngữ tìm tin là tập hợp các mối quan hệ giữa các ñơn vị từ vựng, các qui tắc biểu thị các mối quan hệ ñó và các qui tắc sử dụng các ñơn vị từ vựng ñể mô tả thông tin. 2.2.2. Các loại ngôn ngữ tìm tin (NNTT) Dựa vào cấu trúc từ vựng và qui tắc sử dụng, có thể chia NNTT thành hai loại là NNTT tiền kết hợp và NNTT hậu kết hợp. Ngôn ngữ tìm tin tiền kết hợp là ngôn ngữ có cấu trúc từ vựng và qui tắc sử dụng cho phép ñánh chỉ số tài liệu bằng cách sử dụng các ñơn vị từ vựng có sẵn hoặc kết hợp các ñơn vị từ vựng ñơn giản với nhau theo một trật tự nhất ñịnh ñể diễn tả các khái niệm phức tạp. Với NNTT tiền kết hợp, việc kết hợp các ñơn vị từ vựng ñược thực hiện trong quá trình ñánh chỉ số tài liệu. 16
  17. Có hai loại NNTT tiền kết hợp là ngôn ngữ phân loại và ngôn ngữ ñề mục chủ ñề. ðặc trưng chính của các NNTT tiền kết hợp là từ vựng có cấu trúc phân cấp một cách hệ thống và thường ở dạng một danh mục ñược ñịnh sẵn với các ñơn vị từ vựng là các từ, cụm từ hoặc mã số. Khi ñánh chỉ số tài liệu, người xử lý tài liệu có thể sử dụng các ñơn vị từ vựng có sẵn hoặc kết hợp các ñơn vị từ vựng với nhau theo những qui tắc nhất ñịnh ñể diễn tả các khái niệm phức tạp. Với cấu trúc này, NNTT tiền kết hợp có ưu ñiểm là từ vựng có tính hệ thống và tính chính xác cao vì các ñơn vị từ vựng ñã ñược ấn ñịnh một cách rõ ràng. Nhược ñiểm của NNTT tiền hợp là khó cập nhật, bổ sung các khái niệm mới cho từ vựng do phải phụ thuộc vào cấu trúc của hệ thống có sẵn. Một nhược ñiểm khác của NNTT tiền kết hợp là khó sử dụng ñối với người dùng tin nói chung vì khi tìm tin người dùng tin không thể tự kết hợp các ñơn vị từ vựng ñể diễn tả các khái niệm theo ý mình mà phải hoàn toàn phụ thuộc vào kết quả ñánh chỉ số có sẵn. Vì vậy, hiệu quả tìm tin có thể bị hạn chế nếu chất lượng ñánh chỉ số không ñảm bảo và/hoặc người dùng tin không nắm vững cấu trúc từ vựng của NNTT ñược sử dụng ñể ñánh chỉ số tài liệu. Ngôn ngữ tìm tin hậu kết hợp là ngôn ngữ có cấu trúc từ vựng và qui tắc sử dụng cho phép ñánh chỉ số tài liệu bằng cách sử dụng các ñơn vị từ vựng có sẵn ñể diễn tả các khái niệm ñơn giản và chỉ có thể kết hợp các ñơn vị từ vựng này với nhau khi tìm tin. Như vậy, với NNTT hậu kết hợp, việc kết hợp các ñơn vị từ vựng chỉ ñược thực hiện trong quá trình tìm tin, sau khi tài liệu ñã ñược ñánh chỉ số. NNTT hậu kết hợp có ưu ñiểm là từ vựng có cấu trúc mềm dẻo, dễ bổ sung các ñơn vị từ vựng ñể mô tả các khái niệm mới. Mặt khác, NNTT hậu kết hợp dễ sử dụng ñối với người dùng tin nói chung vì cú pháp cho phép người dùng tin tự kết hợp các ñơn vị từ vựng một cách linh hoạt khi tìm tin. Nhược ñiểm của NNTT hậu kết hợp là hiệu quả tìm tin có thể bị hạn chế nếu người tìm tin không nắm vững chiến lược hoặc kỹ thuật tìm tin. 2.2.3. Ngôn ngữ phân loại 2.2.3.1. Các khái niệm cơ bản Ngôn ngữ phân loại là ngôn ngữ tìm tin chuyên dụng cho phép người sử dụng tiếp cận tài liệu theo lĩnh vực tri thức ñược thể hiện trong nội dung tài liệu. Ngôn ngữ phân loại ñược sử dụng ñể phân loại tài liệu. Phân loại tài liệu là sự phân chia các tài liệu thành nhóm theo các dấu hiệu nhất ñịnh như lĩnh vực tri thức, vấn ñề, ñối tượng hoặc theo các dấu hiệu hình thức. Việc phân loại ñược thực hiện dựa trên sự phân chia các khái niệm. Dấu hiệu ñược sử dụng ñể thực hiện việc phân chia các khái niệm ñược gọi là cơ sở phân loại. Các dấu hiệu này có thể khác nhau trong các khung phân loại khác nhau. Khung phân loại, còn gọi là hệ thống phân loại, là danh mục các ñề mục và các mã số hay kí hiệu tương ứng phản ánh cấu trúc cấp bậc của một hệ thống phân loại khoa học. Mỗi ñề mục trong khung phân loại có một vị trí xác ñịnh và ñược biểu diễn bằng một mã số. Mã số có thể là số, chữ cái hoặc kết hợp giữa số và chữ cái. Mã số ñược sử dụng thay thế cho ñề mục trong xử lý tài liệu và trong những công ñoạn khác. Ngoài ra, mỗi khung phân loại còn sử dụng một hệ thống các ký hiệu ñể làm rõ thêm 17
  18. ý nghĩa của các mã số hoặc ñể kết hợp các mã số nhằm mở rộng khả năng diễn tả thông tin. Khung phân loại phải tuân theo các nguyên tắc hình thức như sau: - Cơ sở phân loại phải ñồng nhất trong một khung phân loại; - Các lớp con phải loại trừ lẫn nhau; - Các lớp con phải cân ñối; - Các lớp con phải liên tục, không ñược gián ñoạn. Ngôn ngữ phân loại là ngôn ngữ tiền kết hợp vì cấu trúc khung phân loại và qui tắc sử dụng cho phép người ñánh chỉ số sử dụng các ñơn vị từ vựng có sẵn hoặc kết hợp các ñơn vị từ vựng với nhau ñể mô tả nội dung tài liệu. 2.2.3.2. Khung phân loại phân cấp Quan hệ cơ bản giữa các lớp phân loại là quan hệ phân cấp và cùng trực thuộc. Quan hệ phân cấp là quan hệ trong ñó một lớp là lớp con của một một lớp khác rộng hơn. Cùng trực thuộc là quan hệ giữa các lớp con của một lớp rộng hơn. Giả sử K là một lớp và ñược chia thành các lớp con k1, k2, k3,… kn dựa trên một cơ sở phân loại nào ñó. Quan hệ giữa lớp K và lớp con ki là quan hệ phân cấp, còn quan hệ giữa các lớp con k1, k2, k3, …kn là quan hệ cùng trực thuộc. Có thể phân biệt hai loại quan hệ phân cấp là quan hệ phân cấp mạnh và quan hệ phân cấp yếu. Trong quan hệ phân cấp mạnh mỗi lớp chỉ trực thuộc môt một lớp rộng hơn. Trong quan hệ phân cấp yếu mỗi lớp trực thuộc nhiều lớp rộng hơn. Khung phân loại chỉ chứa quan hệ phân cấp mạnh và quan hệ cùng trực thuộc ñược gọi là khung phân loại phân cấp. Hình thức thể hiện ñơn giản nhất của các khung phân loại phân cấp là các sơ ñồ hình cây, bao gồm các ñiểm (ñược gọi là ñỉnh) và các ñoạn nối một số ñỉnh với nhau. Trong hình 2.1 là sơ ñồ hình cây thể hiện cấu trúc của khung phân loại phân cấp. 1 1.1 1.2 1.3 1.1.1 1.1.2 1.1.3 1.2.1 1.2.2 1.2.3 1.3.1 1.3.2 1.3.3 Hình 2.1. Sơ ñồ cấu trúc khung phân loại phân cấp Khung phân loại phân cấp có các ưu ñiểm như sau: - Thích hợp với các hệ thống mục lục thủ công. Không cần các phương tiện, thiết bị ñặc biệt ñể xây dựng và sử dụng các mục lục; 18
  19. - Cho phép tìm tin theo chủ ñề trong các hệ thống mục lục thủ công một cách nhanh chóng và rẻ; - Tốn ít chi phí lao ñộng cho việc ñánh chỉ số hơn so với ñánh chỉ số bằng khung phân loại theo diện và ñịnh chủ ñề; - Các lớp trong khung phân loại phân cấp ñược ñánh số bằng chữ số Ả rập và chữ cái La tinh nên dễ hiểu ñối với các chuyên gia ở nhiều nước khác nhau. ðiều này làm cho khung phân loại phân cấp trở nên phổ biến trên toàn thế giới. Bên cạnh ñó, khung phân loại phân cấp cũng có các nhược ñiểm như sau: - Không có khả năng ñánh chỉ số ña phương diện; - Không thích hợp cho việc tìm tin theo chủ ñề hẹp; - Do mức ñộ phân chia các khái niệm không ñủ sâu nên trong khung phân loại có thể thiếu các lớp cho những nội dung chuyên sâu; - Cơ chế cập nhật không thuận tiện nên khung phân loại phân cấp không phản ánh kịp thời sự phát triển khoa học và kỹ thuật. 2.2.3.3.Khung phân loại theo diện Cơ sở của khung phân loại theo diện là nguyên tắc phân loại cùng một tập hợp các sự vật và hiện tượng theo nhiều dấu hiệu khác nhau. Cụ thể là thay vì xây dựng một cây tri thức tổng hợp, có thể xây dựng một số cây nhỏ hơn cho cùng một tập hợp các ñối tượng. Cơ sở phân loại là diện của các vấn ñề (facet). Mỗi diện bao hàm toàn bộ các ý nghĩa tương ñương của dấu hiệu phân loại nhất ñịnh. Chẳng hạn, các thuật ngữ chỉ các loại vật liệu khác nhau ñược tập hợp trong diện “Vật chất”, còn tập hợp các thuật ngữ chỉ thời gian của các sự kiện, hiện tượng sẽ tạo thành diện “Thời gian”. Mỗi thuật ngữ của diện ñược gọi là tiêu ñiểm (focus) và ñược biểu thị bằng một mã số ñể thuận tiện cho việc phân loại. Các ưu ñiểm chính của khung phân loại theo diện bao gồm: - Có khả năng ñánh chỉ số ña phương diện; - Có khả năng tập hợp vào một chỗ tất cả các phương diện của một ñề tài hoặc một ñối tượng. - Phân chia các khái niệm ở mức ñộ sâu; - Dễ cập nhật các thuật ngữ mới hơn so với khung phân loại phân cấp; - Ký hiệu phân loại ngắn gọn hơn so với ký hiệu trong các khung phân loại phân cấp. Nhược ñiểm chính của khung phân loại theo diện là khó xây dựng và khó bổ sung vào khung phân loại theo chuyên ngành hẹp các thuật ngữ liên ngành mới. 2.2.3.4. Các khung phân loại tiêu biểu Khung phân loại thập phân Dewey (Dewey Decimal Classification – DDC) Khung phân loại DDC do nhà thư viện học người Mỹ là Melvin Dewey (1851- 1931) xây dựng và ñược xuất bản lần ñầu vào năm 1876. Khung phân loại DDC là khung phân loại phân cấp với 10 lớp chính, kí hiệu bằng 3 chữ số Ả rập từ 000-900 và xếp theo thứ tự như sau: 19
  20. 000 Tổng hợp 100 Triết học và các khoa học liên quan 200 Tôn giáo 300 Khoa học xã hội 400 Ngôn ngữ 500 Khoa học tự nhiên 600 Khoa học ứng dụng 700 Nghệ thuật 800 Văn học 900 Lịch sử và ñịa lý Mỗi lớp chính lại ñược chia thành 10 lớp con và mỗi lớp con lại ñược chia thành 10 lớp nhỏ tiếp theo. Ví dụ, lớp 500 ñược chia thành các lớp nhỏ hơn như sau: 500 Khoa học tự nhiên 510 Toán học 520 Thiên văn học và khoa học liên quan ….. 590 ðộng vật học Lớp 510 lại ñược chia thành các lớp nhỏ như sau: 510 Toán học 511 Số học 512 ðại số 513 Hình học …. 519 Xác suất và toán học ứng dụng Khung DDC có các bảng phụ nhằm mục ñích mở rộng ký hiệu các lớp trong bảng chính, giúp cho việc sử dụng khung phân loại linh hoạt và hiệu quả. Các bảng phụ chỉ ñược sử dụng ñể phối hợp với bảng chính, không ñược sử dụng ñộc lập. Khung phân loại DDC ñược cập nhật tương ñối thường xuyên và ñược sử dụng phổ biến trong các thư viện tại nhiều nước trên thế giới. Khung phân loại thập phân bách khoa (Universal Decimal Classification -UDC) Khung phân loại UDC ñược xây dựng dựa trên cơ sở khung phân loại DDC và ñược xuất bản lần ñầu vào năm 1905. Khung phân loại UDC giữ lại hầu hết các lớp của khung DDC, riêng nội dung lớp 4-Ngôn ngữ ñược ñưa vào lớp 8, còn lớp 4 vẫn bỏ trống. Các lớp cơ bản ñược thể hiện bằng kí hiệu số từ 0 ñến 9. Các bảng phụ ñược mở rộng và phát triển ñể bổ sung cho bảng chính. Các dấu ñược sử dụng làm ký hiệu cũng ñược mở rộng nhằm hỗ trợ cho việc phân loại các tài liệu có nội dung phức tạp. Các lớp trong bảng chính của UDC bao gồm: 0 Những vấn ñề chung 1 Triết học 2 Tôn giáo 20
ADSENSE
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2