A természetes nyelvű tartalmi feltárás

Az előadások a következő témára: "A természetes nyelvű tartalmi feltárás"— Előadás másolata:

1 A természetes nyelvű tartalmi feltárás

2 természetes nyelven alapulók
ismétlés 1.: információkereső nyelvek csoportjai 1. szempont: az alkalmazott nyelv természetes nyelven alapulók szabályozott nyelvű: tárgyszavas, deszkriptoros rendszerek mesterséges nyelvű: ETO

3 !! egy tudományág : egy hely  egy könyv : egy hely !!
ismétlés 2.: osztályozáselméleti iskolák tudományfelosztáson alapuló osztályozások korlátaik: szigorú logikai elvek határozzák meg nem lehet átfedés: !! egy tudományág : egy hely  egy könyv : egy hely !! nehézkessé válhatnak /nehezen fejleszthetőek

4 ismétlés 3.: osztályozáselméleti iskolák 2. nyelvészeti irányzat
információkeresõ nyelvek: 20. század elejétõl szavaik: szövegből vett szavak címszó kulcsszó: az információ lényegére jellemzõ, a tartalmi feltárásra alkalmas tárgyszó: a tartalmat röviden, egyértelmûen kifejezõ, természetes nyelvű szó deszkriptor: a legáltalánosabb információkeresõ nyelvi kifejezés nemdeszkriptor: az információk feldolgozására és keresésére közvetlenül nem használható kifejezés osztályozási táblázat, tárgyszójegyzék, tezaurusz: az információkeresõ nyelvek szavai rendszerezett jegyzéke, vagy listája („szótár”)

5 nincs szabályozott szótár, szójegyzék
kötetlen rendszerek keresőszavak a szöveg elemeiből tetszőlegesen (szövegszavak, kulcsszavak, címszavak) nincs szabályozott szótár, szójegyzék

6 a keresőszavak: szabványos, ellenőrzött, kötött szókészletből
kötöttszavas rendszerek a keresőszavak: szabványos, ellenőrzött, kötött szókészletből keresőnyelvi szótárak alapján pl. tárgyszójegyzék, a tezaurusz, osztályozási táblázat mutatói

7 átmeneti / vegyes rendszerek
pl. betűrendbe sorolt tárgyszóláncok előnyök: egyszerű rugalmas hátrányok: az egyes tárgykörök fogalmai szétszóródnak az abc-rendben szemantikai problémák jelennek meg a fogalmi struktúra gyenge

8 természetes nyelvű információkeresõ nyelvek szabályozása
szóalakok összevonása homonímák megkülönböztetése szinonímák elemzése tárgyszavak kialakítása

9 tárgyszó nyelvtanilag szabványosított formájú
természetes nyelven alapuló annál egyszerűbb kifejezés a dokumentum, információ lényegének, leírására alkalmas rövid, tömör, egyértelmű tárgyszójegyzék, tárgyszórendszer alkotóegysége lehet

10 szabad tárgyszó / tárgyszólista / tárgyszórendszer
bármely szó bármely alakban bármely új szó nincs lista

11 szabad tárgyszó / tárgyszólista / tárgyszórendszer
Civil organizations and regional identity in the south Hungarian great plain / István Murányi et al. 1. Civil szervezetek 2. Regionális Identitás 3. Dél-Alföld 4. időföldrajz

12 szabad tárgyszó / tárgyszólista / tárgyszórendszer
Magyarország litosztratigráfiai alapegységei : Táblázatok és rövid leírások = Basic Litostragigraphic units of Hungary : Charts and short descriptions / Magyar Állami Földtani Intézet 1. Magyarország 2. Litosztratigráfiai alapegységek 3.Litosztratigráfia 4. általános földtan

13 szabad tárgyszó / tárgyszólista / tárgyszórendszer
tárgyszavak, sorrendben alakjuk nem szabályozott utalások a szinonimákról tárgyszavakra AGY - AIDS - AKUPUNKTÚRA - ALAPELLÁTÁS - ALKOHOLIZMUS - ÁLLATORVOSTAN - ÁLLATORVOSTUDOMÁNY – ÁLLATTAN - ALLERGIOLÓGIA ÉS IMMUNOLÓGIA - ANALITIKAI KÉMIA - ANATÓMIA - ANDROLÓGIA - ANESZTEZIOLÓGIA - ANTIBIOTIKUMOK - ANTROPOLÓGIA - ANYAGCSERE

14 szabad tárgyszó / tárgyszólista / tárgyszórendszer
tárgyszavak magyarázatok kapcsolatok

15 a tárgyszórendszer elemei: tárgyszavak kategóriái
téma: tudományszakok, tudományos elméletek, tudományos problémák, eljárások neve, tudományos szakkifejezések (történettudomány, mérés, belgyógyászat stb.) objektumok, élőlények, dolgok nevei (Parlament, híd, cserje, kézirat) nevek: személy/testület /intézmény (Bach-család, Szegedi Tudományegyetem, Alkotmánybíróság) földrajzi hely (Békés megye, Alföld, Kárpátok) idő: korszak / időpont /időtartam (Középkor, 1997, i..e. 2. évezred) tartalmi és formai tulajdonságok (antológia, törvény, bibliográfia) események nevei (Mohácsi csata) közismert rövidítések (MTA, NATO)

16 a tárgyszórendszer elemei: tárgyszavak szófaja
lehetőleg főnév pl. „oktat, oktatni, oktató  Oktatás egyes szám - többes szám: többes számú alak gyűjtőfogalom Növények, Kutyák ….(magyar fajták) De: Kutya, stb. (pl. tacskó, tenyésztés)

17 a tárgyszórendszer elemei: tárgyszavak szófaja
jelző: csak szerkezetben inverzió: jelző hátravetése Kutyanevek, magyar a természetes nyelvi forma megtartása Magyar kutyanevek

18 a tárgyszórendszer elemei: tárgyszavak alakja
többtagú kifejezések ? Kvantitatív analízis Kelta civilizáció

19 a tárgyszórendszer elemei: tárgyszavak alakja
rövidítések, mozaikszók? NATO, ENSZ, MÁV

20 a tárgyszórendszer elemei: magyarázatok
a homonimák szétválasztása, pl. - Komló (növény) - Komló (város) a tárgyszó jelentésének pontosítása, egyértelművé tétele Gyermek (kamaszkorú)

21 a tárgyszórendszer elemei: kapcsolatok
hivatkozások: tárgyszavak és tárgyszavak közötti kapcsolatok „Lásd még” hivatkozás logikai, hierarchikus katcsolatok: a tárgyszavak közötti egy adott kifejezés kapcsolata(i): nem-faj egész-rész rokonsági kapcsolatok

22 a tárgyszórendszer elemei: kapcsolatok
utalók: tárgyszóként nem használt kifejezések a szinonimák jelölésére: az azonos jelentésű kifejezések egyike tárgyszó a többi nem használható tárgyszóként $aPedagógia $aNeveléstudomány  lásd $aNeveléselmélet  lásd még $aNevelésfilozófia  lásd még

23 tárgyszórendszer szerkezete
tiszta tárgyszórendszer: rendező elv: betűrend következetes szóalak-használat tárgyszó: főnév/főnév elöl

24 tárgyszórendszer szerkezete
rendszerező tárgyszavas rendszer: átfogó fogalmak  altárgyszavak az azonos témakörökkel foglalkozó információk egy helyen találhatók rendszerező tárgyszókatalógusok: egy-egy csoporton belüli bontás formai földrajzi időbeli tárgyi szempontok alapján

25 tárgyszórendszer szerkezete
rendszerezett: alárendelő: rendezőelv: tartalmi jegy bokrosító: klasszikus, bokrosítva a tartalmilag összetartozó kifejezések együtt vannak Kémia, szerves Kémia, szervetlen

26 tárgyszórendszer szerkezete
vegyes szerkezet rendezőelv: betűrend+felbontás permutált: tárgyszókifejezések ciklikus forgatása

27 tárgyszórendszer szerkezete
lánceljárás: tárgyszókifejezések tagjai a fogalmi szintek sorrendjében United States - Foreign relations United States - Foreign relations - Juvenile literature United States - Foreign relations - Japan United States - History

28 tárgyszórendszer szerkezete
tárgyszóláncok = alosztályozás (idő, formai, tematikus, földrajzi) Kelta mondák, Wales és Írország Macedón irodalom, novella, antológia Magyarország története, , tanulmányok Neveléstörténet, cseh, , kiállítási katalógus Számítógéphálózat, World Wide Web, segédprogram

29 a tárgyszórendszer kialakításának szempontjai
a feldolgozandó állomány típusa / mérete felhasználói igények, szóhasználat tematikus kapcsolatok lehetőség a folyamatos frissítésre a fejlesztés lehetőségei

30 tezaurusz egy-egy szakterület fogalmai szótár formában
adott, természetes nyelvű szókészlet felhasználásával alkotóelemei a deszkriptorok: szabványos nyelvi formában megfogalmazott tárgyszavak tágabb, szűkebb, valamint rokon fogalmaik vannak

31 tezaurusz tezaurusz részei főrész
lexikai egységei a deszkriptorcikkek (tezauruszcikkek), nemdeszkriptorcikkek vezérdeszkriptor: meghatározza a deszkriptorcikk helyét rá vonatkoznak a deszkriptorcikkben meghatározott relációk szinonimák (H : helyette, helyettesít, helyette is) szakcsoportos / szakrendi részek lexikai egységek betűrendes mutatója

32 tezaurusz a rendszerező tárgyszókatalógusok továbbfejlesztett formái
természetes nyelven kifejezett fogalmak szótára tartalmilag szabályozott szükség szerint változtatható a legfontosabb fogalmi összefüggéseket is tartalmazza  hierarchikus elsősorban a számítógépes információkeresésben és -feldolgozásban használatosak

33 tezaurusz-hivatkozások
OSZK-tezaurusz: F = Lásd még általánosabban A = Lásd még specifikusabban T = Lásd még átfogóbban P = Lásd még részletesebben R = Lásd még oksági összefüggésben E = Lásd még okozati összefüggésben X = Lásd még egyéb összefüggésben

34 index különbözõ osztályozási mûveletek végtermékei
általános értelemben: mutató eredetileg név- és szómutató tágabb értelemben a jellemzõk rendezett jegyzéke különbözõ osztályozási mûveletek végtermékei eszköze a tárgyszó indexkifejezés: olyan tárgyszó, melyek az eredeti forrás valamely fontos tartalmi, tárgyi, személyi, földrajzi, idő, formai aspektusát mutatja indextétel: egy forrásra vonatkozó tárgyszavak a tárgyszavak egymáshoz kapcsolódásával keletkezik az eredeti forrás tárgyi-tematikus reprezentációja

35 index az osztályozási kifejezéseket valamilyen szövegkörnyezet, tárgyszólánc stb. feltüntetésével adja meg az osztályozási kifejezések rendezésére ciklikus permutációt használ három nagy csoport: címindex, tárgyindex hivatkozási index

36 az indexelés funkciói a szabályozott keresőnyelv szavaival le kell tudnia írni a dokumentumok / tartalmak lényeges vonásait a tárgyszavak rendje segítségével határozza meg a tárolási-keresési rendszert katalógus, OPAC-tárgyszómodulja bibliográfia, adatbázis tárgyszóindexe stb. tegye lehetővé a böngészést a keresőképek / keresőkérdések / a keresés témáinak a leírását