Контрольная работы по информатике

     Например: реферативные журналы, словари, учебники, справочники, нормативные документы  и т.д. Выбираются слова, употребляемые в этих источниках, при этом устанавливается частота употребления слов и учитываются все формы, которые могут иметь слова.  
Второй этап - формирование множества ключевых слов.

     Из  словника формируется множество  ключевых слов. При отборе ключевых слов учитывается информативность  слова, которая определяется исходя из частоты встречаемости слова, роли слова в данной предметной области. Процесс выбора ключевых слов достаточно сложно формализовать. Например, такой  критерий, как частота встречаемости  не может быть абсолютным. Если слово  встречается в текстах очень  часто, это может означать, что  оно выражает чрезмерно широкое  понятие, либо недостаточно четко определено, т.е. неинформативно. Если ключевое слово  встречается очень редко, это  может означать, что оно выражает новое понятие и таким образом  является информативным. 

Третий  этап - формирование классов эквивалентности. Выделение дескрипторов.  
Класс эквивалентности - это группа терминов, равнозначных по смыслу в пределах сферы действия данной системы. Одно из слов класса эквивалентности объявляется дескриптором (как правило, наиболее употребляемое). Все слова, включенные в класс эквивалентности, объявляются условными синонимами (условными - так как они равнозначны в пределах данной предметной области, а в ЕЯ эти слова могут не являться синонимами).  
Критерием включения слов в класс эквивалентности является семантическая значимость этого слова при поиске документов, т.е. если данное слово при поиске документа может быть заменено другим словом, так, что на любой запрос выдача документов будет такой же, как и до замены, то такие два слова объявляются условными эквивалентами и включаются в один класс эквивалентности. Ключевые слова, относящиеся к одному классу эквивалентности, помещаются в соответствующую дескрипторную статью и помечаются символом «с». 

 В  процессе построения тезауруса  и выделения множества дескрипторов  происходит устранение синонимии,  омонимии, полисемии ключевых слов, а также выявление парадигматических  связей между дескрипторами. 

 В ЕЯ многие слова могут быть правильно истолкованы только с учетом контекста. В ИПЯ для правильной трактовки ключевых слов необходимы средства для исключения многозначности трактования слов. 

 Для  устранения многозначности (омонимии  и полисемии) ключевое слово,  которое можно неоднозначно трактовать, снабжается пометой, в которой  указывается в каком значении данное ключевое слово используется в ИПЯ. 

 Разработка  тезауруса без использования  компьютерных технологий - достаточно  длительный и трудоемкий процесс. 

 Большинство  автоматизированных методов создания  тезауруса основано на автоматическом  подсчете частоты слов, содержащихся  в документах, считающихся типичными  для данной предметной области.  Результаты такой обработки обычно  представляются в виде матрицы  «документ-термин», (рис.1). Элемент матрицы  на пересечении строки и столбца,  трактуется как вес слова в  документе. На основе полученной  матрицы вычисляются коэффициенты  подобия между словами, определяемые  в зависимости от частоты, с  которой слова совместно встречаются  в анализируемых документах, и  формируется структура тезауруса.  
 
 

	Частота слова в документе
	1	2	3	4	5	6	7
D1 D2 D3 D4

                  Рис.1. Пример матрицы «термин-документ»  

     Автоматические  информационно-поисковые тезаурусы  являются составным элементом систем автоматического индексирования документов и запросов. В словарной статье автоматического тезауруса, как  правило, зафиксированы отношения  условной эквивалентности (синонимии), отношение подчинения и ассоциативные  отношения. 

6. Применение тезауруса 

     В настоящее время происходит расширение сфер применения автоматических тезаурусов. При этом тезаурусы выступают  составной частью современных систем подготовки текстов, осуществляя лингвистическую  поддержку процесса подготовки и  обработки текстов на естественном языке.

     Среди наиболее перспективных направлений  развития автоматических тезаурусов можно  указать следующие:

1. Получение  справки по используемому слову.  Указав слово, в качестве ключа  для запроса, пользователь в  ответ получает соответствующий  фрагмент словаря, содержащий  лингвистическую информацию о  данном слове. Например, автоматический  тезаурус получает от пользователя  некоторое существительное и  в ответ выдает совокупность  устойчиво сочетающихся с ним  глаголов или все наиболее  часто сопровождающие его определения.  При этом автоматически выполняется  процедура нормализации входного  слова (т.е. приведение существительного  к именительному падежу).

2. Контекстные  замены по требованию пользователей.  В данном случае тезаурус не  только подбирает вместо одного  словосочетания другое, которое  пользователь счел более соответствующим контексту по смысловым или стилистическим соображениям, но и автоматически переоформляет параметры слов (например, род прилагательного) в соответствии с контекстом. Это означает, что синтаксические операции, производимые тезаурусом, существенно усложняются.

3. Автоматическая  оценка стиля. Если слова и  словосочетания в тезаурусе снабдить  стилистическими пометками, то  он может использоваться для  стилистической оценки текста  с выделением слов и словосочетаний, выпадающих, из общего стиля документа.

7. Примеры тезаурусов 

Информационно-поисковый  тезаурус по сохранности  документов (БАН) 

     Первый  отечественный двуязычный тезаурус по сохранности документов, подготовленный в Библиотеке Российской академии наук. тезаурус насчитывает 5 166 терминов.

     Издание представляет собой образец смешанного двуязычного (русско-английского) тезауруса. Основным языком выбран английский. Это  значит, что в качестве дескрипторов выбраны английские термины, а русские  термины приводятся как синонимы.

     Настоящий информационно-поисковый тезаурус предназначен для индексирования документов и обработки запросов по обеспечению  сохранности (хранению) документов в  традиционных и нетрадиционных информационных системах. Тезаурус может использоваться как специальный двуязычный словарь  при выполнении переводов с русского на английский и с английского  на русский язык, а также как  терминологический словарь справочник.

     В состав тезауруса входят:

     - лексико-семантический указатель;

     - иерархический указатель;

     - хронологический идентификатор.

     Дескрипторы часто определяют как классы условной эквивалентности терминов, поскольку  имеется поисковая и обычная (общеязыковая) эквивалентность языковых единиц, и  эти два вида лексической равнозначности терминов в дескрипторных словарях могут не полностью совпадать. Так, например, у лексических единиц, входящих в дескриптор «DERATISATION c. Дератизация, н. MICE, RATS», содержание понятий «мыши» и «крысы» относятся к семантическим категориям «живые организмы», «биологический фактор», а понятие «дератизация» – к лексической категории «операции». Но поскольку при проведении поиска информации различия в категориальном значении указанных слов являются не очень существенными и более важным является их информационно-поисковая эквивалентность, в тезаурусе по сохранности документов понятия «мыши» и «крысы» являются нижестоящими по отношению к термину «deratisation».

     В лексико-семантическом указателе  тезауруса расположены дескрипторные  и аскрипторные статьи.

     В рамках дескрипторной статьи термины  располагаются в следующем порядке:

     - заглавные дескрипторы выделены  заглавными буквами;

     - дополнительные данные;

     - аскрипторы или дескрипторы синонимы, которые следуют за индексом «с»;

     - вышестоящие дискрипторы следующие за индексом «в»;

     - нижестоящие дескрипторы следующие за индексом «н».

     Пример:

     ACCTSS CONTROL

     c Visitors control

     Контроль и управление доступом

     в ORGANIZATION OF SECURITY SISTEMS

     н ACCESS CONTROL

     3. В дескрипторных статьях тезауруса  отсутствуют:

     - лексическое примечание;

     - дескрипторы связанные другими видами отношений. 

     Тезаурус  терминов по морскому делу и парусному  туризму. (информационно-поисковый тезаурус). Составитель В.Н. Белозеров. Москва 2001 

     Тезаурус  содержит около 2200 терминов с определениями  и тезаурусными связями.

     Настоящий словарь-справочник по морскому делу и  парусному туризму является терминологическим  словарем, в котором для каждого  термина дано его определение, при  необходимости — примечания о  характере использования, а также  семантические связи с другим понятиями.

     Наличие явного указания на семантические связи  понятий в совокупности с раскрытием их содержания в определениях и комментариях позволяет использовать словарь  как "программированный учебник", который ведет читателя от слова  к слову, сообщая сведения о понятиях всей сферы интереса.

     В состав словаря входит вся специальная  терминология, необходимая для изложения  материала по организации и проведению туристских плаваний на транспортабельных  разборных судах по внутренним водоемам и прибрежным районам морей. Терминология этого вида деятельности дополнена  лексикой классического парусного  дела, парусного спорта, навигации, гидрографии, организации морских  перевозок, что позволяет использовать словарь как справочник по морскому делу в целом.

     Словарь состоит из настоящего введения и  алфавитного лексико-семантического указателя терминологии. Элементом  алфавитного указателя является словарная статья, состоящая из заглавной  лексической единицы, определения, примечания и ссылок.

     Тематику  словаря можно отнести к следующим  рубрикам Государственного рубрикатора  научно-технической информации:

     71.37.01 Общие вопросы туристско-экскурсионного  обслуживания

     73.34.01 Общие вопросы водного транспорта

     77.01.33 Терминология. Справочники, словари,  учебная литература по физической  культуре и спорту

     77.29.32 Парусный спорт. Виндсерфинг

     77.29.33 Спортивный туризм

     Заглавная лексическая единица возглавляет  словарную статью и в дескрипторных  статьях выделена заглавными (прописными) буквами. В некоторых случаях  в состав заглавной лексической  единицы включены факультативные пояснительные  слова в круглых скобках. Например: "УЗЕЛ (скорость)" в отличие  от "УЗЕЛ (на тросе)".

     Определение следует непосредственно после  заглавной лексической единицы, отделено от нее тире и набрано  шрифтом с уменьшенной высотой  букв (в настоящем варианте петит  не реализован). В некоторых случаях, когда определение термина очевидно из его внутренней формы, оно не приводится. В тех же случаях, когда термин можно определить с разных сторон и лишь в совокупности соответствующие  определения описывают понятие, приводятся два или даже три определения, разделенные точкой с запятой.

     Например:

     обычное определение:

     КЛИВЕР  — треугольный косой парус, передняя шкаторина которого крепится к кливер-лееру, соединяющему стеньгу с ноком бушприта или утлегарем.

     определение опущено:

     ДАЛЬНОСТЬ ВИДИМОСТИ —

     два определения (со стороны значения и  со стороны формы):

     АЗ  — флаг ВМСС, обозначающий русскую  букву А; красный с косицами и белым квадратом у древка.

     Важной  частью статьи являются ссылки на другие термины или другие формы того же термина. Они позволяют знакомиться  с содержанием тезауруса методом "навигации" по ссылкам и уточняют значение терминов, дополнительно раскрывая его через связи термина (набранного обычным светлым шрифтом). Если в статье приводится два или более ссылочных термина, имеющих одинаковый характер связи с заглавной лексической единицей, обозначение ссылки приводится только один раз в первой из строк.