Информационные технологии в химии. Лекция 2.

Химия (научно-производственная деятельность)
Химия (научно-педагогическая деятельность)
Информационные
технологии
в химии
А. А. Рагойша
Лекция 2
Текстовые базы данных
(продолжение)
Шаблон - 1
* ("звездочка")
заменяет любое число символов ( в т. ч. нулевое)
фосфат*
фосфат, фосфатами, фосфатирование, ...
хлор*
хлор, хлорид, ...
но: хлорофилл
Примеры:
*фосфат
фосфат, дифосфат, полифосфат, ...
Wildcard. Truncation (right-hand, left-hand)
Шаблон - 2
? (вопросительный знак)
заменяет один символ
бут?н
бутан, бутен, бутин,
Пример:
бутон
Как правило:
При шаблоне оставлять не менее трех букв.
Не использовать шаблон внутри кавычек.
Шаблон увеличивает количество
информационного мусора в результатах поиска
Stemming
• Stemming –
режим работы поисковой программы, при котором
происходит учет грамматических форм терминов
(учет морфологии)
фосфат
фосфат, фосфатами, фосфатный, ... (полифосфат - ?)
Пример:
write
write, writes, writing, wrote
Пример:
Не проводить stemming:
"фосфатами"
Пример: Ткип(СН4) = ?
Варианты в тексте:
... температура кипения метана ...
... Метан. Температура кипения: ...
... с метаном, характеризующимся
следующей температурой кипения ...
Варианты в запросе:
• stemming отсутствует
"температура кипения метана"
температур* кипения метан*
W/1
N/4
• stemming включен
температура "кипения" метана
Стоп- слова
• Стоп-слова (stopwords) слова, которые при поиске не учитываются.
Это слова, не несущие самостоятельной
смысловой нагрузки, но особенно часто
встречающиеся в тексте:
предлоги, союзы, артикли и т. п.
Пример:
The Analyst
Включить стоп-слово в поиск:
"The Analyst"
Регистр букв
• Абсолютное большинство поисковых программ
нечувствительно к регистру букв – для них
строчные и заглавные буквы в запросе
равнозначны.
Пример:
фосфат AND силикат
фосфат and силикат
фОсФаТ aNd СиЛиКаТ
годится любой вариант
Указание поля поиска
• Поиск можно сделать более эффективным, если
проводить его не по записям в целом, а только по
избранным полям.
Для этого в запросе рядом с поисковым термином
указывают код соответствующего поля.
Коды полей в разных базах данных – разные.
Примеры:
in/black and ttl/phosphate
in/black and phosphate
фосфат filetype:pdf
Поисковый бланк - 1
• Простейший, Basic, Quick, Simple
• Расширенный, Advanced, Expert
Классификация условна – в рамках определенной
базы данных.
Обычно такие бланки
называют Quick Search
Поисковый бланк - 2
Пример бланка
Quick Search:
Поиск по двум разным полям; использование
булевых операторов; выбор временного интервала.
Поисковый бланк - 3
Пример бланка
Advanced Search:
Список результатов поиска
Пользователь получает результаты поиска в форме
списка обнаруженных документов.
Список может быть сформирован:
- по алфавиту,
- в хронологическом порядке
(прямом или обратном),
- по релевантности.
Релевантность
Релевантность документа –
степень соответствия его поисковому заданию.
•
•
•
•
•
•
•
При расчете релевантности учитываются:
количество поисковых терминов в документе,
расстояние между ними в тексте,
число упоминаний каждого из них,
их плотность,
их порядок расположения,
их место – в начале записи или в конце,
и др.
Особенности работы поисковых систем
Предназначены для широкой публики
Упростить взаимодействие с системой
Синтаксис упрощен (особенно внешне)
Нечеткость запроса (и это обоснованно)
Избыточность извлекаемой информации
Огромный список результатов поиска
Главное – не величина списка, а качество сортировки
Релевантность - 2
Расчет ранга веб-страницы – т.е. ее авторитетности
Сколько ссылок с других страниц на данную?
Каков ранг ссылающихся страниц?
Расчет релевантности:
Вклад 1: поисковые термины на странице
+
Вклад 2: ранг страницы
=
Релевантность страницы в списке результатов поиска
PageRank
• PageRank – алгоритм
поисковой системы Google,
приписывающий численный
вес каждому элементу
гипертекстового массива.
• (Детали не разглашаются)
•
•
http://en.wikipedia.org/wiki/Pagerank
Визуализация в
логарифмической
шкале
•
от 0/10 до 10/10
(Google Toolbar)
Бланки
• Простейший – Усложненный
Простейший – одна графа
• На простейшем бланке:
предполагается, что запрос –
перечень слов, разделенных пробелами
• Оператор по умолчанию:
AND – чаще всего
OR – редко
Логические операторы
• Операторы отображать ЗАГЛАВНЫМИ буквами
(если строчными – стоп-слово)
• AND, + , &
натрий AND калий
натрий & калий
натрий +калий
Обычно достаточно:
натрий калий
• OR, | , ...
натрий OR калий
натрий | калий
• NOT, -
натрий NOT калий
натрий -калий
без
пробела!
Регистр букв
• Нечувствительны к регистру большинство
• Частичная чувствительность –
иногда
Пример
– Яндекс
• при запросе
азот
извлекаются все документы
• при запросе
!Азот
извлекаются документы со словом азот,
начинающимся с Заглавной буквы
Поиск по полям документов
• Возможен, но полезность ограниченна
основная часть информации на веб-странице
находится в одном самом большом поле
• Синтаксис у разных систем - разный
Пример:
найти документы, содержащие слово
фосфат в своем названии
Запрос:
allintitle:фосфат Google
intitle:фосфат
Yahoo! , Bing
title [фосфат]
Яндекс
Усложненный бланк
+
• Несколько граф
• Выключатели, переключатели и т. д.
для назначения параметров поиска
• Наглядность при формулировании заданий
средней и выше чем средней сложности
• На усложненном бланке можно реализовать
не все синтаксические возможности данной
поисковой программы
Google
Научный журнал
Научная публикация
Научный журнал
• Информирует о результатах исследований
• Является инструментом оценки качества работы
Рукопись
Технический редактор
Рецензенты (peer-review)
Автор (коррекция)
Технический редактор
Опубликование
Journal
Magazine –
(научно-)популярный; нет внешних рецензентов.
Структура журнала
• Название
Title, Publication
Пример:
Journal of Chemical Information and Modeling
J. Chem. Inf. Model.
• Том
Volume
• Выпуск (номер)
Issue
• Страницы
Pages
Сплошная нумерация страниц в пределах тома
– как правило.
• Оглавление
• Указатель (авторский и др.)
ToC, Table of Contents
Index
Типы публикаций в журнале
• Статья
Article, Paper
• Краткое сообщение
Communication,
Short Note, Letter
"Письма в ЖЭТФ"
Review
• Обзор
• Editorial, News, Highlights – нерецензирумая часть
Letter (краткое сообщение) и Letter to the Editor
– разные типы
Review и Book Review
– разные типы
Структура статьи
• Название
Title
• Автор(ы)
Author(s)
• Реферат
Abstract
• Основной текст
Text
Введение и литературный обзор
Методика эксперимента
Полученные результаты
Обсуждение
Выводы
Ссылка
Reference
• Литература
References
• Вспомогательные элементы (адрес автора и др.)
Библиографическое описание
Citation
• Полное.
Примеры:
• Краткое.
Пример:
Zhou T. et al. J. Med.Chem, 51, 4280 (2008)
Онлайновые журналы
• а) Электронные версии печатных изданий, а также
б) Не имеющие печатного аналога.
• Наиболее авторитетные химические журналы издаются:
международными коммерческими издательствами
Elsevier, Springer, Wiley-Blackwell и др.
издательствами научных обществ
American Chemical Society (ACS),
Royal Society of Chemistry (RSC) и др.
В основном: Сайт журнала – часть сайта издательства
Типовая схема размещения информации
Сайт издательства
Список журналов
Поиск
по
сайту
Сайт журнала
Открытый
веб
Список томов
Список выпусков тома
Оглавление выпуска
Скрытый
веб
Реферат статьи
Полный текст статьи
Поиск
по базе
данных
информационный
центр издательства
Elsevier
Список томов и выпусков
Оглавление выпуска
Графически обогащенное оглавление
Latest
Current
Open
Free
Complimentary
Sample
Back Issues (Volumes)
All Issues
Архив: либо
все ресурсы,
либо отдельная
база данных с
давними томами
... in Press
... Advance ...
Preprint
Примеры навигационных ссылок
Статья. Форматы: PDF, HTML
• PDF: копия (имитация) печатной версии,
• HTML: обогащена гиперсвязями
Иллюстрации: встроенные,
внешние.
Сохранение на диск внешних иллюстраций – отдельная операция