Кафедра экспериментальной и прикладной лингвистики

Этот раздел концептуального проекта включает :

• классификацию запросов;
• результаты частотного анализа запросов;
• описание механизма распознавания типа запроса по грамматическим и семантическим признакам слов;
• диалоговые сценарии разрешения лексической и коммуникативной многозначности, расширения полноты поиска;
• механизмы настройки интерфейса ИПМ на профиль пользователя, историю, частотность.

Были выявлены следующие основные типы запросов, которые в свою очередь разбиваются на подтипы. Типы пронумерованы и выделены жирным шрифтом. Подтипы взяты в квадратные скобки.

1)Запрос:[Слово]-[словосочетание]-[и/или/не_запрос]-[Псевдо_ЕЯ_запрос]

2)Слово: [лексема]-[ац_идентификатор]

3)Лексема: [кириллица]-[латиница]

4)Кириллица: [имя_собственное] - [многозначная_лексема]

5)Латиница: [имя_собственное] - [многозначная_лексема]

6)Словосочетание: [устойчивое] -[параметрическое]-[свободное]-[цитата_в_кавычках]-[два_и_более_с/с]

7)И/или/не-запрос: [перечень_кл.слов] - [с_идентификаторами] - [с_и/собственными] - [с_мн.лексемами] - [со_с/сочетаниями] - [комбинированный]

8)Псевдо_ЕЯ_запрос: [Запрос_с_перформативом] - [запрос_с_вопр_мест.]-[запрос_с_целевым_словом]

9)Полнота: [Результат=0] - [Результат<=10] - [Результат>=10]

Приведенная классификация не является исчерпывающей, и грешит некоторой противоречивостью. Цель ее создания - хоть как-то упорядочить множество запросов. Для того, чтобы снять возможные вопросы, приводим следующие пояснения, объясняющие мотивы выделения различных классов/подклассов запросов.

1.[ац_идентификатор] - это алфавитно-цифровой индентификатор.

3.Псевдо_ЕЯ_запросом будем считать любое связное словосочетание, включающее более 3-х лексем. Эта категория совпадает с категорией "два и более с/сочетаний".

4.Запрос_с_перформативом. Перформатив - это глагол, наречие или оборот, эксплицирующий коммуникативный статус высказывания. Например: Сообшаю вам номер своего лицевого счета. Как правило, перформативные конструкции не несут полезной информации для поиска. Их надо выявлять и устранять. К этой же категории отнесены запросы - гиперболы (см. таблицу).

6.Полнота была включена в качестве основания для классификации как характеристика результатов выполнения запроса, а не признаков введенных слов.

7. мн.лексема - многозначная лексема.

Процентное соотношение объемов каждого типа запросов было выявлено в результате частотного анализа корпуса запросов и приведено в разделе 3.

В разделе 4 приведено описание механизма распознавания типа запроса по грамматическим и семантическим признакам слов.

Предварительный анализ позволил выявить четыре базовых типа запроса: слово, словосочетание, и/или/не_запрос, псевдо_ЕЯ_запрос. Кстати, И/ИЛИ/НЕ-запрос включает и логическую комбиницию всех остальных. Это, так называемый, "комбинированный запрос".

Анализ проводился по категориям, представленным на рис.1. Было отмечено, что нулевой или мизерный результат может быть получен на любом из типов запросов. Поэтому отдельно проводился частотный анализ запросов по такому показателю, как полнота поиска.

В результате частотного анализа были построены следующие виды диаграмм:

Процентное соотношение базовых типов запросов (Рис.2). Категория "Псевдо-ЕЯ-запрос" на этой диаграмме не отражена, так как она частично пересекается с категорией "словосочетание".

Процентное соотношение лексем: идентификатор- кириллица - латиница - весь_объем. (Рис.3).

Процентное соотношение лексем: имя_собственное - многозначная_лексема - весь_объем. (Рис.4). При этом в категориях "имя собственное" и "многозначная лексема" объединены лексемы в кириллице и в латинице.

Процентное соотношение: виды_словосочетаний -весь_объем. (Рис.5). Ввиду сильного пересечения множеств запросов для визуализации выбрана столбчатая диаграмма.

Процентное соотношение: виды_И/ИЛИ/НЕ_запросов -весь_объем. (Рис.6). Столбчатая диаграмма.

Процентное соотношение: псевдо_ЕЯ_запросы -весь_объем. (Рис.7). Совпадает с категорией "два и более словосочетания".

Процентное соотношение: полнота_поиска -весь_объем. (Рис.8).

2.И/ИЛИ/НЕ-запросы не являются доминирующей категорией и составляют всего 6 %. Этот факт можно объяснить тем, что формулирование такого запроса требует определенной квалификации и дополнительного времени. Сравнительно небольшой процент И/ИЛИ/НЕ-запросов является косвенным подтверждением их низкой эффективности, также как высокий процент запросов по словосочетаниям подтверждает эффективность последних.

3.Большинство ЕЯ-запросов сводится к запросам, состоящим из словосочетаний (псевдо-ЕЯ-запросы). Доля запросов, представляющих полноценное предложение составляет менее 1 %. Этот показатель свидетельствует о двух связанных между собой факторах:

а) низкой эффективности ЕЯ-запросов в современных ПМ;

б) сложности формулирования эффективных ЕЯ-запросов.

4.Сравнительно высокая доля запросов заканчивается полной неудачей (11 %) или небольшим объемом найденных узлов (19 %). Это подтверждает актуальность проблемы расширения полноты поиска.

Как было установлено в результате частотного анализа запросов, практически все сценарии разрешения лексической и коммуникативной многозначности, расширения полноты поиска сводятся к базовому сценарию, описанному в части II концептуального проекта. Отличие заключается в параметрах, передаваемых из диспетчера запросов, сформированных на основании работы механизма распознавания типа запроса, которые задают способы сокращения или комбинирования сценариев.

В проекте предусмотрен механизм настройки ИПМ на профиль и историю пользователя, частотность. Способом настройки является сортировка списков. При формировании списков словосочетаний, кластеров, толкований, видов деятельности, вопросов порядок сортировки может быть задан:

• по тематическим и коммуникативным приоритетам пользователя, заданным явно в результате заполнения анкеты при регистрации (заполнение анкеты необязательно);
• по истории работы данного пользователя с поисковой машиной;
• по наиболее частому выбору категорий всеми пользователями ИПМ (прямой и обратный порядок);
• по числу документов в каждой категории (прямой и обратный порядок);
• по алфавиту (прямой и обратный порядок).