Алгоритмы координатного индексирования с учетом классификационных признаков-терминов по предметной области
(Стр. 21-31)
Подробнее об авторах
Жаксыбаев Дархан Оракбаевич
докторант кафедры информационных систем
Евразийский национальный университет имени Л.Н. Гумилева
Новосибирск, Российская Федерация Барахнин Владимир Борисович доктор технических наук; ведущий научный сотрудник лаборатории информационных ресурсов, заведующий кафедрой математического моделирования механико-математического факультета
Федеральный исследовательский центр информационных и вычислительных технологий; Новосибирский государственный университет
Новосибирск, Российская Федерация
Евразийский национальный университет имени Л.Н. Гумилева
Новосибирск, Российская Федерация Барахнин Владимир Борисович доктор технических наук; ведущий научный сотрудник лаборатории информационных ресурсов, заведующий кафедрой математического моделирования механико-математического факультета
Федеральный исследовательский центр информационных и вычислительных технологий; Новосибирский государственный университет
Новосибирск, Российская Федерация
Нажимая на кнопку купить вы соглашаетесь с условиями договора оферты
Аннотация:
Библиотеки и лица, осуществляющие поиск в Интернете, все больше разочаровываются в результатах тематического доступа, отчасти из-за неуправляемости широкими наборами поисковых систем. Необходимость повышения точности и ограничения размеров поисковых запросов стала основным мотивом для написания этой работы. Цель этой статьи - исследовать алгоритмы координатного индексирования с учетом классификационных признаков-терминов по предметной области. Работа писалась с использованием метода материального моделирования. Использовались уже существующие модели, которые предлагают частичную координацию как основополагающую для подтверждения их эффективности на практике. Для анализа численных результатов использовался метод измерения. В представленном исследовании были представлены особенности и характеристики частичной координации. Кроме того, были изучены преимущества частичной координации. Предлагаемая авторами методология фокусируется на преимуществах «умного» запроса, который может быть выполнен в среде OPAC без дальнейших усилий со стороны пользователя; пользователь вводит свои ключевые слова, как и раньше, но «умное» координации ключевых слов в документах позволяет избежать неподходящих частичных совпадений. Порядок ранжирования документов по вопросу должен быть одинаково включен с теми непроверенными записями, в которых отсутствует частичная координация частичных документов.
Образец цитирования:
Жаксыбаев Д.О., Барахнин В.Б., (2022), АЛГОРИТМЫ КООРДИНАТНОГО ИНДЕКСИРОВАНИЯ С УЧЕТОМ КЛАССИФИКАЦИОННЫХ ПРИЗНАКОВ-ТЕРМИНОВ ПО ПРЕДМЕТНОЙ ОБЛАСТИ. Computational nanotechnology, 1 => 21-31.
Список литературы:
Armitage J.E., Lynch M.F. Some structural characteristics of articulated subject indexes // Information Storage and Retrieval. 1968. Vol. 4. Pp. 101-111.
Barash Y., Guralnik G., Tau N. et al. Comparison of deep learning models for natural language processing-based classification of non-English head CT reports // Neuroradiology. 2020. Vol. 62. No. 10. Pp. 1247-1256.
Beaulieu M., Borgman C.L. A new era for OPAC research: Introduction to the special topics issue on current research in online public access systems // Journal of the American Society for Information Science. 1996. Vol. 47. No. 7. Pp. 491-492.
Chakraborty A., Pawar A., Jang H. et al. A real-time feature indexing system on live video streams // 44th IEEE Annual Computers, Software, and Applications Conference. Madrid: Institute of Electrical and Electronics Engineers Inc. 2020. Pp. 42-50.
Croft W.B. Approaches to intelligent information retrieval // Information Processing & Management. 1987. Vol. 23. No.4. Pp. 249-254.
Endres T., Kranzdorf L., Schneider V., Renkl A. It matters how to recall - task differences in retrieval practice // Instructional Science. 2020. Vol. 48. No. 6. Pp. 699-728.
Gavit B.K. Web based library services // Library Philosophy and Practice. 2019. Vol. 2019. P. 2931.
Guo J., Fan Y., Pang L. et al. A deep look into neural ranking models for information retrieval // Information Processing and Management. 2020. Vol. 57. No. 6. P. 102067.
Gupta D., Berberich K. Optimizing hyper-phrase queries // 10th International Conference on the Theory of Information Retrieval. New York: Association for Computing Machinery. 2020. Pp. 41-48.
Hosey C., Vujovic L., St. Thomas B. et al. Just give me what I want: How people use and evaluate music search // Conference on Human Factors in Computing Systems. Glasgow: Association for Computing Machinery. 2019. P. 147770.
Ioannakis G., Koutsoudis A., Pratikakis I., Chamzas C. RETRIEVAL - an online performance evaluation tool for information retrieval methods // IEEE Transactions on Multimedia. 2018. Vol. 20. No. 1. Pp. 119-127.
Jiang J., Han R., Meng X., Li K. TSASC: Tree-seed algorithm with sine-cosine enhancement for continuous optimization problems // Soft Computing. 2020. Vol. 24. No. 24. Pp. 18627-18646.
Kalinauskaite D. Detecting information-dense texts: Towards an automated analysis // International Conference on Information Technologies. 2018. Vol. 2145. Pp. 95-98.
Kanev A.I., Terekhov V.I. Evaluation issues of query result ranking for semantic search // 7th International Young Scientists Conference on Information Technology. 2020. Vol. 1694. No. 1. P. 012004.
Kiss A.N., Libaers D., Barr P.S. et al. CEO cognitive flexibility, information search, and organizational ambidexterity // Strategic Management Journal. 2020. Vol. 41. No. 12. Pp. 2200-2233.
Kumar R., Singh J., Singh B., Rana M.K. Usability of OPAC in university libraries // Library Philosophy and Practice. 2018. Vol. 1. Pp. 1-11.
Li W., Zhang S., Qi G. A graph-based approach for resolving incoherent ontology mappings // Web Intelligence. 2018. Vol. 16. No. 1. Pp. 15-35.
Liu C., Huai H. An improved full-text retrieval for elementary education resource database system // Journal of Physics: Conference Series. 2020. Vol. 1693. No. 1. P. 012053.
Luong D.D., Phuong V.Q., Tung H.D.T. A new indexing technique XR+ tree for bio informatics XML data compression // International Journal of Engineering and Advanced Technology. 2019. Vol. 8. No. 5. Pp. 1168-1173.
Mehta K., Foster I., Klasky S. et al. A codesign framework for online data analysis and reduction // The International Conference for High Performance Computing, Networking, Storage and Analysis. Denver: Institute of Electrical and Electronics Engineers Inc, 2019. Pp. 11-20.
Moffat A., Scholer F., Yang Z. Estimating measurement uncertainty for information retrieval effectiveness metrics // Journal of Data and Information Quality. 2018. Vol. 10. No. 3. P. 10.
Murzin F., Perfliev A., Shmanina T. Methods of syntactic analysis and comparison of constructions of a natural language oriented to use in search systems // Bulletin of the Novosibirsk Computing Center, Series: Computer Science. 2010. No. 31. Pp. 91-109.
Nori R., Palmiero M., Giusberti F. et al. Web searching and navigation: Age, intelligence, and familiarity // Journal of the Association for Information Science and Technology. 2020. Vol. 71. No. 8. Pp. 902-915.
Steinberg D., Metz P. User response to and knowledge about an online catalog // College & Research Libraries. 1984. Vol. 45. No. 1. Pp. 66-70.
Thomas P., Billerbeck B., Craswell N., White R.W. Investigating searchers’ mental models to inform search explanations // ACM Transactions on Information Systems. 2019. Vol. 38. No. 1. P. 10.
Yi L., Yuan R., Long S., Xue L. Expert information automatic extraction for IoT knowledge base // Procedia Computer Science. 2019. Vol. 147. Pp. 288-294.
Бахтурина Т.А., Сукиасян Э.Р. Современная каталогизационная терминология. М.: Москва, 1992.
Лезин Г.В., Тузов В.А. Семантический анализ текста на русском языке: семантико-синтаксическая модель предложения // Экономико-математические исследования: математические модели и информационные технологии. СПб.: Наука, 2003.
Некрестьянов И.C. Тематико-ориентированные методы информационного поиска. СПб.: Санкт-Петербургский гос. ун-т, 2000.
Ножов И.М. Морфологическая и синтаксическая обработка текста (модели и программы). М.: Москва, 2003.
Широков А.В. Разработка модели информационного портрета пользователя для персонифицированного поиска // Отчеты конкурса научных проектов в области информационного поиска «Интернет-математика» [Электронный ресурс]. URL: http://company.yandex.ru/academic/grant/report2007.xml (дата обращения: 26.12.2020).
Barash Y., Guralnik G., Tau N. et al. Comparison of deep learning models for natural language processing-based classification of non-English head CT reports // Neuroradiology. 2020. Vol. 62. No. 10. Pp. 1247-1256.
Beaulieu M., Borgman C.L. A new era for OPAC research: Introduction to the special topics issue on current research in online public access systems // Journal of the American Society for Information Science. 1996. Vol. 47. No. 7. Pp. 491-492.
Chakraborty A., Pawar A., Jang H. et al. A real-time feature indexing system on live video streams // 44th IEEE Annual Computers, Software, and Applications Conference. Madrid: Institute of Electrical and Electronics Engineers Inc. 2020. Pp. 42-50.
Croft W.B. Approaches to intelligent information retrieval // Information Processing & Management. 1987. Vol. 23. No.4. Pp. 249-254.
Endres T., Kranzdorf L., Schneider V., Renkl A. It matters how to recall - task differences in retrieval practice // Instructional Science. 2020. Vol. 48. No. 6. Pp. 699-728.
Gavit B.K. Web based library services // Library Philosophy and Practice. 2019. Vol. 2019. P. 2931.
Guo J., Fan Y., Pang L. et al. A deep look into neural ranking models for information retrieval // Information Processing and Management. 2020. Vol. 57. No. 6. P. 102067.
Gupta D., Berberich K. Optimizing hyper-phrase queries // 10th International Conference on the Theory of Information Retrieval. New York: Association for Computing Machinery. 2020. Pp. 41-48.
Hosey C., Vujovic L., St. Thomas B. et al. Just give me what I want: How people use and evaluate music search // Conference on Human Factors in Computing Systems. Glasgow: Association for Computing Machinery. 2019. P. 147770.
Ioannakis G., Koutsoudis A., Pratikakis I., Chamzas C. RETRIEVAL - an online performance evaluation tool for information retrieval methods // IEEE Transactions on Multimedia. 2018. Vol. 20. No. 1. Pp. 119-127.
Jiang J., Han R., Meng X., Li K. TSASC: Tree-seed algorithm with sine-cosine enhancement for continuous optimization problems // Soft Computing. 2020. Vol. 24. No. 24. Pp. 18627-18646.
Kalinauskaite D. Detecting information-dense texts: Towards an automated analysis // International Conference on Information Technologies. 2018. Vol. 2145. Pp. 95-98.
Kanev A.I., Terekhov V.I. Evaluation issues of query result ranking for semantic search // 7th International Young Scientists Conference on Information Technology. 2020. Vol. 1694. No. 1. P. 012004.
Kiss A.N., Libaers D., Barr P.S. et al. CEO cognitive flexibility, information search, and organizational ambidexterity // Strategic Management Journal. 2020. Vol. 41. No. 12. Pp. 2200-2233.
Kumar R., Singh J., Singh B., Rana M.K. Usability of OPAC in university libraries // Library Philosophy and Practice. 2018. Vol. 1. Pp. 1-11.
Li W., Zhang S., Qi G. A graph-based approach for resolving incoherent ontology mappings // Web Intelligence. 2018. Vol. 16. No. 1. Pp. 15-35.
Liu C., Huai H. An improved full-text retrieval for elementary education resource database system // Journal of Physics: Conference Series. 2020. Vol. 1693. No. 1. P. 012053.
Luong D.D., Phuong V.Q., Tung H.D.T. A new indexing technique XR+ tree for bio informatics XML data compression // International Journal of Engineering and Advanced Technology. 2019. Vol. 8. No. 5. Pp. 1168-1173.
Mehta K., Foster I., Klasky S. et al. A codesign framework for online data analysis and reduction // The International Conference for High Performance Computing, Networking, Storage and Analysis. Denver: Institute of Electrical and Electronics Engineers Inc, 2019. Pp. 11-20.
Moffat A., Scholer F., Yang Z. Estimating measurement uncertainty for information retrieval effectiveness metrics // Journal of Data and Information Quality. 2018. Vol. 10. No. 3. P. 10.
Murzin F., Perfliev A., Shmanina T. Methods of syntactic analysis and comparison of constructions of a natural language oriented to use in search systems // Bulletin of the Novosibirsk Computing Center, Series: Computer Science. 2010. No. 31. Pp. 91-109.
Nori R., Palmiero M., Giusberti F. et al. Web searching and navigation: Age, intelligence, and familiarity // Journal of the Association for Information Science and Technology. 2020. Vol. 71. No. 8. Pp. 902-915.
Steinberg D., Metz P. User response to and knowledge about an online catalog // College & Research Libraries. 1984. Vol. 45. No. 1. Pp. 66-70.
Thomas P., Billerbeck B., Craswell N., White R.W. Investigating searchers’ mental models to inform search explanations // ACM Transactions on Information Systems. 2019. Vol. 38. No. 1. P. 10.
Yi L., Yuan R., Long S., Xue L. Expert information automatic extraction for IoT knowledge base // Procedia Computer Science. 2019. Vol. 147. Pp. 288-294.
Бахтурина Т.А., Сукиасян Э.Р. Современная каталогизационная терминология. М.: Москва, 1992.
Лезин Г.В., Тузов В.А. Семантический анализ текста на русском языке: семантико-синтаксическая модель предложения // Экономико-математические исследования: математические модели и информационные технологии. СПб.: Наука, 2003.
Некрестьянов И.C. Тематико-ориентированные методы информационного поиска. СПб.: Санкт-Петербургский гос. ун-т, 2000.
Ножов И.М. Морфологическая и синтаксическая обработка текста (модели и программы). М.: Москва, 2003.
Широков А.В. Разработка модели информационного портрета пользователя для персонифицированного поиска // Отчеты конкурса научных проектов в области информационного поиска «Интернет-математика» [Электронный ресурс]. URL: http://company.yandex.ru/academic/grant/report2007.xml (дата обращения: 26.12.2020).
Ключевые слова:
пост-координация, частичная координация, тематический каталог, поисковая система, булевой запрос.
Статьи по теме
