Гайдамакин Н. А. 17 страница

При наличии только иерархических связей между пройден­ными документами отработанным приемом отображения структуры ассоциативной цепочки пройденных документов может быть способ отображения файловой структуры инфор­мационных ресурсов компьютера, используемый в программах типа «Проводник» операционной системы MS Windows 95.

Рис. 6.13. Навигация по гипертекстовой базе документов и ото­бражение цепочек пройденных документов

Однако гипертекстовые сети документов, как будет рассмотрено ниже, являются не иерархическими, а гетерогенными. В гетерогенных сетях могут существовать как одноуровневые и межуровневые связи, так и обратные связи (отсылки), что вырождает само понятие иерархии в таких сетях. Наглядно такие структуры можно представить в виде неограниченной совокуп­ности объемно переплетенной паутины узлов, хотя в отдель­ных сегментах таких структур могут в определенной степени сохраняться иерархические отношения. Отсюда, видимо, и ро­дилось соответствующее название для распределенной гипер­текстовой среды сети Интернет. «Блуждание» по подобным «ла­биринтам» может образовывать столь запутанные «следы», что их визуально-наглядное отображение весьма затруднительно.

Вместе с тем визуализация информационного поиска до­кументов является чрезвычайно актуальной задачей, так как может предоставлять пользователям дополнительные аспекты анализа информации при аналитических исследованиях. Оп­ределенные методологические подходы к решению таких за­дач могут быть найдены на основе анализа семантической при­роды гетерогенных сетей гипертекстовых документов.

6.4.3. Модель организации данных в гипертекстовых ИПС

К сожалению, несмотря на интенсивное развитие и всеоб­щее распространение в последнее десятилетие гипертекстовых технологий, к настоящему времени еще не проработана полно­стью формализованная модель организации гипертекстовых данных, которая бы обеспечивала формализованные процеду­ры синтеза (разработки, проектирования) и анализа (использо­вания) гипертекстовых ИПС. Причина этого заключается, как и в целом для всех типов документальных систем, в пока не­преодолимых сложностях в формализованном описании смыс­ла текстов на естественном языке.

Тем не менее в научной литературе имеется ряд работ, по­священных формальным моделям гипертекстовых структур.* Среди них можно выделить теорию паттернов, разработан­ную американским математиком У. Гренандером и развитую впоследствии для гипертекста Л. В. Шуткиным, тензорную модель А.В. Нестерова и подход логико-смыслового моделиро­вания, представленный в работах М. М. Субботина, а также ряд других подходов.

* См., например, Купер И. Р. Обзор отечественных гипертекстовых технологии // Теория и практика общественно-научной информации. — Вып. 13. — 1997.

 

Первые два подхода основываются на формализации от­дельных текстов специальными математическими конструкци­ями. В теории паттернов текст рассматривается как сложноор-ганизованная совокупность отдельных тем, каждая из которых может выражаться фрагментом текста с минимальным разме­ром в виде одной строки. Для описания гипертекста в теории паттернов вводятся также специальные объекты — кнопки (аналог гиперссылки) и связи с идентификаторами и дополни­тельными параметрами (тип, направленность и т. д.). В резуль­тате размеченный гипертекст можно описывать теми или ины­ми паттерновыми конфигурациями. Вместе с тем теория пат­тернов не содержит средств синтеза обычного текста в гипертекст.

Тензорный подход основывается на идеологии ранее рас­сматривающейся фасетной классификации, которая позволяет формализовано описать смысловую структуру текста в виде тензора,* а гипертекстовую структуру в виде ансамбля тензо­ров. Таким образом, сильной стороной тензорного подхода яв­ляется возможность создания формализованных процедур ана­лиза исходных текстов для создания гипертекстовых структур.

* В упрощенном виде тензор можно трактовать как математический объект, за­вершающий иерархически усложняющуюся цепочку—«скаляр—вектор—тензор», т. е. как многокомпонентный объект в многомерном пространстве с заданным линей­ным преобразованием его компонент при переходе от одной системы координат к дру­гой.

 

Наиболее развитым в практическом плане является подход, основанный на логико-смысловом моделировании человечес­кого мышления, позволяющий на основе семантической бли­зости текстовых фрагментов связывать их в цельный осмыс­ленный текст — семантическую сеть. Математическим аппа­ратом для описания структуры гипертекста выступает теория графов. Критерием для связывания текстов или их фрагментов в семантическую сеть является возможность установления меж­ду ними логических связок типа «есть», «является условием», «является причиной» и т. д. Построение на основе анализа тек­ста таких связываний образует формализованные «высказыва­ния», комбинируя которые можно получать определенные вы­воды или, как говорят, новые знания, или подтверждать истин­ность (доказывать) составных высказываний. В наиболее развитом виде такой подход реализуется в так называемых ба­зах знаний, составляющих основу особой ветви информацион­ных систем, называемых экспертными системами.

Таким образом, при логико-смысловом моделировании структура гипертекста представляет (точнее, должна представ­лять) систему семантических связей между когнитивными эле­ментами (понятиями, высказываниями) определенной предмет­ной области. В результате сильной стороной такого подхода является возможность автоматизации создания (разметки) ги­пертекстовых структур на основе распознавания и соотнесения документов или их фрагментов к тем или иным узлам семанти­ческой сети.

Если вернуться к структуре гипертекстовой ИПС (рис. 6.12), то ее центральным элементом является гипертекстовая база документов. По принципу формирования и управления гипер­текстовыми базами их можно разделить на открытые (физи­чески распределенные, или децентрализованные) и замкнутые (локально сосредоточенные).

В замкнутых базах гипертекстовые документы находятся в едином локально-сосредоточенном и централизованно управ­ляемом хранилище (файле или группе файлов со специальным (форматом). Такое хранилище образует замкнутую семанти­ческую сеть документов, гипертекстовые связи которых не вы­ходят за пределы хранилища. Соответственно внесение в базу новых документов или удаление документов производится не­посредственно в месте расположения такой локальной базы.

В открытых базах гипертекстовые документы не образу­ют единое локально размещенное хранилище, а располагаются автономно в любых элементах (узлах) информационной сре­ды. При этом информационная среда может ограничиваться файловой структурой одного компьютера (диски, каталоги, под­каталоги), локальной или глобальной информационной сетью. В открытых базах семантическая гипертекстовая сеть докумен­тов не управляется из одного центра (узла), а совместно стро­ится и поддерживается всеми пользователями, работающими в узлах информационной среды (сети). Несмотря на полную де­централизацию создания и функционирования, при определен­ных соглашениях (протоколах) об установлении и поддержа­нии связей-гиперссылок, такие открытые семантические струк­туры тем не менее представляют единый развивающийся по определенным закономерностям организм.

В настоящее время техника гиперссылок, применяемая в гипертекстовых системах, предполагает лишь однонаправлен­ные связи, позволяющие осуществлять навигацию только в прямом направлении. «Вернуться» обратно в исходный доку­мент можно только по запомненной цепочке пройденных документов, т. е. по схеме «Вперед-Назад». При этом прямой пере­ход по гиперссылке осуществляется из определенного места, точнее контекста исходного документа, а возврат осуществля­ется обратно в документ в целом, т. е. фактически в его начало, что может разрывать контекст (сюжетно-тематический поток) анализа информации. В ранних гипертекстовых системах (про­ект Xanadu) предполагался двунаправленный характер гиперссылок, но практическая реализация такого подхода существен­но усложняет протоколы навигации, так как требует более де­тального координатного адресования объектов и субъектов гиперссылок, идентифицирования пользователей и поддержа­ния устойчивости документов (в смысле координатной струк­туры).

В результате модель организации дачных в гипертексто­вых базах описывается ориентированными невзвешенными графами с петлями и циклами. По определению граф G представ­ляет структуру, состоящую из множества вершин и множества ребер , их соединяющих. По ребрам осу­ществляется движение, переход от одной вершины к другой. Ориентированные ребра, по которым переход возможен только в одном направлении, называются дугами. Применительно к структуре гипертекстовой базы вершины графа соответствуют документам, а дуги гиперссылкам. Невзвешенность означает равнозначность любых дуг по переходу, или, иначе говоря, оди­наковую «стоимость» перехода по любой гиперссылке. Петлей называется дуга, начальная и конечная вершины которой со­впадают, т. е. применительно к гипертексту внутренняя гипер-ссылка на другой фрагмент того же документа. Путем (или ори­ентированным маршрутом) называется последовательность дуг, в которой конечная вершина любой дуги, кроме последней, яв­ляется начальной вершиной следующей дуги. В невзвешенном графе, когда стоимость (вес) всех дуг одинакова, длиной пути является число дуг, входящих в путь. Путь называ­ется замкнутым, если в нем начальная вершина первой дуги совпадает с конечной вершиной последней дуги . Если в зам­кнутом пути любая вершина графа используется не более од­ного раза (за исключением начальной и конечной, которые со­впадают), то такой замкнутый путь называется циклом. При­мер графа приведен на рис. 6.14.

Рис. 6.14. Пример невзвешенного графа с петлями и циклами

Для алгебраического задания графов, позволяющего эффективно алгоритмизировать машинное представле­ние и оперирование графами, используются матрицы смежности и инциденций. Элементы матрицы смежности графа G определяются следующим образом:

, если в G существует дуга ;

, если в G не существует дуга .

Матрица смежности полностью определяет структуру гра­фа. В частности, для графа, приведенного на рис. 6.14, матрица смежности выглядит следующим образом:

Матрица инциденций графа G с n вершинами и m дуга­ми представляет собой матрицу размерности nxm и ее элемен­ты определяются следующим образом:

, если вершина является начальной вершиной дуги ;

, если вершина является конечной вершиной дуги ;

, если вершина не является концевой вершиной дуги или если дуга является петлей.

Графовая модель организации гипертекстовых данных яв­ляется мощным инструментом, так как предоставляет ряд от­работанных в теории графов алгоритмов для решения задач анализа и синтеза структур гипертекстовых баз данных, нави­гации и документального поиска в такого рода структурах.

Вместе с тем, как показала практика развития гипертек­стовых структур, модель ориентированных невзвешенных гра­фов с петлями и циклами является лишь приближенным сред­ством отражения реального процесса восприятия и анализа че­ловеком документальной текстовой информации, не учитывая ряда гносеологических и семантических аспектов.

Анализ работы человека с документальными источниками информации показывает, что ассоциативный ряд восприятия фрагментов и документов не однороден. Ассоциативные от­ношения выражаются в нескольких формах, в качестве основ­ных из которых можно отметить:

(a) сноски (переходы к ним используются с целью поясне­ния какого-либо термина, факта и т. д. с обязательным и ско­рым возвратом, т. е. без прерывания контекста восприятия ос­новного повествования, мысли, идеи);

(b) примеры (переходы по ним используются для иллюст­рации частных проявлений объектов, процессов, явлений, и также с обязательным и скорым возвратом без прерывания ос­новного контекста);

(c) отступления, параллельные темы (переходы к ним используются для обогащения основной темы с необязатель­ным или нескорым возвратом, что может приводить к прерыва­нию контекста изложения основной темы);

(d) подобие по форме и содержанию (переходы использу­ются для более глубокого уяснения основной темы через ана­лиз других подобных по форме, содержанию, структуре или другим критериям тем, фрагментов, объектов, в том числе для рассмотрения других точек зрения и подходов, с необязатель­ным возвратом, что приводит к длительному прерыванию ис­ходного контекста с возможным формированием нового кон­текста);

(e) особенности (переходы используются для рассмотре­ния отличий конкретной темы или объекта изложения от по­добных по форме или содержанию объектов с обязательным возвратом без прерывания основного контекста);

(f) подобие по сущности (переходы используются для по­строения ассоциативного ряда подобных или однородных объектов, являющихся частными проявлениями одного обще­го явления процесса, объекта, возврат не обязателен, что при­водит к прерыванию исходного контекста, в том числе и для формирования более общего или более широкого контекста).

Перечисленные формы ассоциативных отношений опреде­ляют необходимость дифференциации типов связей-гиперссылок в гипертекстовых базах документов. По признаку прерыва­ния контекста материала можно выделить два типа гиперссылок:

• с прерыванием контекста, назовем их навигационны­ми гиперссылками;

• без прерывания контекста, т. е. с обязательным возвра­том, назовем их листовыми гиперссылками.

Навигационные гиперссылки формируют ассоциативные связи-отношения (с), (d) и (f) типа. Переходы по навигацион­ным связям не имеют каких-либо пространственных и иных ограничений и призваны формировать многоплановый сюжетно-тематический поток.

Листовые гиперссылки формируют ассоциативные связи-отношения (а), (b) и (е) типа. Переходы по листовым гиперссылкам ограничиваются единичной длиной к вершинам (уз­лам), из которых нет другого выхода. Направленность дуг-свя­зей по листовым гиперссылкам является обратной по отношению к навигационным гиперссылкам. Это означает, что прямой пе­реход по ним осуществляется не в конкретное место отсылае­мого документа, а в целом на документ (в начало) листовой вер­шины, и наоборот, возврат в документ исходной вершины про­исходит адресно, т. е. в место расположения листовой гиперссылки.

Кроме ассоциативных отношений при восприятии докумен­тальных источников важную роль имеют и классификацион­ные отношения фрагментов и документов в следующих ос­новных формах:

i) «родо-видовая» иерархия (переходы используются для углубления, детализации рассмотрения или выбора темы, (фраг­мента, сюжета);

ii) иерархически-логические соотношения в форме «ввод­ный материал — основной материал — заключительный мате­риал» (переходы используются для построения или изменения логико-тематического повествования);

iii) ролевые отношения, например такие, как «Объект-субъект-средство-место-время-участники действия» и др. (пе­реходы используются для формирования или расчленения це­лостного представления сложных разноплановых явлений, про­цессов, событий).

Реализация дифференцированного подхода к образованию и использованию гиперссылок в открытых децентрализованно развивающихся системах является непростой проблемой, так как требует переработки и усложнения протоколов передачи и использования гипертекста, т. е. массового принятия в сети но­вых и более сложных правил всеми пользователями и разра­ботчиками информационных узлов распределенной гипертек­стовой информационной инфраструктуры.

Поэтому подходы, связанные с дифференциацией характе­ра гиперссылок, нашли свое воплощение в первую очередь в закрытых (локальных) гипертекстовых ИПС. В качестве при­мера развитых в этом смысле гипертекстовых систем можно привести информационно-справочные системы помощи в сре­де ОС MS Windows.

Модель организации данных в гипертекстовых справоч­ных системах Microsoft Windows основана на сочетании диф­ференциации ассоциативных гиперссылок и иерархического принципа организации фрагментов и документов. Схематично модель организации данных можно отобразить схемой, пред­ставленной на рис. 6.15.

Рис. 6.15. Модель организации данных в гипертекстовых спра­вочных системах Microsoft Windows

Как видно из представленной схемы, данная модель соче­тает апробированные и интуитивно понятные большинству пользователей по аналогии работы с книгой иерархическую навигационную структуру (гипертекстовые оглавление и пред­метный указатель) с дифференцированными ассоциативными гиперссылками, выражающими рассмотренные выше различные типы ассоциаций при изучении и восприятии текстовой информации.

Вместе с тем использование справочных гипертекстовых систем все же не может полноценно заменить традиционные книги и учебники, так как большинство таких систем не обес­печивает привычный пользователю по обычным книгам после­довательный повествовательный поток, разрывая его по про­странственной или предметной иерархии, и, кроме того, требу­ют от пользователя новых навыков работы с текстовой информацией и более точного осознания в любой момент сво­их информационных потребностей.

Как и в моделях организации фактографических данных, в модели организации гипертекстовых данных важное значение имеет целостная составляющая. Применительно к гипертек­стовым данным целостность и согласованность данных озна­чает, прежде всего, целостность ссылок и выражается следу­ющим принципом — «для каждой гиперссылки должен су­ществовать адресат». Иначе говоря, целостность гипертекстовых данных выражается в отсутствии оборванных, ведущих в «никуда» связей.

Контроль целостности ссылок возможен на основе созда­ния и ведения единого централизованного реестра гиперссылок, как это и осуществляется в замкнутых гипертекстовых базах. Специальный компонент программного обеспечения ги­пертекстовой СУБД при удалениях документов (страниц) по реестру гиперссылок находит имеющиеся в других докумен­тах ссылки на удаляемый документ и аннулирует их.

В открытых распределенных гипертекстовых системах реализация принципа целостности ссылок встречает существен­ные трудности, так как децентрализованный принцип функци­онирования таких систем затрудняет создание и ведение еди­ного реестра гиперссылок. В случае распределенной гипертек­стовой среды за информацию на любом узле отвечает отдельный независимый пользователь, вольный по своему усмотрению добавлять или удалять гипертекстовые страницы (документы). Ввиду отсутствия централизованного реестра и однонаправлен­ного* характера гиперссылок, при удалении какой-либо гипер­текстовой страницы пользователь не может знать, имеются ли в других документах гиперссылки на удаляемую страницу. В таких ситуациях гиперссылки из других страниц, отсылающие на удаляемые страницы, оказываются оборванными.

* То есть гиперссылка находится в источнике отсылки, а на отсылаемом адреса­те никакой информации по гиперссылке нет.

 

Еще более сложной проблемой является обеспечение со­гласованности данных. Применительно к гипертекстовым си­стемам согласованность данных заключается в поддержании адекватности семантики гиперссылок. Говоря иначе, долж­на обеспечиваться устойчивость смысловых ассоциаций по гиперссылкам. Однако если изменить содержание того докумен­та, на который отсылает гиперссылка из другого документа, то смысловая ассоциация, закладываемая в гиперссылку, может нарушиться, и в отсылаемом документе речь может пойти на совершенно другую тему.

Тривиальное решение проблемы согласованности гипер­текстовых данных заключается в запрете изменения содержа­ния документов, после внесения их в гипертекстовую базу. Та­кой подход применяется в некоторых системах на основе замк­нутых гипертекстовых баз документов.

В открытых системах с децентрализованным характером функционирования такой подход неприемлем. Вместе с тем одним из возможных направлений решения этой проблемы яв­ляется практикуемая в среде WWW идеология «публикаций». Среда WWW в этом смысле трактуется как гигантское элект­ронное апериодическое издание, на страницах которого каж­дый желающий может «опубликовать» свои документы. Про­блема согласованности данных по гиперссылкам может решать­ся в такой идеологии через введение в гиперссылки темпоральных параметров существования и соответствующих временных ограничений на содержательную изменчивость ги­пертекстовых публикаций. Иначе говоря, могут быть опреде­лены «времена жизни» гиперссылок, в течение которых гипер­текстовые публикации не могут быть изменены. Однако, как и в случае введения двунаправленного характера гиперссылок, такой подход потребует перестройки протоколов и других со­глашений в гигантской распределенной информационной инф­раструктуре.

6.4.4. Формирование связей документов в гипертекстовых ИПС

Еще одним важным элементом в структуре гипертексто­вых ИПС является подсистема формирования связей докумен­тов (см. рис. 6.12). Как и в случае систем на основе индексиро­вания документов, существует два подхода к формированию связей документов в гипертекстовых ИПС — ручной и авто­матизированный.

В первом подходе смысловые связи содержания документа с другими документами системы определяются самим пользо­вателем (автором документа, администратором и т. п.). Такой подход имеет свои преимущества, так как пользователь уста­навливает смысловые ассоциации нового документа с другими документами базы на основе многоаспектного многокритери­ального анализа содержания документа, что не может быть в полной мере воспроизведено никакими автоматизированными формальными или эвристическими алгоритмами.

Вместе с тем у ручного подхода имеется и ряд существен­ных недостатков. Человеческие возможности по скорости и объему смыслового анализа текстовых документов ограниче­ны и не могут во многих случаях обеспечить приемлемые вре­менные или организационные расходы на обработку и установ­ление связей при больших потоках поступления документов в систему. В качестве примера можно привести гипертекстовую систему, агрегирующую в реальном масштабе времени поток новостных сообщений информационных агентств и другие тому подобные ситуации.

Однако даже если временных или иных ограничений на ввод документов в гипертекстовую ИПС нет, то другой пробле­мой является ограниченность человеческой памяти пользова­теля (администратора) по содержанию введенных ранее в сис­тему документов. Иначе говоря, пользователь, устанавливая гипертекстовые ассоциации нового документа, помимо смысло­вого содержания вводимого документа, одновременно должен представлять и помнить смысловое содержание всех других ранее введенных в систему документов, что, конечно же, без дополнительных классификационных или иных приемов в боль­шинстве случаев нереально.

Кроме того, ручной подход, как и в случае индексирования документов, требует определенной квалификации пользовате­ля-анализатора в соответствующей предметной области ИПС, что приводит к дополнительным проблемам.

Тем не менее в некоторых областях ручной способ уста­новления гиперссылок сохраняет свое значение или является единственно возможным. Это, прежде всего, касается среды WWW в сети Интернет. Гипертекстовые ссылки публикуемых на Web-узлах документов на другие документы Сети пользова­тели определяют сами,* исходя из собственных представлений об ассоциации своей страницы с другими публикациями и уз­лами WWW. Вместе с тем такой подход не может по-настояще­му полно и адекватно ассоциировать содержание публикуемой страницы с ресурсами Сети, так как ни один пользователь или Web-мастер, конечно же, не может знать и представлять всех ресурсов Сети. Отчасти эта проблема решается через так назы­ваемые поисковые машины, размещающиеся на известных всем пользователям узлах WWW и представляющие собой, как пра­вило, сочетание информационно-поисковых классификацион­ных каталогов и полнотекстовых ИПС, индексирующих все пуб­ликации в WWW. В этом случае гипертекстовые ассоциатив­ные цепочки образуются через отсылку на узел поисковой машины, а от него к релевантным документам, располагающим­ся на других узлах сети.

* Совместно с так называемыми Web-мастерами и Web-дизайнерами.

Автоматизированный подход к формированию и уста­новлению гипертекстовых связей применяется в развитых замкнутых гипертекстовых ИПС. В основе автоматизации фор­мирования гиперссылок лежит использование принципов поиска релевантных по смыслу документов, применяемых в си­стемах на основе индексирования.

На практике применяются две основные технологии авто­матизированного установления ассоциативных гипертекстовых связей:

• технология поисковых образов документов на основе тех­ники ключевых слов (терминов);

• технология полнотекстового индексирования и поиска.

Использование технологии ключевых слов имеет несколь­ко разновидностей. Один из вариантов предусматривает пред­варительное создание для предметной области гипертекстовой ИПС взвешенного словаря ключевых терминов. При вводе но­вого документа в системе производится его индексирование по словарю ключевых терминов и формируется ПОД. В простей­шем случае в качестве ПОД используется суммарный вес тер­минов, присутствующих в тексте документа. Далее поисковый образ нового документа сравнивается с поисковыми образами ранее введенных документов и при превышении определенно­го порога «сходства» устанавливаются гипертекстовые связи с соответствующими документами.

В другом варианте используется предварительно создан­ная классификационная рубрикация предметной области. Скаждой рубрикой связывается опять-таки предварительно со­зданный набор ключевых терминов или их сочетаний. На ос­нове входного индексирования производится соотнесение вво­димого документа с той или иной рубрикой и на этой основе устанавливаются гипертекстовые связи с соответствующей группой документов.

Полнотекстовые технологии по сути аналогичны техни­ке ключевых слов с учетом только более широкого текстового базиса индексирования и использования тех или иных крите­риев установления близости поисковых образов документов. В некоторых системах практикуются полуавтоматизированные технологии на основе полнотекстового поиска. В таких систе­мах пользователь-анализатор выделяет из текста документа наиболее характерные по его содержанию фрагменты, которые используются в качестве запроса-образца для сформирования ПОЗ и полнотекстового поиска релевантных документов, с ко­торыми и устанавливаются гипертекстовые связи.