Pojem „rešeršní systém“, jeho základní komponenty, typologie rešeršních systémů, charakteristika booleovského modelu vyhledávání bibliografických informací a jeho alternativy.

Rešeršní systém

Rešeršní systém je informační systém, jehož funkcí je vyhledávání a výběr (selekce) informací relevantních informačním požadavkům uživatelů. Vyhledávací systém (Retrieval system, Search system) umožňující přístup k reprezentaci dokumentů indexu), jejich adresám ve fondu (databázi úplných textů) a k dokumentům samotným. Báze vyhledává v indexech nikoli přímo v záznamech. V současné době si pod pojmem rešeršní systém často představujeme systém automatizovaný, nicméně za rešeršní systém můžeme považovat i lístkový katalog či tištěný referátový časopis. Vyhledávací systémy nejsou využívány pouze při vyhledávání informací textového charakteru, ale i pro vyhledávání obrazových, zvukových, multimediálních a dalších informací.

Typologie rešeršních systémů (Hildreth, 1995)

Query-oriented (orientované na dotaz) – (vytvořené pro formulování dotazů)

• je založený na formulování dotazu, těžší pro uživatele
• čistě mechanický proces
• vhodné, pokud uživatel ví, co chce a dokáže to popsat jazykem systému

Dělí se na:

• Convented (exaktní, přesně hledání) – boolean logic
• Non-convented (vector space, fuzzy, probabilistic) - nejlepší shoda (uživatel vždy dostane nějaké výsledky)

Non-query-orineted – (vytvořené pro nepřesně formulované dotazy)

• Exploratory (objevovatelské, pro nepřesně definované dotazy) – hypertextové systémy, browse systémy
• umožňuje nacházet podobné záznamy
• kognitivně snazší
• vhodné, pokud cíl není přesně specifikován
• pro předmětové hledání stále většinou uživatel musí předvídat, které slovo ze seznamu představuje to, co hledá

Základní komponenty rešeršních systémů

1. Index (Indexační soubor)

• Je reprezentantem bibliografických záznamů (popř. textů dokumentů).
• Záznamy se reprezentují pomocí TERMŮ (klíčová slova, deskriptory, jména autorů, slova z názvů atd.).
• Slouží jako nástroj pro vyhledávání v databázích.

Pomocný soubor strukturovaný a tříděný podle jiného hlediska než základní (primární) soubor. Obsahuje záznamy o struktuře ve formě "klíč, adresa", kde klíč je hodnota (slovo, fráze, atribut) a adresa je ukazatel na místo uložení této hodnoty v základním souboru. Účelem indexového souboru je urychlit přístup k datům a tím zkrátit dobu vyhledávání.

Tvorba invertovaného souboru:

Čtení záznamů (sekvenčně) rozpoznávání slov a výběr TERMŮ pro nesetříděný soubor → uložení nesetříděného souboru → setřídění invertovaného souboru (abeceda termů) → odstranění duplicit → vypočet frekvencí daného termínu → vytvoření finálního invertovaného souboru.

Index může obsahovat také informaci o:

• frekvenci výskytu termu
• pozici termu v dokumentu – používá se při vyhledávání frází nebo použití proximitních operátorů

2. Tezaurus

Řízený a měnitelný slovník deskriptorového selekčního jazyka uspořádaný tak, že explicitně zachycuje apriorní (paradigmatické) vztahy mezi lexikálními jednotkami. Podle jazykového zaměření se rozlišuje jednojazyčný a vícejazyčný tezaurus, podle šíře tematického zaměření speciální, polytematický a univerzální tezaurus, podle struktury fasetový a tematický tezaurus, podle funkce tradiční, indexační a vyhledávací tezaurus. Dále se vyčleňuje cílový a zdrojový tezaurus. Řídí jazykovou stránku deskriptorů. Tezaurus uživatelům pomáhá najít přesné výrazy jejich oblasti zájmu. Skládá se z lexikálních (slovních) jednotek, kterými jsou buď preferované termíny (deskriptory), či nepreferované termíny (nedeskriptory).

Tezaurus reprezentují vztahy mezi jednotlivými slovními jednotkami, přičemž jsou v základu definovány následovně:

• BT (Broader term): obecnější termín
• NT (Narrower term): užší termín
• RT (Related term): související termín
• UF nebo USE FOR: užíváno pro
• USE: užívaný preferovaný termín (deskriptor)

Výhody:

• konzistence
• kontrola synonym či antonym
• hierarchická struktura, kontext, vztahy mezi pojmy

Nevýhody:

• obtížnější používání
• každá databáze má svůj tezaurus, což vede k problémům při vyhledávání ve více databázích současně

Nástroje pro práci s tezaury

• Mapping – přiřazení termínu tezauru ke klíčovému slovu uživatele
• Focus – odlišení hlavního a vedlejšího tématu (pouze u některých databázích)
• Explode – vyhledávání vybraného termínu tezauru nebo jeho podřazených termínů
• Subheadings – omezení termínu tezauru na podhesla (pouze u některých databázích)
• Rozšíření dotazu s využitím tezauru

3. Uživatelské rozhraní (UI)

Rozhraní mezi uživatelem a počítačovým programem, které mj. zahrnuje možnosti a postup ovládání programu, chybová hlášení programu, formu a obsahu nápovědy apod.

Uživatelské rozhraní (User interface) je základním prostředkem komunikace rešeršního systému s uživatelem a silně ovlivňuje zájem uživatele o jeho užívání. Navrhováním a tvorbou uživatelských rozhraní („information design“) se zabývá multidisciplinární věda s názvem komunikace člověk-počítač („human-computer interaction“, zkratka HCI).

Současná grafická uživatelská rozhraní (GUI) běžně disponují několika prvky, které usnadňují uživateli manipulaci se softwarem prostřednictvím grafické prezentace většiny aktivit systému:

• „Command language“ – jednoduchý umělý příkazový jazyk vytvořený speciálně pro rešeršní účely, který je základem uživatelských rozhraní, ale není dostatečně přívětivý pro uživatele-laiky. Proto bývá sám o sobě více užíván profesionálními rešeršéry než samostatně vyhledávajícími koncovými uživateli.
• Menu s výběrem dostupných příkazů plnící funkci nápovědy při užívání systému. Uživatelé se díky němu nemusí učit nazpaměť jednotlivé příkazy, ale někdy mohou strávit příliš mnoho času hledáním správného příkazu v seznamu položek menu.
• Formuláře k vyplnění, které vedou uživatele procesem přímo, krok za krokem až k výsledku bez nutnosti komplikovanějšího rozhodování.
• Propojení prvků rešeršního systému prostřednictvím hypertextových odkazů
• Běžnou součást uživatelských rozhraní současných rešeršních systémů představuje interaktivní historie vyhledávání
• Současná uživatelská rozhraní také běžně nabízejí částečnou personalizaci některých služeb a funkcí na základě potřeb individuálního uživatele.

Právě nedostatečná přívětivost uživatelského rozhraní bývá často uváděna jako hlavní důvod, proč potenciální uživatelé odmítají užívat určitý rešeršní systém. Rešeršní systém je pouze tak dobrý jako jeho uživatelské rozhraní.

Mezi faktory ovlivňující přívětivost uživatelského rozhraní patří zejména:

• srozumitelnost užívané terminologie (tj. odborných termínů a zkratek) pro uživatele;
• design obrazovky
• plynulost navigace systémem
• zpětná vazba – komunikace systému s uživatelem

4. Dotazovací jazyk

Jazyk určený ke komunikaci uživatele s vyhledávacím programem, umožňující vyhledávání a případnou úpravu požadovaných dat. Základními typy jsou jazyky procedurální vyžadující algoritmický popis přístupu k hledaným informacím a jazyky neprocedurální, zadávající pouze podmínky, jež mají vyhledané údaje splňovat. Z hlediska uživatelského se rozlišují jazyky umožňující výběr z předdefinovaných dotazů (např. menu), jazyky pro listování (browsing, navigaci) a strukturované jazyky s klíčovými slovy (např. SQL); ve stadiu výzkumů je využití přirozeného jazyka ve funkci dotazovacího jazyka. Umělý jazyk užívaný k vyhledávání, často kombinace indexačního jazyka s nabídkami nebo příkazy daného softwarového systému.

Typy dotazovacích jazyků:

1. Založené na menu
2. Obrázkové jazyky
3. Pro listování a navigační
4. Strukturované jazyky s klíčovými slovy
5. Jazyky založené na přirozeném jazyce

5. Selekční údaje

Selekční údaj může být jméno, termín, kód atd. zastupující bibliografickou či autoritní entitu. Je to údaj, pomocí kterého lze pořádat, ukládat a vyhledávat záznamy (bibliografické, faktografické) nebo přímo dokumenty. Prostřednictvím selekčního údaje jsou bibliografická nebo autoritní data organizována, vyhledávána a identifikována. Každý prvek, podle nějž lze vyhledat a identifikovat bibliografický záznam. Selekční údaje rovněž umožňují pořádací funkci katalogu.

Booleovský model

George Boole (1815 - 1864), zakladatel matematické logiky, vybudoval základy, na kterých stojí dnešní informatika. Podle něj jsou také pojmenovány Booleovské operátory. Ty představil v roce 1854 ve svém nejslavnějším díle Zkoumání zákonů myšlení, na nichž jsou založeny matematické teorie logiky a pravděpodobnosti. Jako první zavedl logické vztahy v algebraických rovnicích. Vyšel z dvojkové číselné soustavy (binárních čísel), jak ji ve druhé polovině 17. století vyvinul německý učenec Gottfried Wilhelm Leibniz (1646-1716). Boole označil ve dvojkovém systému „+“ jako „ano“ nebo „správně“ a „0“ jako „ne“ nebo „špatně“. Zavedl další operandy: „a“ (&), „nebo“ (Ú) a „ne“ (přeškrtnutí).

Dvouhodnotová logika založená na tom, že logické výroky jsou buď pravdivé nebo nepravdivé. Proměnné mohou mít jen jednu ze dvou možných hodnot (pravda, nepravda), vztahy mezi proměnnými se logicky vyjadřují operátory (AND, OR, NOT). V oblasti vyhledávání informací nachází booleovská logika uplatnění v dotazovacích jazycích, a to především u textově orientovaných systémů (plnotextové databáze, bibliografické databáze, vyhledávací nástroje pro WWW dokumenty). Dvouhodnotová logika (proměnné mohou mít jen jednu hodnotu - pravda/nepravda). Vztahy mezi proměnnými se vyjadřují operátory (AND, OR, NOT).

• Operátor AND: po použití operátoru AND vyhledávací systém vyhledá záznamy obsahující všechny vyhledané termíny. Tento operátor zužuje výsledky vyhledávání a používá se pro spojení významově odlišných pojmů. Lze jej nahradit znaménkem +. Příklad - informační výchova AND student. Výsledky dokumentů pak budou obsahovat obě slova, tedy informační výchovu a studenty.
• Operátor OR: po použití operátoru OR vyhledávací systém vyhledá záznamy obsahující alespoň jeden z uvedených termínů. Tento operátor rozšiřuje dotaz a používá se pro spojení synonym a příbuzných pojmů. Umožní vyhledat obě zadaná klíčová slova spolu, nebo i dokumenty, které obsahují jedno z nich. Příklad - televize OR TV.
• Operátor NOT: po použití operátoru NOT vyhledávací systém vyloučí záznamy obsahující výraz uvedený za operátorem NOT. Tento operátor zužuje výsledky vyhledávání. Lze jej nahradit znaménkem -. Výsledek vyhledávání (záznam) nesmí obsahovat slovo uvedené za operátorem (inteligence NOT umělá).

Booleovské operátory mají nejširší použití, ale také své limity. Mnohé dokáží napravit tzv. proximitní operátory, jichž je několik druhů, ale vývoj postoupil dále. Některé vyhledávací systémy už pracují na principech tzv. fuzzy logiky, ale rozhodně to není běžné. Proximitní operátory jsou velkou podporou klasických databázových systémů, ale i vyhledávání na internetu.

Proximitní operátory: Proximitní operátory specifikují posloupnost a vzdálenost mezi dvěma vyhledávanými výrazy a umisťují se mezi jednotlivá slova ve vyhledávacím řetězci. Mezi jejich příklady patří (w), (n), (l), (a), (s), near, with, adj.

Kritika booleovského systému

• Nelze řídit velikost výstupu.
• Všechny záznamy jsou stejně důležité, množinu výsledků nelze uspořádat podle relevance.
• Neumožňuje vzít v úvahu důležitost termínů v dokumentu.
• Neumožňuje vzít v úvahu důležitost termínů v dotazu.
• Obtížná zpětná vazba.
• Omezenost vyjadřovací síly (jakákoli množina popsaná pomocí termů, může být v principu vybrána vhodným booleovským dotazem; není ale garantováno, že pro jakoukoli množinu, která je v centru uživatelova zájmu, je v praxi jednoduché formulovat booleovský dotaz).
• Chybí kvalifikátor oblasti a možnost změny operátorů.

Booleovské vyhledávání

Způsob vyhledávání informací, který je založen na aplikaci booleovské logiky. Booleovský dotazovací jazyk nabízí formulaci dotazu jako logického výrazu, který sestává z operandů a logických operátorů. Operandy - rešeršní výrazy - mohou být slova nebo fráze, operátory vyjadřují vztah mezi zadanými operandy (obvykle AND, OR, NOT). Výsledkem booleovského vyhledávání je množina dokumentů, jejíž každá položka obsahuje operandy v souladu s formulací rešeršního dotazu.

Alternativy Booleovského modelu

Fuzzy model vyhledávání

Tento množinový model je založen na fuzzy logice, ve které se výroky ohodnocují mírou pravdivosti. Na rozdíl od klasické logiky, kde se používá logických hodnot nula nebo jedna, operuje fuzzy logika navíc se všemi hodnotami, které se nacházejí mezi tím.

Vektorový model vyhledávání

Vektorový model počítá míru podobnosti pomocí reprezentace dokumentů a dotazů vektory. Přesněji řečeno reprezentace termínů obsažených v dokumentu, a termínů obsažených v dotazu. Tato hodnota se nazývá koeficient podobnosti a počítá se nejčastěji na základě úhlu, který tyto vektory svírají.

V tomto modelu se navíc uplatňuje nebinární vážení termínů, které je realizováno buď manuálně uživatelem, nebo automaticky systémem na základě frekvence výskytu termínu v celé sbírce dokumentů.

Jednoduchý model s pružným řazením výsledků Systém řazení výsledků je minimálně stejně dobrý nebo lepší než u jiných vyhledávacích modelů Přesto, že vektorový model patří k nejstarším, není dosud známá efektivní implementace. V literatuře není nikde řešen problém jak postupovat při výpočtu podobnosti dokumentů.

Výhody:

• Zpřesňuje vyhledávací proces
• Uplatňuje se i částečná shoda s dotazem -> vyšší úplnost
• Řazení výsledků podle podobnosti s dotazem

Nevýhody:

• Předpoklad, že termíny jsou vzájemně nezávislé

Zdroje

Doporučená literatura

• Bártek, Květoslav. Výpočetní technika a specializované programy pro podporu VaV činností I. Olomouc: Moravská vysoká škola Olomouc, 2010. 66 s. ISBN 978-80-87240-31-1.
• Návod na jednotnou formulaci rešeršních dotazů v systému ústřední technické základny. Praha: ÚVTEI, 1974. [46] s. Dokumentace SÚTZ-systém ústř. techn. základny; Verze 1/1974.
• Matoušová, Miroslava a kol. Rešerše: úvod do teorie a organizace rešeršních služeb. Praha: Ústředí vědeckých, technických a ekonomických informací, 1988. 227 s. Studijní texty; 20.
• Červenková, Alena, ed. a Hořava, Michal, ed. Uživatelsky přívětivá rozhraní. Vyd. 1. Praha: Horava & Associates, 2009. 177 s. ISBN 978-80-254-5295-0.
• Papík, Richard. Strategie vyhledávání informací a elektronické informační zdroje. V Tribunu EU vyd. 1. Brno: Tribun EU, 2011. [6], 169 s. ISBN 978-80-7399-338-2.

Související články

Vyhodnocování relevance, role a druhy zpětné vazby v rešeršních službách
Charakterizujte a vyhodnoťte současné rešeršní systémy, dotazovací jazyky a selekční údaje významných mezinárodních bibliografických databází oboru informační a knihovní vědy
Rešerše
Rešeršní strategie
Zpětná vazba v rešeršních službách
Booleovské operátory

Klíčová slova

rešeršní systémy, booleovský model, typologie rešeršních systémů