ذخیره و بازیابی اطلاعات بصورت سازماني
http://pnu-club.com/imported/2010/07/667.jpg
فعالیت هایی که برای تحلیل و سازماندهی مدارک و منابع صورت می گیرد ذخیره اطلاعات، و تلاش هایی که برای یافتن یک یا چند مدرک از میان انبوه مدارک ذخیره شده انجام می شود بازیابی اطلاعات نام دارد. نظام هایی که این جریان ها در آنها روی می دهد نظام های ذخیره و بازیابی اطلاعات خوانده می شود (۶۶۱:۵). نظام های ذخیره و بازیابی اطلاعات معمولاً به منظور دسترس پذیر کردن مجموعه ای از منابع اطلاعاتی برای استفاده کننده ای که مایل به کسب این اطلاعات است طراحی می گردد. اطلاعاتی که در نظام های ذخیره و بازیابی اطلاعات ذخیره می شود یا صرفاً شامل داده های کتابشناختی است، مانند مشخصات کتاب ها، اسناد و مدارک، و مقاله های مجلات؛ یا اصل مدرک است که همراه مشخصات آن عرضه می شود. حالت اخیر پایگاه داده های تمام متن نام دارد. نظام های بازیابی اطلاعات را در معنای وسیع می توان برای دستیابی به مجموعه های تصویری، فیلم، پروانه های ثبت اختراع، و جز آن نیز مورد استفاده قرار داد. در هر حال، هدف هر نظام ذخیره و بازیابی اطلاعات آن است که در اسرع وقت بیشترین اطلاعات مرتبط با نیاز استفاده کننده را ـ آن طور که در درخواست وی ذکر شده ـ در اختیار بگذارد.
● تاریخچه
تاریخچه ایجاد و گسترش نظام های بازیابی اطلاعات را می توان به چندین دوره نسبتاً روشن تقسیم کرد. قبل از سال های ۱۹۴۰ تهیه می شد، نظام های بازیابی اطلاعات تنها از نوع دستی محض بود، یعنی نمایه ها و فهرست ها به شکل چاپی و کارتی تهیه می شد. این وسایل بازیابی، پیش همارا و غیرقابل دستکاری است و متکی بر سازماندهی خطی (تک بعدی) بوده و قابلیت های بسیار محدودی برای جست وجو و بازیابی دارند. در سال های ۱۹۴۰، مهم ترین پیشرفت در تاریخچه بازیابی اطلاعات یعنی ابداع نظام های بازیابی که پس همارا و قابل دستکاری هستند روی داد. این نظام ها که هنوز عمدتاً دستی بودند توسط باتن و کوردونیر[۱] (پیکابو، یا تطابق نوری)، موئرز[۲] (برگه های منگنه ای)، و نیز توسط مورتیمر تاب[۳] (نظام تک واژه ای) عرضه شد. این نظام های پس همارای اولیه مزایای قابل توجهی نسبت به پیشینیان خود عرضه کردند. آنها نیای مسلّم نظام های رایانه ای نوین به حساب می آیند.
در سال های ۱۹۵۰ اشکال اولیه خودکارسازی نمایه سازی پس همارا توسط نظام های داده پردازی برگه منگنه پدید آمد. نظام های برگه منگنه در دهه ۱۹۵۰، در واقع، اسلاف بلافصل نظام های رایانه ای سال های ۱۹۶۰ بودند. سال های ۱۹۶۰ دوران بازیابی رایانه ای به شیوه گسسته، پردازش دسته ای و نواری را تشکیل می داد. در سال های ۱۹۷۰، با توسعه سخت افزارها و نرم افزارهای رایانه ای، امکان انجام جست وجوهای پیوسته یا تعاملی فراهم آمد. نظام های پیوسته بازیابی، علاوه بر افزایش سرعت، امکان دریافت بازخورد جست وجو در روند جست وجو و، در صورت لزوم، تغییر و اصلاح آن را به استفاده کننده می دادند. مهم ترین مزیت بازیابی پیوسته امکان دسترسی از راه دور بود. در این مورد شرکت های بزرگی چون دیالوگ و بی.آر.اس. در بخش خصوصی و کتابخانه ملی پزشکی در بخش دولتی، با عرضه نظام بازیابی مدلاین، فعالیت های فراوانی داشته اند. از ابتدای سال های ۱۹۸۰، توسعه و گسترش ذخیره و بازیابی اطلاعات به شکل متن کامل از جمله تحولات و رویدادهای مهمی است که شکل گرفته است. هر چند اندیشه ها و تلاش های مربوط به این شکل از ذخیره و بازیابی به سال های ،۱۹۷۰ زمان اولین تلاش ها برای واردکردن متون حقوقی در رایانه و جست وجوی آزاد بر روی آن متون، باز می گردد با ازدیاد رایانه های شخصی و پیدایش رسانه های ذخیره سازی نوری مانند دیسک فشرده و نیز رواج نشر رومیزی (دی.تی.پی.) بود که ایجاد پایگاه های تمام متن و نیز فنون بازیابی از متن عمومیت بیشتری یافت و در دسترس استفاده کنندگان قرار گرفت. بازیابی در این نوع نظام ها که عمدتاً مبتنی بر استفاده از زبان طبیعی است و از این لحاظ در مقابل نظام های مبتنی بر واژگان مهار شده قرار می گیرند دارای جذابیت های زیادی برای استفاده کنندگان از آنهاست، لکن برای بازدهی بیشتر از مزایای هر دو نظام به طور همزمان استفاده می شود.
در سال های اخیر، استفاده از فنون بصری جایگاه خاصی یافته و چالش های جدید و بحث های گسترده ای را به دنبال داشته است. استفاده از این فنون، به ویژه برای طراحی واسط های کاربر، باعث سهولت بیشتر در استفاده از نظام های بازیابی و فراگیرتر شدن دامنه استفاده از این نظام ها گردیده است.
● تحلیل و جست وجوی اطلاعات
بازیابی اطلاعات ممکن است به دلایل زیر باشد:
۱) حجم زیاد اطلاعاتی که می بایست دسترس پذیر گردد؛
۲) مشکلات فراهم آوردن ذخایر عظیم مواد و منابع به صورتی که بتوان به راحتی به آنها دست یافت؛
۳) افزایش مشکلات فنی ناشی از اشاعه گزینشی حجم زیاد منابع برای استفاده کنندگان ناهمگن (۶۶۱:۵).
در روند ذخیره و بازیابی اطلاعات دو مرحله متمایز تحلیل اطلاعات و جست وجوی اطلاعات را می توان مشخص ساخت.
● تحلیل اطلاعات
فرایند تعیین محتوای موضوعی مدارک و تبدیل آن به زبان نظام (یا مجموعه ای از اصطلاحات نمایه ای) را تحلیل اطلاعات گویند. در این مرحله، نمایه ساز یا کسی که کار تحلیل اطلاعات را انجام می دهد ابتدا باید، پس از پویش و تحلیل مفهومی مدرک، مشخص کند که مدرک درباره چیست و چه جنبه هایی را دربرمی گیرد. در نظر گرفتن نیازهای استفاده کننده نظام در این مرحله مسئله ای اساسی است. به عبارت دیگر، نمایه ساز نه تنها باید در مورد موضوع مدرک تصمیم گیری کند، بلکه باید متوجه باشد که چه جنبه هایی از مدرک می تواند برای استفاده کننده ای خاص حائز اهمیت باشد. گام بعدی، تبدیل نتیجه تحلیل مفهومی مدرک به مجموعه ای از اصطلاحات نمایه ای است. اصطلاحات نمایه ای ممکن است برگرفته از سیاهه ای مجاز از واژه ها (واژگان مهار شده) یا از متن مدرک و واژه های مؤلف باشد. شیوه دوم نمایه سازی با استفاده از زبان طبیعی است. در هر حال، حاصل کار، تعدادی اصطلاح است که، در مجموع، تصویری از موضوع مدرک را به دست می دهند و با نام های کلید واژه، سرعنوان موضوعی، توصیفگر، و نیز خوانده می شوند. تلاش ها و فعالیت های زیادی صورت گرفته تا کار تخصیص اصطلاحات نمایه ای به صورت ماشینی و بدون دخالت انسان انجام گیرد. بحث نمایه سازی خودکار برخاسته از این تلاش است. اصطلاحات نمایه ای یا توصیفگرهای هر مدرک به اضافه مشخصات کتابشناختی آن مدرک (نویسنده، عنوان، منبع، و چکیده)، مجموعاً یک رکورد کتابشناختی را تشکیل می دهند. اتخاذ روشی مناسب برای سازمان دادن این رکوردها در کنار یکدیگر باعث خواهد شد تا نظام بازیابی، عملکرد بهتری داشته باشد.
● واژگان مهار شده
به منظور ایجاد یکدستی و هماهنگی و نیز سهولت در بازیابی مدارک، معمولاً واژه ها یا اصطلاحاتی را که مبیّن موضوع مدرک هستند از سیاهه ای مستند به نام واژگان مهار شده انتخاب می کنند. فهرست های سرعنوان موضوعی، طرح های رده بندی، و اصطلاحنامه ها سه نوع واژگان مهار شده مهم هستند. زیرا در این منابع تلاش شده است تا اصطلاحات به صورت الفبایی و نیز به شکل نظام یافته ارائه شود (۱۴:۲).
نقطه مقابل استفاده از واژگان مهار شده، نمایه سازی با استفاده از زبان طبیعی است. منظور از زبان طبیعی واژه ها و کلماتی است که در متن به کار رفته و بنابراین اصطلاح "متن آزاد" را می توان مترادف آن در نظر گرفت. متن آزاد می تواند شامل عنوان، چکیده، برگزیده، یا متن کامل مدرک باشد. هنگام تحلیل اطلاعات می توان به جای انتخاب اصطلاحات نمایه ای از واژگان مهار شده، هر کدام از عناصر بالا را ذخیره کرد و در مرحله جست وجو مستقیماً مورد استفاده قرار داد. این روش که تاریخچه آن به کار مورتیمر تاب و نظام تکواژه ای او باز می گردد نخست به طور گسترده ای برای ذخیره و بازیابی متون رشته حقوق مورد استفاده قرار گرفت و با رواج و گسترش رایانه نضج گرفت. اما استفاده از زبان طبیعی دارای مزایا و معایب خاص خویش است.
● سازماندهی فایل ها
در نظام های رایانه ای ذخیره و بازیابی اطلاعات، داده ها معمولاً در قالب رکورد ذخیره می شوند و مجموعه ای از رکوردها یک فایل را تشکیل می دهند. شیوه ذخیره رکوردها در داخل فایل و شیوه ارتباط آنها با یکدیگر مطلبی است که تحت عنوان ساختار فایل یا سازماندهی فایل مورد بحث قرار می گیرد. برای سازماندهی فایل به طور معمول چندین روش وجود دارد که ساده ترین آنها فایل ترتیبی است. در این نوع فایل هیچ گونه راهنما یا اشاره گر ربط دهنده ای ایجاد نمی شود و معمولاً رکوردها بدون نظم خاصی در کنار یکدیگر قرار می گیرند. یافتن رکوردهای خاص در این گونه فایل ها منوط به آن است که یکایک رکوردها از ابتدای فایل بررسی شود. چنانچه با حجم زیادی از اطلاعات روبه رو باشیم استفاده از این نوع فایل بسیار وقت گیر است. در عوض، این ساختار حداقل فضای ذخیره سازی را به خود اختصاص می دهد و اجرای آن نیز نسبتاً آسان است. نوع دیگر، فایل شاخص دار یا فایل مقلوب است. در این نوع ساختار، که در نظام های معروف ذخیره و بازیابی اطلاعات به وفور مورد استفاده قرار گرفته، به ازای فیلدهای شاخص یا فیلدهایی که در نظر است بر روی آنها جست وجو صورت گیرد، فایل یا فایل های جداگانه ای به نام فایل شاخص یا فایل مقلوب ایجاد می شود. محتوای این فایل را مقادیر فیلد شاخص و نشانی متناظر به آن در فایل اصلی تشکیل می دهد. هنگام بازیابی، ابتدا عبارت مورد نظر در فایل مقلوب جست وجو می شود و سپس براساس شماره مدرک یا نشانی که در مقابل آن عبارت وجود دارد، رکورد کامل از فایل اصلی بازیابی می گردد. در این ساختار، به جهت آنکه حداقل دو فایل ایجاد می شود فضای بیشتری اشغال می گردد، ولی در مقابل، سرعت جست وجو و بازیابی به خصوص در پایگاه های حجیم تا حد زیادی بالا می رود. سومین نوع را فایل با دستیابی مستقیم می نامند دارد. در این ساختار، امکان نوشتن یا خواندن رکورد بدون در نظر گرفتن محل آن وجود دارد.
در این فایل ها لازم است که فیلدی به عنوان فیلد کلید مشخص گردد. در این نوع ساختار برای یافتن محل آزاد در حافظه جهت درج رکورد یا پیدا کردن رکوردی خاص، از فن آدرس دهیِ درهم استفاده می شود. مهم ترین ویژگی و مزیّت این ساختار، صرفه جویی در فضای حافظه و نیز سرعت زیاد در دستیابی به رکوردهاست. متقابلاً نقطه ضعف آن در سختی پیاده سازی و اجرای آن است. ساختار دیگر، ساختار زنجیره ای است و ویژگی آن در این است که همه اقلامی که نشان دهنده شناساگر فرضی مشترکی هستند با رابط ها یا اشاره گرهایی مناسب، به هم زنجیر می شوند. طبیعتاً یک راهنما دسترسی به اولین فقره را در هر زنجیره فراهم می آورد و فایل را می توان با تعقیب اشاره گرهای درونی هر زنجیره جست وجو کرد. فایل های زنجیره ای نسبت به فایل های ترتیبی سرعت بیشتری را فراهم می آورند، اما به فضای ذخیره سازی قابل توجهی برای ذخیره اشاره گرها و راهنماها نیاز دارند (۶۲۲:۵).
● جست وجوی اطلاعات
در این مرحله، وظیفه نظام ذخیره و بازیابی، بررسی و شناخت درخواست استفاده کننده، پویش یا جست وجو در بانک اطلاعاتی، و یافتن و نمایش رکوردهایی است که با درخواست ارائه شده انطباق دارد. دستیابی به این هدف، یعنی یافتن اطلاعاتی که نیاز استفاده کننده را به طور قطع برطرف کند عملاً کار آسانی نیست، زیرا از یک سو استفاده کننده به طور دقیق نیاز اطلاعاتی خود را نمی داند و در برخی اوقات نیز علی رغم آگاهی به نیاز اطلاعاتی خود، ممکن است نتواند آن را با عبارت های مناسب بیان کند. از سوی دیگر، ممکن است اصطلاحات یا عباراتی که به عنوان موضوع مدارک در نظر گرفته شده چندان دقیق نباشند و نتوانند تصویر کاملی از محتوای مدرک بدست دهند. بدین سبب گفته می شود که وجه خروجی نظام بازیابی اطلاعات (پاسخگویی به درخواست استفاده کننده) همواره پیچیده تر از وجه ورودی آن است و بدین لحاظ باید بخش خروجی مورد توجه بیشتری قرار گیرد (۱۴:۳).
شیوه های بازیابی اطلاعات را می توان در نگاه کلی به دو دسته:
ـ نظام های مبتنی بر انطباق مطلق و
ـ نظام های مبتنی بر انطباق نسبی، تقسیم کرد (۱۵۳:۳).
فنون انطباق مطلق در حال حاضر در بسیاری از نظام های سنتی بازیابی اطلاعات مورد استفاده قرار می گیرد. پرس وجوها در این روش معمولاً با استفاده از عملگرهای بولی تدوین می شوند و، برای بازیابی، تنها انطباق واژه های پرسش با عبارت های موجود در مدرک کفایت می کند.
در انطباق نسبی یا انطباق برتر[۴] این امکان وجود دارد که نظام بازیابی را بتوان با ورود رشته ای از اصطلاحات که بیانگر نیاز اطلاعاتی هستند، بدون استفاده از عملگرهای بولی، جست وجو کرد. در این نوع، نظام دنبال قطعاتی از متن می گردد که بهترین انطباق را با رشته ورودی داشته باشد. بنابراین، اگر رشته اصلی شامل پنج کلمه باشد و مدرکی در بانک اطلاعاتی نیز کلّ پنج واژه را دربرگیرد این مدرک حداکثر وزن ممکن را گرفته و در رأس سیاهه موارد بازیابی رشته قرار می گیرد (۱۵۳:۳). بر این اساس، الگوها و فنون مختلفی برای بازیابی شکل گرفته است که به عنوان مدل های کلاسیک و مدل های پیشرفته از آنها یاد می شود. مدل های کلاسیک بازیابی شامل مدل بولی، فضای برداری[۵] ، و مدل های احتمالی[۶] است. مدل های پیشرفته، علاوه بر مدل های فوق، شامل بازیابی براساس منطق مشکک (فازی)[۷] ، نمایه سازی معنایی نهفته[۸] ، شبکه های استنتاجی[۹] ، و نیز الگوهای مبتنی بر مرور شامل نظام های بازیابی فرامتن است (۱: ۲۴-۶۰).
● مدل بولی
اولین روش بازیابی که در نظام های اطلاعاتی اجرا شد مدل بولی بود که در آن اصطلاحات پرس وجو با عملگرهای بولی بیان شده و با نمایه مقلوب مقایسه می گردید. توانایی عملگرهای بولی برای ترکیب مفاهیم اجزا (AND) و مترادف (OR) و نیز زمان پاسخ سریع، این مدل را مدلی عام برای نظام های بازیابی ساخت.
با فراگیرتر شدن نظام های بازیابی بولی، تدوین پرس وجوهای مؤثر برای عموم افرادی که با منطق آشنا نبودند دشوار گردید. علاوه بر آن، نظام بولی اغلب تعداد مدارک را با توجه به ماهیت حساس منطق خود که پاسخی انعطاف ناپذیر در برابر بود یا نبود اصطلاحی واحد نشان می داد بازیابی می کرد.
برای غلبه بر مسئله بازیابی مدارک زیاد بدون توجه به میزان اهمیت کاربردی بالقوه آنها ـ اصلاحاتی در نظام صورت گرفت تا با اختصاص وزن هایی به اصطلاحات، براساس اهمیت "متصوّر" آنها، خروجی های ترتیبی تولید شود. روش های اصلاحی دیگر مانند کنترل فرایند تدوین پرسش برای کاهش مشکل ساخت پرس وجوهای بولی پیچیده نیز مورد تحقیق قرار گرفته است.
● مدل فضای بُرداری
در حالی که برخی تلاش کردند تا با انجام اصلاحاتی در مدل بولی بر نقاط ضعف آن غلبه کنند، دیگران با راهبرد متفاوتی به نام مدل فضای برداری به بازیابی اطلاعات پرداختند. در این مدل، مدارک و پرس وجوها به صورت بردارهایی در فضایی سه بعدی در نظر گرفته می شود که هر بعد با مدخلی در نمایه مقلوب متناظر است. مثلاً مدرک D و پرس و جوی Q در شکل برداری به صورت D= (d۱, d۲, d۳, .... dn)و Q= (q۱, q۲, q۳, .... qn) بیان می شود که n مجموع اصطلاحات نمایه ای و هر کدام از مقادیر داخل پرانتز وزن هر اصطلاح بوده که بیانگر اهمیت اصطلاح است.
شناخته شده ترین وزن اصطلاحی، بسامد مقلوب مدرک نامیده می شود که با بسامد مجموعه (تعداد مدارک مجموعه ای که در آن یک اصطلاح خاص وجود دارد) تغییر می کند. بسامد مقلوب مدرک نوعاً از طریقdkN Log محاسبه می شود که در آن N تعداد مدارک مجموعه و dk تعداد مدارکی است که اصطلاح k در آن ظاهر می شود. فرمول های مختلفی برای محاسبه اوزان اصطلاح وجود دارد که برخی از آنها گونه هایی از وزن IDFبوده و از بسامد مدرک (تعداد دفعاتی که اصطلاحی در مدرکی ظاهر می شود) و عادی سازی بهره می گیرند. مثلاً می توان IDF را در بسامد مدرک ضرب کرد (تا اصطلاحاتی که مکرراً در مدرکی ظاهر می شوند اهمیت بیشتری پیدا کنند) و بر عامل عادی سازی طول بردارها تقسیم کرد تا طول متغیر بردارهای مدرک مجموعه تنظیم شود. این عمل تابع فرمول زیر است:
Wki = idfk×tfk i Svector i (tfi×idf)۲
که در آن Wki وزن اصطلاح K موجود در مدرک d، tfki بسامد اصطلاح k در مدرک d، idfk بسامد مقلوب مدرک، و مخرج کسر عامل عادی سازی، و idfk بسامد مقلوب مدرک است.
مدل برداری، سیاهه ای ترتیبی از مدارک براساس مشابهت آنها با پرسش، با در نظر گرفتن زاویه میان بردار مدرک و بردار پرسش، به عنوان مقیاس مشابهت ارائه می دهد. علاوه بر فرمول های توزین اصطلاح، فرمول های دیگری نیز برای محاسبه مشابهت "پرسش ـ مدرک" پیشنهاد شده است. آزمایش ها نشان داده است که انتخاب مقیاس جدید مشابهت می تواند بر عملکرد بازیابی تأثیر قابل ملاحظه ای داشته باشد. یکی از مقیاس های مشابهت که به طور گسترده مورد استفاده قرار گرفته مشابهت کسینوسی است که حاصل ضرب درونی میان عناصر عادی سازی شده بردار در طول بردارهاست.
گونه دیگری از مدل برداری مدل خوشه ای است که در آن با محاسبه مشابهت برداری مدرک به مدرک و با استفاده از معیارهای خوشه بندی گروهی از مدارک شکل می گیرد. معیارهای خوشه بندی مشخص می کند چه چیز خوشه ای از مدارک را تشکیل می دهد. برخلاف مدل فضای برداری که در آن بردار هر پرسش با بردار هر مدرک مقایسه می شود، در اینجا، بردار هر پرسش با بردار مرکز خوشه، یعنی برداری که خوشه را به صورت کلی ارائه می کند، مقایسه می گردد.
مزیت رویکرد خوشه ای زمانی جلوه گر می شود که با مجموعه مدارکی به کار رود که بتواند خوشه های فشرده تشکیل دهد. همچنین، این مدل در محیطی مؤثر شناخته می شود که خوشه ها تمایل به ارائه مشترک مدارک مرتبط داشته باشند. با این حال، هیچ تضمینی وجود ندارد که مجموعه مدارک مفروض ضرورتاً به ساختار خوشه بندی مفیدی بینجامد، و حتی در موارد مفید، هزینه محاسبه ساخت، نگهداشت، و جست وجو در خوشه های کوچک و همبسته ممکن است به طور سرسام آوری بالا باشد.
مدل احتمالی. این مدل نخستین بار توسط استیو رابرتسن و کارن اسپارک جونز در سال های ۱۹۷۰ معرفی شد. این مدل به لحاظ اینکه مدارک و پرسش ها را به صورت بردار عرضه می کند شبیه مدل برداری است، اما به جای بازیابی مدارک براساس میزان مشابهت با پرسش، مدارک را براساس احتمال ارتباطشان با پرسش بازیابی می کند. احتمال ربط مدرکی خاص به پرسش را می توان با جمع اوزان ربط اصطلاحات آن مدرک، یعنی برآورد احتمال ظهور اصطلاحات موجود در پرسش و در مدرک مرتبط، و نه در مدرک غیرمرتبط، محاسبه کرد.
در مدل بازیابی کلاسیک احتمالی، این احتمالات اصطلاح از طریق مجموعه ای نمونه از مدارک و پرسش ها همراه با قضاوت مرتبط مربوط به آن تخمین زده می شود. با وجود این، اجرای فرایند تخمین به صورت عملیاتی مشکل است، زیرا جمع آوری داده های ربط لازم قبل از جست وجوی واقعی عملاً غیرممکن است. در نتیجه، برای تخمین احتمال اصطلاح، معمولاً، در این مدل از بازخورد ربط استفاده می کنند (۳:۷-۵).
● فرامتن
شکل دیگری که برای جست وجو و بازیابی اطلاعات ارائه شده، و به خصوص در سال های اخیر با رشد شبکه وب گسترش یافته است، بازیابی فرامتنی است. روش هایی که تاکنون ذکر شد عمدتاً بر این محور استوار است که کاربر پرسش خود را در قالب واژه ها و عباراتی به نظام ارائه کند تا نظام، پس از جست وجو، تعدادی مدرک را به عنوان نتیجه جست وجو بازگرداند. در مقابل این نظام ها که می توان آنها را نظام های پرسش مدار نامید، نظام های فرامتن تلاش می کنند با ایجاد پیوندهای مفهومی میان مدارک و فراهم آوردن امکان مرور و راهبری، کاربر را در رسیدن به مدرک مورد نظر یاری دهند. از این دو نوع رویکرد، به ترتیب، به حرکت از کجا به چه (کاربر می داند در کجای بانک اطلاعاتی است و می خواهد بداند در آنجا چه چیز وجود دارد) و حرکت از چه به کجا (کاربر می داند چه چیزی می خواهد و می خواهد بداند آن چیز را در کجا می تواند بیابد) تعبیر شده است (۳۰۰:۴). در نظام های فرامتن، هر کدام از مدارک یا الام اطلاعاتی، یک گره و رابطه میان گره ها، پیوند نامیده می شود. در هر گره یک یا چند واژه یا عبارت برجسته وجود دارد که آن را لنگر[۱۰] می نامند و زمانی که از سوی کاربر انتخاب یا فعال می شوند، با استفاده از پیوندها، کاربر را به گره مرتبط دیگری هدایت می کنند. گره ها علاوه بر متن می توانند شامل قطعات صوتی و تصویری مانند موسیقی، فیلم، عکس، و جز آن نیز باشند.
● ارزیابی نظام بازیابی
در بحث از ارزیابی نظام باید به سه پرسش پاسخ گفت:
۱) دلیل ارزیابی نظام چیست؟
۲) چه عنصری از نظام ارزیابی می شود؟
۳) ارزیابی نظام چگونه یا به چه شیوه ای صورت می گیرد؟
ارزیابی نظام به منظور سنجش منافع یا زیان هایی که از نظام بازیابی حاصل می شود و نیز برای سنجش هزینه و سودمندی نظام صورت می گیرد. در ارزیابی معمولاً عناصر زیر که گویای توانایی نظام در رفع نیاز استفاده کننده است مورد توجه قرار می گیرد:
۱) پوشش مجموعه، یا تعداد مدرک مرتبطی که در هر مجموعه وجود دارد؛
۲) زمان پاسخگویی، یعنی فاصله متوسط میان زمان درخواست جست وجو و به دست آوردن پاسخ؛
۳) شکل خروجی، یعنی شکل مدارک بازیابی شده، شماره مدرک، مآخذ کتابشناختی، مآخذ همراه با چکیده ها، متن کامل، و جز آن؛
۴) تلاش استفاده کننده، یعنی کوششی که استفاده کننده در مرحله خروجی (جدا کردن مدارک مرتبط از نامرتبط)، در مرحله درخواست (بیان هر چه دقیق تر پرسش یا نیاز اطلاعاتی)، و در مرحله تدوین راهبرد جست وجو (بررسی راهبرد تدوین شده و اصلاح آن) انجام می دهد؛
۵) جامعیت، یعنی توانایی نظام در بازیابی متون مرتبط؛ و
۶) مانعیت، یعنی توانایی نظام در بازیابی نکردن متون نامرتبط.
گفته می شود که موارد ۱ تا ۴ به راحتی قابل ارزیابی است لیکن این جامعیت و مانعیت است که در کنار یکدیگر سودمندی نظام را نشان می دهند. در واقع این دو معیار در کنار هم توانایی فیلتری نظام را بیان می کنند و استفاده از هر کدام از آنها به تنهایی چندان کارساز نیست (۵۵:۳-۶۱؛ ۲۰۴:۶). در هر نظام بازیابی، مطلوب آن است که نسبت جامعیت و مانعیت هر دو ۱۰۰ درصد باشند، یعنی نظام بتواند کلیه مدارک مرتبط موجود را بازیابی کند و در عین حال هیچ یک از مدارک غیرمرتبط را را نیز ارائه ندهد. اما رسیدن به چنین آرمانی عملاً غیرممکن است، و در واقع این مسئله یکی از مهم ترین تفاوت های میان نظام های ذخیره و بازیابی اطلاعات و نظام های مدیریت پایگاه داده ها را تشکیل می دهد. جامعیت و مانعیت با یکدیگر رابطه ای معکوس دارند، یعنی هر گونه تلاشی برای افزایش مانعیت منجر به کاهش جامعیت و هرگونه کوششی برای افزودن جامعیت باعث کاهش مانعیت می شود. بنابراین، در عمل باید به نسبتی معقول میان این دو رسید. نیاز استفاده کننده یکی از عوامل مؤثر در تعیین این نسبت است.
