Elektronická podoba skript může být volně používána jednotlivci pro studijní a vzdělávací účely. Bez písemného souhlasu autorů je zakázáno šířit skripta v jakékoliv formě (tištěné, zrcadla na jiných serverech, CD-ROM apod.). Skripta je zakázáno tisknout -- k dispozici je původní tištěná verze skript, která má mnohem lepší grafickou úpravu než vytištěná webovská stránka.Systém TOPIC - verze 4.0
Příručka uživatele
VŠE 1996, 63 str., ISBN 80-7079-907-5
© Copyright 1996-97, Jiří Kosek & Milan Šimůnek, All Rights
Reserved.
Skripta, která právě držíte v ruce, jsou určena především posluchačům semináře Metody zpracování informací, který je akreditovaný Katedrou informačního a znalostního inženýrství Fakulty informatiky a statistiky VŠE.
V rámci semináře jsou studenti mimo jiné seznamováni s různými hypertextovými a fulltextovými systémy. Jedním z technologicky nejvyspělejších zástupců druhé skupiny je systém TOPIC.
První část skript vás krok za krokem seznámí s možnostmi TOPICu při vyhledávání informací, tj. s uživatelským rozhraním a se základními prvky dotazů. Druhá část skript přináší referenční přehled všech možností systému.
Při psaní skript jsme nevycházeli jen z firemní dokumentace, ale především z vlastních zkušeností, které jsme získali během půlroční práce na přípravě několika fulltextových databází pro Katedru filosofie.
Naše skripta jsou proto vhodným doplňkem ke skriptům Metody zpracování informací I. -- informační zdroje a služby a Metody zpracování informací II. -- ukládání a vyhledávání. Studentovi jsou některé z teoretických pasáží přiblíženy na příkladě ryze praktického komerčního produktu.
Náš velký dík patří RNDr. Janu Rauchovi, CSc., který nám nabídl možnost bližšího seznámení se systémem TOPIC a v průběhu psaní skript nám vycházel maximálně vstříc a poskytl mnoho užitečných rad.
Naše poděkování patří i Donu Knuthovi, který všem zdarma poskytl tak výborný nástroj na zpracování textů jakým je TeX.
Děkujeme i oponentům, Ing. Josefu Černochovi a PhDr. Janu Žbirkovi, kteří řadou podnětů přispěli k vylepšení obsahu skript.
V Praze 19. června 1996
Autoři
Jedním z nejvýznamnějších převratů v šíření informací v dějinách lidstva byl jistě vynález knihtisku J. G. Gutenbergem, který se datuje kolem roku 1450. Umožnil produkovat tištěné dokumenty (knihy) větší rychlostí než celý regiment profesionálních mnichů-písařů. Podobný zlom po více než 500 letech je způsoben používáním nových informačních a komunikačních technologií. Ty umožňují uchovávat velké množství informací rozličného druhu, různě je zpracovávat a díky celosvětovým počítačovým sítím i sdílet po celé Zemi. Významu informací si je dnes vědom již téměř každý, a proto je dnešní doba velmi často nazývána dobou informační.
Většina nově vznikajících informací je vytvářena a uchovávána v elektronické podobě a starší prameny se do této podoby velmi často převádí. Musíme si však zároveň uvědomit, že tzv. strukturovaná data tvoří maximálně 10 % z tohoto objemu. Pod pojmem strukturovaná data máme na mysli data se striktně definovou strukturou, jak je tomu zejména v ekonomických a personálních agendách zpracovávaných SŘBD. Vyhledávání ve strukturovaných datech je poměrně jednoduché, neboť známe přesný význam jednotlivých informací (databázových položek).
Zbývajících 90 % tvoří nestrukturované informace, tj. většinou plné texty, které jsou někdy doplněny malou strukturovanou informací (např. jméno autora, název článku apod.). V těchto informacích již nelze při vyhledávání využívat znalosti struktury dat, ale je potřeba vyhledávat podle obsahu samotného textu.
Jedním z technologicky nejvyspělejších systémů určených pro vyhledávání ve velkých objemech nestrukturovaných textových dat je TOPIC. Jde o produkt americké firmy Verity, jehož lokalizovanou verzi u nás distribuuje firma Tovek.
Historie samotného TOPICu není nezajímavá a proto si ji alespoň stručně přiblížíme. Firma Verity byla založena v roce 1988 ve městě Mountain View, které leží ve známém Silicon Valley. Firma vznikla oddělením od vládní výzkumné agentury ADS (Advanced Decision Systems). Lidé, kteří Verity založili pracovali v letech 1984--88 u ADS na projektu RUBRIC, který byl určen pro zpravodajské služby, kterým měl poskytnout o třídu větší možnosti při prohledávání rozsáhlých textů než tehdy běžně dostupné systémy.
|
|
|---|
Základní principy systému TOPIC jsou podobné jako u jiných fulltextových systémů. Předtím než mohou být dokumenty prohledávány, je nutno je zaindexovat -- tj. sestavit invertované seznamy slov obsažených v dokumentech a případně další pomocné indexy. Pokud již máme index vytvořen, můžeme systému klást dotazy. TOPIC na základě údajů v indexu vytvoří seznam relevantních dokumentů. Z tohoto seznamu si uživatel může vybrat a prohlédnout ty dokumenty, které ho opravdu zajímají. Celý proces nám pomůže přiblížit připojený obrázek.
Skripta, která držíte v ruce se podrobně zabývají ovládáním nejdůležitějších funkcí klienta TOPICu ve verzi 4.0 pro prostředí MS-Windows* a tvorbou dotazů v tomto systému. Nepokrývají širokou oblast práce administrátorů TOPICovských databází -- přípravu dokumentů pro zpracování a jejich indexování, zařazování obrázků do dokumentů a vytváření hypertextových odkazů mezi dokumenty. Rovněž se nezabývají dalšími možnostmi jako je indexování v reálném čase apod. Pro získání těchto znalostí je nejlépe použít originální dokumentaci k systému.
Existují i klienti pro další platformy. Např.
xtopicpro X-Window,pmtopicpro OS/2, topic pro Macintosh actopicpro znakové terminály a MS-DOS.
Celá skripta jsou rozčleněna do jedenácti kapitol. Následující kapitola popisuje spuštění a ovládání TOPICu. Ve druhé kapitole si ukážeme zadání jednoduchého dotazu. Kapitoly 4 až 6 se podrobněji zabývají tvorbou jednotlivých druhů dotazů. Kapitola sedmá obsahuje referenční popis všech operátorů použitelných při tvorbě dotazů. V osmé kapitole je vysvětlena funkce asistentů, kteří usnadňují tvorbu dotazů. Devátá kapitola pojednává o spuštění programu v prostředí MS-Windows. Poslední dvě kapitoly obsahují stručný slovníček pojmů a přehled klávesových zkratek použitelných pro ovládání programu.
V této kapitole se seznámíme se základním ovládáním klienta TOPICu pro Windows. Budou naznačeny základní možnosti pro zadávání dotazů, které jsou podrobněji rozebrány v následujících kapitolách.
Naše příručka popisuje klienta TOPICu pro Windows -- pro jeho
spuštění je tedy nezbytné nejdříve spustit systém Windows. Ve
Windows je TOPIC nejčastěji indikován ikonou podobnou obrázku
u okraje tohoto odstavce. Tato ikona se obvykle nachází ve
skupině "Verity" spolu s ostatními programy od této firmy.
|
|---|
V případě, že je systém dobře nakonfigurován,*
můžeme jej spustit. Po spuštění a inicializaci se okno
programu*
rozdělí na tři části. V horní části je menu, které slouží
k zadávání příkazů. Zbytek obrazovky je určen pro zobrazení
dotazu a vyhovujících dokumentů (viz obrázek na předchozí
straně). Poměr plochy obrazovky vyhrazené pro dotaz a výsledek
lze libovolně měnit, pokud myš přesuneme nad pás oddělující tyto
dvě části od sebe (kurzor myši přitom změní tvar na
`
').
.
TOPIC disponuje více druhy dotazů, které se liší náročností
zadání a možností ovlivnit výsledky prohledávání.
Dotaz z předešlého paragrafu byl tzv. prostý dotaz.
Prostý dotaz obsahuje slova a fráze oddělená čárkami nebo
logickými spojkami. Při vyhledávání se všechna slova skloňují a
mají stejnou váhu. (Podrobnější informace o prostém dotazu
naleznete na straně .)
Dalším typem dotazu je formulářový dotaz. Formulářový
dotaz obsahuje kromě místa pro zadání hledané fráze jako
u prostého dotazu i pole pro zadání podmínek pro jednotlivé
položky strukturované části textové databáze. V jistém smyslu
tedy můžeme hovořit o jakémsi rozšíření prostého dotazu.
(Podrobněji viz strana .)
Tematický dotaz je nejsilnější zbraní celého systému. Jak
již název napovídá, při formulaci dotazu vlastně definujeme
jednotlivá témata. Dotaz má hierarchickou strukturu, kde
jednotlivé uzly odpovídají jednotlivým tématům, která jsou
definována jako agregace dalších témat nebo konkrétních termínů
(pokud již dosáhneme nejnižší úrovně v hierarchii -- listů
stromu). (Podrobněji viz strana .)
Než se pustíme do důkladného rozebírání možností jednotlivých druhů dotazů, podíváme se podrobněji na části systému, které jsou nezávislé na použitém druhu dotazu.
Pokud vytváříme komplikovanější dotazy nebo chceme nějaký dotaz
použít vícekrát, je velmi užitečná funkce Uložit Dotaz
(Ctrl+F7) resp. Uložit jako (F7), která uloží aktuální
dotaz do souboru zadaného jména. Doporučujeme ukládat dotazy do
souborů s příponou `.qry'. Soubory s dotazy pak snadno
rozeznáme od jiných.
Jednou uložený dotaz můžeme opět vyvolat pomocí volby Otevřít
dotaz (F3). Pro vytváření nového dotazu slouží volba menu
Nový dotaz, kterou lze aktivovat i stiskem Alt+F3.
V jednom okamžiku můžeme mít otevřených i několik dotazů. Mezi
jednotlivými okny se pak můžeme přepínat buď pomocí myši anebo
pomocí kláves Shift+F6 resp. Ctrl+Shift+F6. V menu
Window rovněž nalezneme možnost, jak okna uspořádat do
dlaždic -- Tile -- nebo do kaskády -- Cascade. Pod čarou
se zde nachází seznam otevřených dotazů a prohlížených dokumentů.
Dotazy jsou identifikovány svým jménem; u dokumentů je za jménem
dotazu ještě připojeno :Dokument.
Kdykoliv během práce s dotazem můžeme přecházet mezi zobrazením
dotazu jako prostý, formulářový nebo tematický dotaz. Samotný
dotaz se nezmění, bude pouze jinak zobrazen. K přechodu můžeme
použít buď volby menu Dotaz nebo příslušnou klávesovou kombinaci
Alt+1, 2 nebo 3.
Po přepnutí z tematického dotazu na prostý nebo formulářový dotaz není příliš vhodné dotaz upravovat. Dojde pak totiž k automatickému nastavení vah na standardní hodnoty
0.50nebo1.00podle druhu operátoru. Pouhým přepnutím bez následné editace se váhy nezmění.
Chování TOPICu při zpracování dotazu lze ovlivnit v dialogu, ke
kterému se můžeme dostat přes menu Dotaz|Parametry
dotazu nebo stiskem Ctrl+F3.
|
|---|
V horní části dialogu je zobrazeno jméno dotazu, jeho autor a čas poslední modifikace dotazu. V poli poznámka můžeme k dotazu doplnit krátký vysvětlující text.
Mnohem zajímavější je však další vstupní pole, které označuje
hodnotu minimálního skóre. V seznamu vyhovujících dokumentů se
objeví pouze ty dokumenty, jejichž skóre je vyšší nebo rovno
zadanému. Můžeme tak snadno omezit počet dokumentů, které musíme
prohlédnout ručně. Pokud používáme komplexní tematické dotazy,
lze říci, že dokumenty se skórem menším než 0.50 již většinou
nejsou příliš relevantní.
Další vstupní pole obsahuje název skupiny témat, do které pojmový strom definovaný dotazem patří.
Pokud je proškrtnuto Automatické zatřídění výsledků jsou při
provádění dotazu do seznamu vyhovujících dokumentů zařazeny
rovnou všechny vyhovující dokumenty. Pokud pole proškrtnuto není,
je v seznamu zobrazeno pouze tolik dokumentů, kolik je místa pro
seznam na obrazovce. Ostatní dokumenty jsou do seznamy přidány
až po stisku tlačítka Zatříď nebo klávesy Alt+F5.
Po zaškrtnutí pole Automaticky poznávat témata nemusíme
v prostém a formulářovém dotazu uzavírat názvy témat mezi složené
závorky, témata se rozpoznají automaticky.
Zaškrtnutím pole Iterace nad výsledky dotazu se nám otevírá
možnost dohledávání nad množinou vyhovujících dokumentů. Pokud je
volba aktivní, je následné prohledávání omezeno pouze na
dokumenty, jež vznikly jako výsledek posledního dotazu, a ne na
všechny dokumenty v databázi.
Pokud je pro dotaz aktivní volba Označovat nově vybrané
dokumenty, mohou být v seznamu vyhovujících dokumentů některé
dokumenty označeny inverzní ikonkou dokumentu. Jsou to ty
dokumenty, které jsou výsledkem dotazu poprvé -- tzn. že dotaz
byl změněn nebo že do databáze přibyly nové dokumenty.
Zaškrtnutí volby Použij tyto parametry pro nové dotazy způsobí,
že nově vytvářené dotazy budou mít nastaveny parametry dotazu
stejně. Nastavení lze samozřejmě kdykoliv později změnit.
Nejlepší si je práci s TOPICem hned vyzkoušet. Horní část
obrazovky je po spuštění vyhrazena pro zadání dotazu. Do pole
vepíšeme termíny, které nás zajímají, a po stisku tlačítka
Výběr nebo klávesy Enter se v dolní části obrazovky
začnou objevovat dokumenty, které obsahují zadaná slova.
|
|---|
V našem případě jsme jako dotaz zadali Internet,
elektronické obchodování, "EDI". Výsledky
dotazu vidíte na obrázku (patrně se od těch vašich budou lišit,
protože používáte jinou textovou databázi -- v našem případě se
jedná o databázi článků z počítačového týdeníku Computerworld).
Každý řádek odpovídá jednomu dokumentu. Kromě názvu článku a
údajích o čísle a ročníku časopisu, ve kterém byl článek původně
otisknut (to jsou údaje, které budou záviset na databázi), je
zobrazováno i tzv. skóre. Skóre je desetinné číslo
od nuly do jedné a vyjadřuje relevanci dokumentu k dotazu. Čím
větší skóre, tím je dokument více relevantní. Standardně jsou
vyhovující dokumenty řazeny sestupně právě podle velikosti jejich
skóre.
V případě, že si některý z nalezených dokumentů chceme prohlédnout, stačí na něj dvakrát kliknout myší či jej zvýraznit a stisknout Enter. Objeví se nové okno, které obsahuje text dokumentu, ve kterém jsou hledaná slova zvýrazněna (viz obrázek na následující straně). Zobrazení dokumentu může občas působit dojmem, že počítač "zamrzl" -- u delších dokumentů totiž trvá dlouho než jsou zarovnány na aktuální rozměry okna. Proto je zapotřebí vyzbrojit se větší dávkou trpělivosti.
Na tomto místě si můžeme povšimnout toho, že zvýrazněná jsou i
slova odpovídající různým tvarům slova Internet. TOPIC totiž
automaticky předpokládá, že při prohledávání chceme využít
možností stemování. Pokud nechceme vyhledávat i ostatní tvary
slova, můžeme slovo uzavřít mezi uvozovky a stemování se
potlačí -- to je vhodné u zkratek jako je např. EDI.
Okno s textem dokumentu opustíme klávesou Esc.
|
|---|
Vraťme se ještě k seznamu vyhovujících dokumentů. Bez zajímavosti není malá ikonka vlevo od hodnoty skóre. Tato ikonka indikuje, zda jsme již dokument četli či ne (v rámci jedné seance TOPICu) a zda je dokument výsledkem dotazu poprvé. Význam ikonek je následující:
-- doposud neprohlédnutý dokument;
-- již prohlédnutý dokument;
-- dokument vyhovuje dotazu
poprvé.*
Dokument, který si chceme prohlédnout se zobrazí v novém okně. Pro pohyb po dokumentu můžeme použít kurzorové šipky, klávesy PageDown a PageUp pro pohyb o stránku dolů a nahoru nebo scroll-bar u okraje okna. Kombinace kláves Ctrl+Home vyvolá skok na začátek dokumentu a oproti tomu Ctrl+End skočí na konec dokumentu.
V dokumentu jsou zvýrazněna slova, která jsme dotazem
specifikovali. Po jednotlivých slovech z dotazu se v dokumentu
můžeme pohybovat pomocí kláves Shift+F9 a Shift+F8 (příkazy
jsou dostupné i v menu Navigace|Předchozí výskyt a
Navigace|Další výskyt).
Pokud bychom v článku chtěli provádět dohledávání, můžeme pomocí
Navigace|Hledat text nebo Ctrl+F5 prohledávat zobrazený
dokument na výskyt konkrétního řetězce.
Pokud se budeme chtít přesunout na jiný dokument, musíme pomocí Esc opustit prohlížeč dokumentů a v seznamu si vybrat další dokument. V případě, že se chceme přesunout na sousední dokument v seznamu, stačí použít klávesu F9 či F8 pro pohyb o jeden dokument vpřed či vzad.
Další možnosti nám nabízí menu Úpravy. Úsek textu označený myší
nebo pohybem kurzoru při současně stisknuté klávese Shift
můžeme pomocí Úpravy|Kopírovat nebo Ctrl+Ins zkopírovat do
schránky (clipboardu). Ze schránky pak můžeme text přenést do
libovolné jiné aplikace -- např. do textového editoru. Pokud
bychom chtěli označit celý text, můžeme stisknout Shift+F2
nebo zvolit příkaz Úpravy|Vybrat vše.
Druhou možností, jak získat celý dokument v podobně vhodné pro
další zpracování, je použití volby Aplikace|Uložení do souboru.
Tento příkaz se nejprve zeptá na jméno souboru, a poté do něj
uloží v textové podobě dokument.
Pokud v textu nalezneme slovo, které je pro hledanou oblast zájmu
typické, ale my jsme ho v dotazu opomněli, stačí jej označit a
pomocí klávesy Ins či příkazu Úpravy|Přidat do dotazu
přidat do dotazu. Lze zvolit, zda se vybraný text přidá do již
existujících dotazů nebo zda se text vloží do nového dotazu.
Poslední důležitější volbou z menu Úpravy je možnost změnit
písmo, kterým je text dokumentu zobrazován. K tomu slouží volba
Úpravy|Změnit font, po které se objeví standardní Windowsovský
dialog pro změnu písma. Tato volba umožní docílit vhodného
způsobu zobrazení vybraného dokumentu v okně.
Pokud bychom se o dokumentu chtěli dozvědět něco bližšího, můžeme
použít F5 či Soubor|Zobrazit informaci. V nově otevřeném
okně se objeví základní údaje o dokumentu (název, délka apod.) a
o databázi, ve které je dokument umístěn. Konkrétní podoba
je však opět dána způsobem vytvoření té či oné databáze.
Pokud bychom chtěli dokument vytisknout přímo z prostředí TOPICu,
stačí zvolit Soubor|Tisk nebo stisknout Shift+F10.
V této kapitole přeneseme svoji pozornost přímo k nejdůležitější části systému TOPIC, kterou jsou tematické dotazy. Pomocí tematických dotazů můžeme nejlépe vyjádřit náš požadavek na vyhledávané dokumenty.
Přestože je tento dotaz ze všech tří typů nejsložitější, bude výhodné si ho vysvětlit již nyní. Zbylé dva typy dotazů (prostý a formulářový) pak pro nás budou snadno pochopitelné a navíc budeme moci při jejich konstruování využívat již existující témata.
Nejprve si vysvětlíme strukturu tematického dotazu, a potom si vyzkoušíme jeho tvorbu. Na závěr této kapitoly se podíváme trochu podrobněji na způsob, kterým TOPIC využívá tematický dotaz při vyhledávacím procesu, a pokusíme se zachytit i postup tvorby složitějších dotazů a jejich skupin.
A nyní se již podrobněji podívejme na první jednoduchou ukázku tematického dotazu:
|
|---|
Jak je z obrázku patrné, tematický dotaz se vytváří ve formě stromu. Ten budeme nazývat pojmovým stromem, protože se na svých nejnižších úrovních skládá z pojmů -- slov charakteristických pro danou oblast zájmu. Těmto nejnižším úrovním pojmového stromu se říká listy. Pouze listy mohou obsahovat konkrétní slova. V naší ukázce jsou na listech pojmy jako "inflace", "nezaměstnanost", "poptávka" apod.
Slova významem nebo oblastí blízká se sdružují do témat (topiců). Tématem (topicem) rozumíme libovolnou podmnožinu pojmového stromu. V našem případě je to například "_Makroekonomie" nebo "_HDP", ale i celý strom -- "_Ekonomie". Tato témata lze samostatně používat v dalších dotazech (nejen tematických, ale i prostých a formulářových).
List nebo téma nazveme uzlem, pokud nám nebude záležet na tom,
jedná-li se o list nebo o téma. Napojení uzlu na další úroveň je
vyřešeno pomocí operátoru (podrobněji viz strana )
a váhy přidělené tomuto uzlu (podrobněji viz strana ).
Operátor určuje způsob napojení uzlu na vyšší úroveň a váha
důležitost tohoto uzlu vzhledem k ostatním uzlům na stejné
úrovni.
Nejprve se podíváme na ukázku listu:
|
|---|
Většina listů (kromě listů připojených k vyšší úrovni proximitními nebo
logickými operátory) začíná vahou, kterou jsou připojeny k vyšší
úrovni. V našem případě je to číslo 0.50.
Napravo od váhy je značka "kosočtverce" -- `
'. Ta se
vyskytuje u všech uzlů (tedy i témat) a slouží k vybrání uzlu
pomocí myši nebo k jeho přesunu na jinou pozici.
Následuje některý z listových operátorů (viz
strana ) uzavřený mezi znaky `<' a `>'.
V našem případě je to operátor <STEM>, který dovoluje výskyt
slova v různých tvarech -- např. (o) "inflaci", (s)
"inflací" apod.
Nakonec následuje vlastní název listu -- slovo, jehož výskyt vyžadujeme v nalezených dokumentech. V našem příkladě se jedná o slovo "Inflace".
Podobná je i struktura témat:
|
|---|
Kromě kořenu stromu, mají i témata svoji váhu. Následuje
referenční značka `' a název tématu --
např. "_Makroekonomie".
Narozdíl od listů mají témata úplně vpravo některý z operátorů
pro připojení uzlů nižší úrovně. Můžeme například požadovat, aby
v nalezených dokumentech byla všechna slova z nižších uzlů --
potom je zde operátor <AND> nebo alespoň jedno -- použijeme
operátor <OR> apod. Podrobněji se o operátorech dočtete na
straně .
Úplně na pravém konci tématu pak nalezneme některou z těchto značek:
-- neexistují podřízené úrovně;
-- podřízené úrovně existují, ale
jsou schované (pro jejich
zobrazení je nutné
kliknout myší na tuto značku).
-- existují podřízené úrovně
k tomuto tématu a jsou viditelné;
Tematické dotazy budou po delší práci s TOPICem tvořit jakousi
"kostru", s jejíž pomocí budeme tvořit dotazy pro konkrétní
oblasti zájmu. Proto je vhodné rozmyslet si dobře jejich
strukturu, aby některé téma nebylo řešeno odlišně ve dvou různých
stromech a aby se již vytvořená témata využívala při tvorbě
nových stromů (viz postup tvorby stromů na straně ).
Nyní jsme si vysvětlili alespoň základy struktury tematického dotazu a můžeme si vyzkoušet jeho zadání. Při zadávání doporučujeme již od začátku používat klávesnici. Po krátké chvíli budete schopni vytvářet stromy daleko rychleji než při použití myši.
Představme si, že chceme vytvořit dotaz pro vyhledání všech dokumentů, které se nějakým způsobem týkají ekonomie. Předpokládejme dále, že jsem již dříve provedli analýzu dokumentů a našich požadavků a chceme vytvořit pojmový strom o následující struktuře:
Ekonomie
Nejprve vybereme v menu Soubor položku Nový dotaz nebo
stiskneme klávesu Alt+F3. Potom v menu Dotaz zvolíme
Tematický dotaz nebo použijeme klávesu Alt+3.
V poli pro zadávání dotazu se objevil nepojmenovaný vrchol stromu
s operátorem <ACCRUE> a my bychom mohli začít s tvorbou dotazu.
Ještě než začneme, provedeme malou úpravu v menu Zobrazit. Zde
místo volby Strom vybereme Osnova. Tato změna, přestože zatím
nic nevidíme, bude mít za následek, že se podřízené uzly stromu
nebudou odsazovat napravo od nadřízeného uzlu. Místo stromové
struktury, jak jsme ji dosud poznali, se všechny uzly nižší úrovně
umístí pod nadřízený uzel a odsadí se o jeden znak. Pojmový strom
tedy bude vypadat podobně jako struktura uvedená výše. Tím
ušetříme spoustu místa a zejména při tvorbě složitějších dotazů
bude vše daleko přehlednější.
A nyní již skutečně začneme s vlastním zadáváním dotazu. Každý uzel stromu, by měl mít odpovídající název. Tento název se zároveň stane názvem tématu. Stiskneme klávesu Tab (tabulátor) -- uzel se stane aktivním (na obrazovce se objeví jako inverzní) a na místě názvu začne blikat kurzor. (Místo použití tabelátoru můžeme také kliknout myší na obdélníček v místě, kde má být název uzlu.) Zadáme "_Ekonomie" a zadávání ukončíme klávesou Enter.
Pojmenování uzlů musí splňovat určité podmínky, které si souhrnně popíšeme později. Prozatím nám bude stačit, že se v názvu tématu nesmějí objevit mezery a že se nerozlišuje mezi velkými a malými písmeny.
Dotaz by měl nyní vypadat takto:
|
|---|
Nyní musíme přidat tři uzly nižší úrovně -- Makroekonomie, Mikroekonomie a Obecná ekonomie:
Uzel "_Ekonomie" musí být aktivní (inverzní). Pokud tomu tak
není, stiskneme klávesu Tab nebo klikneme myší na značku
před slovem "_Ekonomie".
V menu Dotaz zvolíme Přidat operátor. Objevilo se okénko pro
výběr operátoru. Pomocí kurzorových kláves -- šipek nahoru/dolu
vybereme Accrue a stiskneme Enter. (Nebo myší dvakrát
klikneme na Accrue.) Na obrazovce se objevil nový uzel bez
názvu, s vahou 0.50 a značka u uzlu "_Ekonomie" se změnila
na .
Pomocí šipky dolu vybereme nový uzel a začneme s jeho nastavením.
Stiskneme jednou klávesu Tab. Zvýraznila se váha
uzlu.*
Stiskneme Tab ještě jednou a kurzor začne blikat v místě
pro zadání jména. (Na blikající kurzor se dostaneme též pomocí
kliknutí myší na obdélníček za značkou .) Nyní můžeme
zadat název uzlu -- např. "_Makroekonomie" -- a stisknout
Enter. Tím jsme nový uzel zadali.
Pokud potřebujeme opravit zadaný název, postupujeme následovně: Pomocí postupného stisku klávesy Tab nebo kliknutím myší se nastavíme na název -- ten změní svoji barvu. Pokud bychom nyní stiskli některou alfanumerickou klávesu, celý text by se nejprve vymazal a na jeho místě by se objevil jediný znak -- ten, který jsme právě stiskli. To znamená, že bychom museli celý text napsat znovu. Pokud však chceme pouze opravit případný překlep, musíme nejprve stisknout některou z kurzorových kláves (šipka vlevo/vpravo). Tím se v textu objeví blikající kurzor a my můžeme text editovat.
Podobným způsobem jako název můžeme opravit váhu a operátor. Při
zadávání váhy lze na oddělení desetinné části použít jak
tečku, tak čárku. Váhu lze zadávat i jako číslo mezi 1 a 100 a
TOPIC si je sám vydělí stem. Při změně operátoru pomocí
klávesnice nemusíme psát znaky `<' a `>' -- TOPIC si je doplní sám.
Pokud na operátor klikneme myší, objeví se seznam všech
operátorů, které má v daném případě smysl zadat, a můžeme některý
z nich vybrat -- opět klávesou Enter nebo dvojitým
kliknutím.
Nyní se vrátíme k našemu dotazu a přidáme další uzel --
"_Mikroekonomie": Pomocí šipky nahoru vybereme uzel
"_Ekonomie" a v menu Dotaz opět zvolíme Přidat operátor.
Způsobem popsaným výše zadáme název "_Mikroekonomie" a váhu
upravíme na 0.40. Stejný postup ještě jednou zopakujeme pro
uzel "_Obecná_ekonomie". Jak již víme, nesmíme při zadávání
názvu tématu použít mezeru. Slova tedy oddělujeme pomocí
podtržítka nebo pomlčky. Mezeru můžeme také vynechat úplně a
použít velké písmeno -- "_Obecná_Ekonomie".
Dotaz nyní vypadá takto:
|
|---|
V následující části provedeme rozšíření tématu "_Makroekonomie":
Doposud jsme zadávali pouze témata. Nyní se poprvé dostáváme
k zadávání listů stromu -- konkrétních slov. K jejich zadávání
slouží v menu Dotaz volby Přidat následníka a Přidat
souseda. Volbu Přidat následníka používáme v případě, že máme
vybraný uzel, pod který chceme slovo přidat. Přidat souseda
potom při postupném zadávání všech slov v jedné úrovni. Protože
se jedná o časté činnosti, existují pro ně horké klávesy:
Ctrl+A -- přidání následníka a Ctrl+D -- přidání souseda.
Vybereme tedy uzel "_Mikroekonomie" a stiskneme Ctrl+A. Objevil se prázdný rámeček s blikajícím kurzorem. Nyní můžeme zadat libovolné slovo nebo i sousloví -- při zadávání listů je totiž možné používat i mezery. Zadáme například "Spotřebitel" a stiskneme Enter.
Na obrazovce můžeme vidět přibližně toto:
|
|---|
A nyní nezbývá nic jiného než pomocí Ctrl+D přidat "Trh", "Výrobek" a "Cena". Potom ještě stejným postupem přidáme listy "Nabídka" a "Poptávka" do "_Obecná_ekonomie" a "Nezaměstanost", "Inflace" a "Zahraniční obchod" do "_Makroekonomie".
Po zadání posledního listu si všimněme změny použitého operátoru
ze <STEM> na <PHRASE>. Sousloví "Zahraniční obchod" bylo
totiž automaticky rozloženo na dvě slova -- "Zahraniční" a
"obchod", z nichž každé se může vyskytovat v libovolném pádě.
O tom se můžeme přesvědčit tak, že vybereme uzel "Zahraniční
obchod" a stiskneme kurzorovou šipku vpravo. Tato klávesa slouží
k "rozbalení" libovolného tématu, u kterého se vyskytuje nám již
známá značka . K opačnému cíli -- k "zabalení"
určitého tématu se používá kurzorová šipka vlevo. Zabalením
needitovaných části stromu si můžeme ulehčit přesun z jednoho
uzlu na druhý.
Takto například můžeme rozbalit "Zahraniční obchod" a naopak zabalit celou "Mikroekonomii" a "Obecnou ekonomii".
|
|---|
Jako poslední úkol nám zbývá doplnění listu s hrubým domácím
produktem. O hrubém domácím produktu se však často píše pouze
jako o HDP, proto přidáme ještě jednu podúroveň a použijeme operátor
OR.
Nejprve vybereme uzel "_Makroekonomie" a v menu Dotaz opět
zvolíme Přidat operátor tak jako na začátku práce
s naším dotazem. Z nabízeného seznamu ale nyní vybereme OR.
U nově vzniklého uzlu zadáme název "_HDP". Pomocí Ctrl+A
přidáme list "Hrubý domácí produkt" a k němu pomocí Ctrl+D
přidáme zkratku "HDP". U této zkratky můžeme ještě změnit
operátor ze <STEM> na <WORD>, protože u této zkratky
nepředpokládáme její skloňování.*
MS-DOS.
<OR>jsou1.00.
Nyní se nám podařilo zadat celý pojmový strom a můžeme si
vyzkoušet jeho funkčnost pomocí klávesy Ctrl+R nebo kliknutím na
tlačítko Výběr. Výsledek závisí na použité databázi. Jednu
z možností uvádí obrázek na následující straně.
|
|---|
I když pořadí uzlů nemá vliv na výsledek dotazu, může být někdy
nutné z důvodů logického členění změnit pořadí uzlů. Může se nám
také stát, že potřebujeme určitý uzel přesunout do jiné úrovně.
Bohužel takto přesouvat uzly lze pouze pomocí myši a jenom v typu
zobrazení Strom.
Vezmeme si tedy do ruky myš a v menu Zobrazení zvolíme Strom.
Nyní můžeme myší kliknout na referenční značku (napravo
od váhy uzlu) a držíme tlačítko stisknuté. Jak budeme měnit
pozice myši, bude se po jednotlivých částech pojmového stromu
pohybovat i tlustá čára. Tu nastavíme do míst, kam chceme
přesunout uzel, a pustíme tlačítko myši. Uzel se přesune na
vyznačené místo. Pokud měl uzel podřízené uzly, přesunou se
s ním.
Váhy se používají společně s operátory pro výpočet celkového skóre dokumentu vzhledem k dotazu.
Váhy lze použít pouze u uzlů připojených pomocí některého
z koncepčních operátorů (AND, OR a ACCRUE). Použití vah však
není povinné. Pokud váhu u připojovaného uzlu neuvedeme, použije
se standardní -- pro AND a OR je to 1.00 a pro ACCRUE
0.50. Při změně operátoru např. z AND na ACCRUE se
automaticky opraví váhy u všech připojených uzlů, které používaly
standardní nastavení -- v tomto případě z 1.00 na 0.50.
Přiřazením čísla k určitému uzlu určujeme, jakým způsobem (vahou
od 0.01 do 1.00) se daný uzel podílí na celkovém skóre daného
dokumentu při výběru. Čím vyšší váha, tím více závisí skóre
dokumentu na tom, zda obsahuje či neobsahuje slova z daného uzlu
nebo na něj napojených uzlů nižší úrovně. Změnou vah můžeme
docílit změnu pořadí dokumentů v seznamu relevantních dokumentů.
Autoři programu doporučují zadávání vah v rozsahu od 0.80 do
0.20. Při použití vyšších vah dochází ke "sploštění"
výsledků (hlavně u operátoru ACCRUE) -- mnoho dokumentů má
totiž skóre 1.00 bez ohledu na počet výskytů jednotlivých slov.
Jako vhodný postup pro určování vah se ukazuje nechat nejprve
TOPIC, aby dosadil standardní váhy podle typu operátoru (AND,
OR, ACCRUE) a až podle výsledků prvního dotazu se snažit
o jejich korekci.
Tato operace je klíčovou částí celého vyhledávání. Právě na ní totiž závisí použitelnost celé koncepce stromů, operátorů a vah. Znalost tohoto postupu nám umožňuje lépe porozumět významu jednotlivých operátorů a vah ve stromu a lépe tak vytvářet vlastní stromy.
TOPIC postupuje od listů až vrcholu stromu a postupně vypočítává skóre:
1.00. Pokud není obsažen, dostává
0.00;
AND,
porovnají se skóre všech uzlů upravené o jejich váhy a
vezme se nejnižší;
OR, porovnají se skóre
všech uzlů upravené o jejich váhy a vezme se nejvyšší;
ACCRUE,
porovnají se skóre všech uzlů opravené o jejich váhy a za
základní skóre je vzato nejvyšší -- zatím tedy stejný
postup jako u OR. K základnímu skóre se však
připočítává "něco málo" (jak se píše v dokumentaci)
za každý uzel, který má vzhledem k dokumentu nenulové
skóre. Operátor ACCRUE tedy navíc oproti OR
zohledňuje výskyty různých uzlů v dokumentu. Možná bude
ještě lepší si vše ukázat na příkladě. Zadali jsme dotaz,
který obsahuje dva listy -- "Inflace" a "ČNB".
Pokud tyto dva listy spojíme operátorem ACCRUE, máme
zaručeno, že dokumenty obsahující obě slova budou mít
vyšší skóre než dokumenty obsahující větší počet výskytů
pouze jednoho z obou slov;
1.00 nebo 0.00.
Vytváření stromů není jednoduchou záležitostí a vyžaduje kromě znalosti operátorů také dobrou znalost dané oblasti. V úvahu je nutné brát i požadavky uživatelů na použití takto vytvořených stromů. Důležitý je také konkrétní druh a forma zdroje, ze kterého jsou dokumenty brány -- agenturní zprávy, diplomové práce, články z časopisů apod.; a také jakým způsobem byla vytvořena databáze pro použití v TOPICu -- jaké byly vytvořeny položky a jejich typ apod.
Protože se jedná o rozsáhlou oblast problémů, jsou ve větších firmách tvořeny celé týmy, které zahrnují specialisty z dané oblasti a specialisty na TOPIC, kteří se snaží společně splnit požadavky uživatelů.
Specialisté na TOPIC se dělí na dvě skupiny:
Každý uživatel si samozřejmě může vytvářet svoje vlastní uživatelské stromy.
Tvorba stromu je v podstatě zavádění určitého systému na danou oblast zájmu. Proto se při jejich tvorbě mohou používat metody běžné v systémové analýze. Jedná se zejména o tyto způsoby:
Jak jsme si již řekli dříve, musíme při tvorbě pojmového stromu brát ohledy na omezení TOPICu.
Maximální délka konkrétního slova v listu je 128 znaků. Maximální délka názvu tématu může být opět 128 znaků včetně pomlček a podtržítek.
Jedno téma se může skládat až z 20 000 podtémat. Ale vzhledem k paměťovým nárokům může být již při počtu kolem 1 000 podtémat ohlášen nedostatek paměti. V názvu tématu nelze použít jako oddělovače slov mezery.
Při definici stromu nezáleží na použití velkých a malých písmen.
Jedinou výjimkou je použití modifikátoru CASE při definici
názvu listu.
Aby bylo možné při definici stromu v názvech listů zadat znaky
jako `/', `&' apod., je nutné, aby bylo použití těchto znaků
nadefinováno administrátorem databáze v souboru style.lex.
Jak již víme z předcházejících kapitol, prostý dotaz je
nejjednodušším druhem dotazu v systému TOPIC. S prostým dotazem
jsme se již určitě všichni setkali u některého z vyhledávacích
systémů, například v knihovně. Jedná se o zjednodušenou formu
tematického dotazu (viz strana ).
Při formulaci prostého dotazu zadáváme jednotlivá slova nebo
fráze, jejichž výskyt požadujeme v nalezených dokumentech.
Nejjednodušší formou prostého dotazu je pouhé jedno slovo. Pokud
chceme zadat slov více, oddělujeme je čárkou (která zde zastupuje
operátor ACCRUE) nebo operátory (logickými spojkami) AND a
OR.
|
|---|
Rozdělení slov do úrovní jako v tematickém dotazu lze udělat
pomocí závorek, do kterých uzavřeme skupinu slov. V prostém
dotazu, narozdíl od tematického, nemůžeme používat váhy. TOPIC
automaticky nastaví standardní -- 0.50 pro slova oddělená
čárkou a 1.00 pro slova oddělená operátory AND a OR.
Všechny operátory a modifikátory mají stejný význam jako
u tematického dotazu. Pokud uzavřeme slovo do uvozovek, TOPIC je
nebude skloňovat (jedná se tedy pouze o jinak zadaný operátor
WORD). Stejně jako u tematického dotazu, nerozlišuje systém
malá a velká písmena (pokud to výslovně neuvedeme pomocí
modifikátoru CASE).
Po stisku tlačítka Výběr nebo klávesy Enter vyhledá TOPIC
všechny dokumenty, které obsahují dané slovo (slova) a/nebo slova
od něj odvozená (různé pády apod.).
Na obrázku si můžeme prohlédnout ukázku jednoduchého dotazu. Takto formulovaný dotaz nalezne všechny dokumenty, ve kterých se vyskytuje zkratka "ČNB" a zároveň sousloví "růst HDP". Nalezené dokumenty mají skóre určené podle počtu výskytů daných slov (nebo slov od nich odvozených) v dokumentu vzhledem k jeho délce.
Hlavní předností prostého dotazu je jeho jednoduchost. Téměř každý, s pouhou minimální znalostí operátorů, dokáže během krátké chvíle vytvořit dotaz podle svých požadavků.
TOPIC ale nabízí ještě větší umocnění této síly. V prostých dotazech totiž můžeme na místě slova použít celá témata. Ukažme si jejich použití na příkladě:
V minulé kapitole jsme vytvořili tematický dotaz "_Ekonomie", ve kterém byla témata "_Makroekonomie", "_Mikroekonomie" a "_Obecná_ekonomie". Nyní chceme vytvořit dotaz, který nalezne všechny dokumenty týkající se ČNB a jejího vlivu na naší ekonomomiku. Nebude nás ale zajímat celé téma "_Obecná_ekonomie". Vzhled dotazu si můžeme prohlédnout na obrázku.
|
|---|
V dotazu byla použita témata "_Ekonomie" a
"_Obecná_ekonomie". Povšimněme si jejich uzavření do
složených závorek. Těmi jsme přikázali TOPICu zařazení celého
tématu, který tato slova zastupují, do dotazu bez ohledu na
nastavení parametrů dotazu. Pokud bychom v menu Dotaz zvolili
Parametry dotazu a zaškrtli volbu Automatické rozpoznávání
témat, nebylo by nutné uzavírat témata do složených závorek.
Při vytváření prostého dotazu postupujeme následovně: V menu
Soubor zvolíme Nový dotaz nebo stiskneme klávesu Alt+F3.
Pokud je to nutné zvolíme v menu Dotaz položku Prostý dotaz
nebo stiskneme klávesu Alt+1.
Nyní můžeme do rámečku zadávat jednotlivá slova, operátory a
témata. Při psaní můžeme používat editační klávesy a překlepy
opravujeme jako v textovém editoru. Při vkládání témat do dotazu
můžeme použít asistenta témat (menu Dotaz, volba Pomůcky nebo
klávesa F2).
Pokud chceme spustit vyhledávání, stačí stisknout klávesu Enter.
Posledním z typů dotazů v systému TOPIC je formulářový dotaz. Ten rozšiřuje dotazování o možnost zadat podmínku pro konkrétní položku databáze, se kterou pracujeme. Administrátor databáze při její tvorbě určí jaké bude obsahovat položky. Často to budou položky jako je název článku, autor, datum zveřejnění apod. Záleží na typu databáze jaké konkrétní položky bude obsahovat.
|
|---|
Bez ohledu na databázi se budou v okénku formulářového dotazu
objevovat dva druhy polí. Nejprve je to pole Topic, do kterého
umisťujeme již vytvořené pojmové stromy týkající se celého
dokumentu bez ohledu na členění do položek. Následují položky
databáze spolu se speciální položkou Text nebo Doc, která
zastupuje text dokumentu. Pro každou z položek uvedených
na formuláři můžeme zadat zvláštní podmínku. Například požadovat
dokumenty s datem mladším než 20. 12. 1995 tak, jak můžeme vidět
na ukázce.
Každá položka se chová jako zvláštní prostý dotaz. Jednotlivé
dotazy na položky jsou spojeny na způsob operátoru ACCRUE. To
znamená, že v seznamu nalezených dokumentů jsou i dokumenty,
které nesplňují všechny podmínky, ale jsou potom ohodnoceny
nižším skórem. Pokud u některé položky zaškrtneme Povinné, musí
daný dokument splňovat podmínku, aby byl zařazen do seznamu
nalezených dokumentů.
Formulářové dotazy se používají jako rozšíření prostého dotazu. Můžeme využívat podmínek pro jednotlivé položky databáze. Často používanou položkou bude datum.
Při vytváření formulářového dotazu postupujeme následovně: V menu
Soubor zvolíme Nový dotaz nebo stiskneme klávesu Alt+F3.
Pokud je to nutné zvolíme v menu Dotaz položku Formulářový dotaz
nebo stiskneme klávesu Alt+2.
Nyní můžeme do rámečku pro jednotlivé položky zadávat slova,
operátory a celá témata způsobem stejným jako u prostého
dotazu. Mezi jednotlivými položkami se pohybujeme klávesou
Tab. Pokud jsme nastaveni na volbě Povinné, můžeme
klávesou Mezera měnit její zaškrtnutí/nezaškrtnutí.
Pokud chceme spustit vyhledávání, stačí stisknout klávesu Enter.
V této kapitole se nejprve podíváme na operátory. Systém disponuje několika typy operátorů, které mají různé použití a jejichž vzájemnou kombinací lze zkonstruovat komplexní dotazy:
WORD, STEM, SOUNDEX, WILDCARD,
THESAURUS, SUGGEST a TYPO;
PHRASE, SENTENCE a PARAGRAPH;
ANY a ALL;
AND, OR a ACCRUE;
=', větší než `>',
větší nebo rovno `>=', menší než `<',
menší nebo rovno `<=', MATCHES, SUBSTRING,
CONTAINS, STARTS a ENDS.
). Chování operátorů
lze ovlivnit pomocí tří modifikátorů (NOT, MANY a CASE),
jejichž význam je vysvětlen na konci kapitoly.
Vybavení TOPICu oparátory je opravdu komplexní. V praxi se však používá jen jejich velmi úzký okruh.
WORD
Operátor WORD slouží k označení listu topiku, který obsahuje
slovo, které chceme nalézt. Vybrány jsou všechny dokumenty, které
dané slovo obsahují.
WORDpoužijemeSTEM, který nalezne i slova pozměněná v koncovce.
STEM
Operátor STEM použijeme, pokud chceme vybrat dokumenty, které
obsahují dané slovo v jednom ze tvarů lišících se koncovkou.
V češtině je používání tohoto operátoru téměř nezbytné, protože
máme několik pádů a vzorů jmen, které se liší právě koncovkami.
SOUNDEX
Operátor SOUNDEX používáme v případech, kdy požadovaná slova
v dokumentech "znějí podobně jako" slovo v listu topiku.
Použijeme-li operátor SOUNDEX například se slovem počítač,
vyhoví dotazu navíc i dokumenty, které obsahují slova počasí,
počítání či sčítač.*
SOUNDEXje pojmenován po metodě, která vznikla ještě dříve než první počítače. Základním principem je vynechání samohlásek a přiřazení specifického čísla každé souhlásce. Po několika triviálních úpravách získáme číslo. Slova v angličtině podobně znějící mají toto číslo shodné. -- pozn. aut.
Operátor SOUNDEX můžeme použít v případě, kdy neznáme přesné
znění slova. Pokud však operátor SOUNDEX nemusíme používat
nezbytně, raději se mu vyhýbáme, protože může do výsledku
zahrnout mnoho nerelevantních dokumentů.
WILDCARD
Operátor WILDCARD se používá v případech, kdy hledané slovo
obsahuje různé substituční (zástupné) znaky. Mezi tyto znaky
patří např. `*' a `?', které mají stejný význam jako
v operačním systému MS-DOS nebo UNIX (tj. zastupují libovolný počet
znaků či jeden znak). Přehled všech speciálních znaků
použitelných při tvorbě substitucí je uveden v připojené tabulce.
| Znak | Funkce | Omezení |
|---|---|---|
? |
Zastupuje jeden libovolný alfanumerický znak. Např. ?ěsto
nalezne slova město i těsto. |
Otazník `?' nemá speciální význam v množině ([...]) a
v alternativním vzorku ({...}).
|
* |
Zastupuje žádný, jeden nebo několik libovolných alfanumerických
znaků. Např. kop* nalezne slova kop, kopa, kopáč,
kopule i koprový. Hvězdička `*' nesmí být použita jako
první znak hledaného řetězce. |
Hvězdička `*' nemá speciální význam v množině ([...]) a
v alternativním vzorku ({...}).
|
[...] |
Zastupuje jeden z několika znaků uvedených v množině.
Např. v[ůoa]le nalezne slova vůle, vole a vale. |
Levá hranatá závorka `[' se používá výhradně k otevření
definice množiny a pravá `]' k jejímu uzavření.
|
{...} |
Zastupuje jeden z několika specifikovaných řetězců.
Např. defini{č,tiv}ní nalezne slova definiční i
definitivní. |
Levá složená závorka `{' se používá výhradně k otevření
definice alternativních vzorků a pravá `}' k jejímu uzavření.
|
^ |
Zastupuje libovolný znak, který není obsažen v množině.
Např. mikro[^ns] nalezne všechna slova jako mikro?
s výjimkou slov mikron a mikros. |
Stříška `^' je za speciální znak považována pouze, pokud
bezprostředně následuje za otevíracím znakem množiny `['.
|
- |
Slouží k specifikování rozsahu znaků uvnitř množiny.
Např. a[a-d]z nalezne slova aaz, abz, acz a adz. |
Pomlčka `-' má speciální význam pouze uvnitř množiny, tj. mezi
znaky `[' a `]'.
|
Pomocí zástupných znaků, lze zapsat podmínky, kterým vyhovuje
velké množství slov. Při formulaci dotazu na to musíme brát ohled
a pokud možno se vyvarovat podmínkám typu vy*, kterým vyhovuje
nepředstavitelné množství dokumentů.
Pokud chceme použít nějaký ze speciálních znaků, bez jeho
speciálního významu, musíme před něj předřadit zpětné lomítko
`\'. Toto se nemusí provádět uvnitř množiny (zde se píše zpětné
lomítko jen před znak `]', pokud nemá být ukončovacím znakem
množiny).
THESAURUS
Použití tohoto operátoru způsobí, že jsou vybrány i ty dokumenty,
které obsahují synonymum daného slova. Ve standardní programu
verzi je využíván tezaurus "Random House Thesaurus", který je
bohužel určen pro anglický jazyk (např. pro slovo altitude
existují ve slovníku následující synonyma: loftiness,
tallness, pitch, height a elevation).
SUGGESTTento operátor lze použít k výběru dokumentů, které obsahují statisticky blízká slova zvolenému termínu. Statistická blízkost slov je vyhodnocována při indexování dokumentů. Jako statisticky blízká jsou vyhodnocena slova, která se často opakují blízko sebe.
TYPO
Operátor TYPO má podobný význam jako operátor SOUNDEX,
tj. slouží k nalezení dokumentů, které obsahují slova s podobným
zápisem. Operátor TYPO je striktnější než SOUNDEX --
nalezne méně odpovídajících slov.
Operátor TYPO je vhodné používat v případech, kdy byl text
zpracován technologií OCR* a v nasnímaném textu se mohou vyskytovat
překlepy.
PHRASE
Operátor PHRASE je používán v případech, kdy podřízené uzly
topiku obsahují dvě nebo více slov, která dohromady tvoří frázi.
V dokumentu, který má být vyhledán, se pak musí uvedená slova
vyskytovat ihned po sobě v uvedeném pořadí.
Operátoru PHRASE mohou být podřízeny buď další operátory
PHRASE nebo listy, které obsahují jakýkoliv listový operátor
(kromě relačního).
SENTENCE
Operátor SENTECE vyhledá všechny dokumenty, které obsahují
v jedné větě všechna slova specifikovaná v podřízených uzlech.
Narozdíl od operátoru PHRASE nezáleží na pořadí slov.
Operátoru SENTENCE mohou být podřízeny další operátory
SENTENCE, PHRASE nebo listy, které obsahují jakýkoliv listový
operátor (kromě relačního).
PARAGRAPH
Tento operátor se používá k vyhledání dokumentů, které obsahují
v jednom odstavci všechny uzly podřízené uzlu s operátorem
PARAGRAPH.
Operátoru PARAGRAPH mohou být podřízeny další operátory
PARAGRAPH, SENTENCE, PHRASE nebo listy, které obsahují
jakýkoliv listový operátor (kromě relačního).
Boolovské operátory slouží k definici topiků, které mají
vyhledat dokumenty obsahující nějaké (ANY) nebo všechny (ALL)
podřízené uzly. Podřízené uzly nemohou mít narozdíl od
koncepčních operátorů (AND, OR a ACCRUE) váhu jinou než
1.00.
ANY
Operátor ANY se používá k vyhledání dokumentů, které vyhovují
alespoň jednomu z podřízených uzlů topiku. Podřízené topiky
nesmějí mít přiřazenu váhu.
Podřízené uzly mohou být následujících druhů: topiky používající
operátory ANY, ALL, PARAGRAPH, SENTENCE a PHRASE a
listy obsahující libovolné listové operátory kromě relačních.
ALL
Operátor ALL se používá k vyhledání dokumentů, které obsahují
všechny podřízené uzly topiku. Podřízeným uzlům opět nesmí být
přiřazena žádná váha.
Podřízené uzly mohou být následujících druhů: topiky používající
operátory ANY, ALL, PARAGRAPH, SENTENCE a PHRASE a
listy obsahující libovolné listové operátory.
Koncepční operátor může být použit v topiku, který je nadřazený topikům s přiřazenými váhami.
OR
Operátor OR použijeme v těch případech, kdy požadujeme jako
výsledek dokumenty, které vyhovují alespoň jednomu z podřazených
uzlů (topiků). Narozdíl od použití operátoru ANY je výsledek
dotazu seřazený dle relevance jednotlivých dokumentů.
Podřízené uzly mohou používat následující operátory: AND, OR,
ACCRUE, ANY, ALL, SENTENCE, PARAGRAPH nebo PHRASE a
jakýkoliv listový operátor.
AND
Operátor AND vybere ty dokumenty, které vyhovují všem
podřízeným topikům. Narozdíl od operátoru ALL bude výsledek
dotazu seřazený podle relevance.
Podřízené uzly mohou používat následující operátory: AND, OR,
ACCRUE, ANY, ALL, SENTENCE, PARAGRAPH nebo PHRASE a
jakýkoliv listový operátor.
ACCRUE
Operátor ACCRUE "dělá TOPIC TOPICem". Vybírá totiž ty
dokumenty, které obsahují alespoň některé z podřízených topiků.
Výsledná váha dokumentu je tím vyšší, čím více podřízených topiků
dokument obsahuje. Někdy proto bývá funkce operátoru ACCRUE
označována jako "čím více, tím lépe".
Podřízené uzly mohou používat následující operátory: AND, OR,
ACCRUE, ANY, ALL, SENTENCE, PARAGRAPH nebo PHRASE a
jakýkoliv listový operátor.
Relační operátory se používají ve spojení s listovými topiky (s topiky na nejnižší úrovni), které obsahují některou z položek definovaných v databázi.* Výsledkem dotazu jsou pouze ty dokumenty, jejichž pole splňují zadané podmínky. Obsahem polí mohou být čísla, alfanumerické řetězce nebo data.
Dotaz|Pomůcky|Polenebo stiskem F2 a zvolenímPole.
Pole lze při prohledávání používat jednak ve formulářovém dotazu a jednak v tematickém dotazu. V tematickém dotazu vypadá použití relačního operátoru následovně:
| jméno topiku |
název pole relační operátor hodnota k porovnání |
='
Operátor `=' se používá v případech, kdy vyžadujeme naprostou
shodu hodnoty položky dokumentu se zadanou hodnotou.
>'
Operátor `>' se používá v případech, kdy požadujeme dokumenty
u nichž je hodnota položky větší než zadaná hodnota.
>='
Operátor `>=' se používá v případech, kdy požadujeme dokumenty
u nichž je hodnota položky větší nebo rovna hodnotě zadané.
<'
Operátor `<' se používá v případech, kdy požadujeme dokumenty
u nichž je obsah položky menší než zadaná hodnota.
<='
Operátor `<=' se používá v případech, kdy požadujeme dokumenty
u nichž je hodnota položky menší nebo rovna hodnotě zadané.
MATCHES
Operátor MATCHES se používá v případech, kdy požadujeme
dokumenty s určitým přesným obsahem dané položky. Obsah položky a
zadaný řetězec se musí zcela shodovat; nejsou tedy vybrány ty
dokumenty, které obsahují zadané slovo v položce jako podřetězec.
Kromě běžných znaků lze v tomto a následujících relačních
operátorech použít i zástupné znaky `?' a `*', které mají
stejný význam jako u operátoru WILDCARD (viz
str. ).
SUBSTRING
Operátor SUBSTRING vybere ty dokumenty, které v zadané položce
obsahují kdekoliv požadovaný řetězec. Hledaný řetězec se může
nacházet na libovolném místě položky -- na začátku, na konci
nebo uvnitř.
CONTAINS
Operátor CONTAINS se používá v případech, kdy chceme položky
dokumentů prohledávat na výskyt nějaké fráze. Funkci operátoru si
nejlépe ukážeme na jednoduchém příkladu.
Dejme tomu, že chceme položky prohledávat na výskyt fráze
nový počítačový virus. Tato podmínka je rozložena do tří po sobě
jdoucích slov: (1) nový, (2) počítačový a (3) virus.
Dokument, který bude vybrán musí obsahovat v dané položce tyto
tři slova v pořadí v jakém jsou uvedena a nesmí mezi nimi být
vloženo žádné jiné slovo (za slova se považují pouze skupiny
písmen, nikoliv číslic). Následující pole tedy dotazu vyhoví:
Objevil se nový počítačový virus či Nový počítačový
virus přišel z USA; naopak pole obsahující Objeven nový
polymorfní počítačový virus dotazu nevyhoví, protože slovo
polymorfní zadanou frázi rozdělilo a rovněž nevyhoví pole
nový virus objeven, protože neobsahuje slovo počítačový.
STARTS
Operátor STARTS slouží k definici začátku řetězce, který musí
daná položka u vybraných dokumentů obsahovat. Efekt operátoru je
stejný jako u operátoru MATCHES, pokud na konec hledaného
řetězce doplníme hvězdičku `*'.
ENDS
Operátor ENDS slouží k definici konce řetězce, který musí daná
položka u vybraných dokumentů obsahovat. Efekt operátoru je
stejný jako u operátoru MATCHES, pokud na začátek hledaného
řetězce doplníme hvězdičku `*'.
Modifikátory upravují chování některých operátorů. Nemohou proto být použity samostatně, nýbrž pouze společně s některým z operátorů.
Mezi modifikátory patří:
NOT
MANY
CASE
NOT
Modifikátor NOT se používá k vyřazení dokumentů vyhovujících
topikům, jejichž nadřazený uzel obsahuje operátor AND nebo OR.
Funkce modifikátoru je následující:
0.00, je vyloučen z výběru;
0.00, dostává při použití
modifikátoru NOT skóre 1.00.
MANYTento modifikátor určuje skóre uzlu (i listu) podle počtu výskytů slova z uzlu v dokumentu a podle celkové délky dokumentu.
Modifikátor je možné použít se všemi operátory kromě AND, OR
a ACCRUE a listů používajících relační operátory.
MANYjsou nalezené dokumenty se stejným skórem řazeny podle pořadí zpracování. Proto může být dokument se stejným skóre, ale s menším počtem výskytů daného slova, umístěn před dokumentem, který byl zpracován později.
CASE
Používá se u listů s operátorem WORD nebo WILDCARD, kde
přikazuje nalezení slov pouze s přesně danými velkými a malými
písmeny. Je tedy rozdíl, zda hledáme VŠE, vše či
Vše.
Asistenti jsou funkce TOPICu, které usnadňují orientaci ve velkém
množství témat a uplatní se i při konstrukci dotazů. Asistent se
vyvolá pomocí volby menu Dotaz|Pomůcky nebo stiskem klávesy
F2. Standardně se objeví asistent pro témata. Pokud bychom
chtěli použít jiného asistenta, stačí kliknout na tlačítko
Témata a v zobrazeném seznamu vybrat požadovaného asistenta
(viz obr.).
 | 
|
|---|
Pomocí tohoto asistenta si můžeme prohlížet seznam všech témat (topiků) doposud nadefinovaných. V okně jsou zobrazeny názvy jednotlivých témat. Pokud na některé z nich klikneme, objeví se jeho další podúrovně. Zobrazení je podobné jako v tematickém dotazu s tím rozdílem, že nejsou zobrazovány váhy. V případech, kdy je již nadefinován velký počet témat, můžeme do vstupní řádky vepisovat jméno požadovaného tématu; odpovídající téma se automaticky vyvolá.
Pokud nalezneme téma, které nás zajímá, stačí jej myší zvýraznit a pomocí klávesy Ins vložit do dotazu (podobně jako označené slovo z dokumentu). Témat můžeme označit více najednou, pokud při klikání přidržíme klávesu Ctrl. Popsaný způsob přenosu termínů do dotazů funguje ve všech asistentech.
Funkce tohoto asistenta je obdobná jako u předchozího. Pouze
možnosti prohledávání jsou mnohem bohatší. U každé položky
definované pro téma*
můžeme zadat, která slova má obsahovat (viz
obr.). Zaškrtnutí volby Povinné zajistí, že daná položka musí
zadané slovo skutečně obsahovat. Nalezená témata lze opět
procházet a označená přenést pomocí klávesy Ins do dotazu.
|
|---|
Tento asistent slouží k prohlížení slov, která se v dokumentech vyskytla. Nemůže se stát, že by v nějakém dokumentu bylo slovo, které není zobrazeno v tomto seznamu. Můžeme si tak snadno ověřit, zda hledaný termín vůbec v nějakém dokumentu existuje.
|
|---|
Tento asistent slouží k nalezení různých tvarů jednoho slova.
Po kliknutí na slovo se objeví jemu příslušející další tvary.
Můžeme si zde prohlédnout jaká slova budou hledána, pokud
použijeme stemování. Na připojeném obrázku vidíme, že ke slovu
manažer existuje opravdu velmi mnoho různých tvarů, které budou
při použití stemování v dotazu rovněž nalezeny.
|
|---|
Tezaurus v lokalizované verzi TOPICu není obsažen. Tezaurus existuje ve verzi pro angličtinu. Jeho použití v češtině je problematické, neboť tezaurus nelze použít společně se stemováním.
Statistický tezaurus pracuje tak, že na základě výskytu slov v dokumentech určí slova, která se často vyskytují spolu a existuje mezi nimi tedy jistá, alespoň statistická souvislost. Po kliknutí na určitý termín se objeví jemu přiřazené termíny. Na připojené ukázce je rovněž vidět, že lze označit více slov, která se mají přenášet do dotazu.
|
|---|
Asistent slouží k prohlížení slov, která podobně znějí. Jeho funkce jsou obdobné jako u ostatních asistentů.
Asistent umožňuje vyzkoušet, která slova odpovídají masce zadané
v dotazu pomocí operátoru WILDCARD. Funkce asistenta je opět
podobná jako u ostatních.
Tento asistent zobrazuje všechny položky definované v databázi. Po zvolení určité položky se objeví seznam všech různých hodnot, které položka v dokumentech nabývá.
Jako každý jiný program ve Windows, je i TOPIC zastoupen ikonou.
Podíváme-li se na příkaz asociovaný s ikonou -- pomocí
Soubor|Popis nebo stiskem Alt+Enter -- zjistíme, že samotný
klient je realizován programem wintopic. Aby byl TOPIC správně
spuštěn, je potřeba správně nastavit parametry spuštění. Tuto
práci již většinou provedl administrátor TOPICovské databáze, ale
pro úplnost si uvedeme malý příklad.
Budeme-li chtít spustit TOPIC, který je uložen v adresáři
x:\topic\bin s textovou databází, jejíž preferenční soubor
(.prf) je uložen v adresáři x:\db\users\user1\topic.prf, musí
být v popisu souboru obsaženo následující:
| Povelový řádek: |
x:\topic\bin\wintopic.exe -l cestina -c 1250 -datefmt dmy -pref topic.prf
|
| Pracovní adresář: | x:\db\users\user1
|
Parametr -l určuje jazyk, který bude používán pro uživatelské
rozhraní;*
-c určuje kódovou stránku -- v našem případě standardní kódová
stránka Windows CP 1250, která umožňuje zobrazení všech českých
znaků. Parametr -datefmt zajistí, že datum bude zobrazováno ve
formátu, na který jsme zvyklí ve střední Evropě. Poslední
parametr -pref určuje preferenční soubor, ve kterém je uloženo
mnoho dalších informací nezbytných pro správný chod TOPICu.
Tato kapitola je zpracována formou stručného slovníčku, ve kterém jsme se pokusili shrnout méně obvyklé pojmy použité v textu skript.
STEM.
Následující kapitola uvádí stručný přehled klávesových zkratek použitelných pro ovládání programu. Pokud pracujeme s TOPICem často, je výhodné si pro nejčastěji prováděné operace tyto zkratky zapamatovatefektivita práce je pak mnohem vyšší než při použití myši.