|
| Semantisk miljø af udtrykket "køretøj" ekstraheret fra Motbis-tesaurus redigeret af Ministeriet for National Uddannelse |
En synonymordbog , deskriptor- synonymordbog eller dokumentarisk synonymordbog , er en organiseret liste over kontrollerede og standardiserede udtryk (deskriptorer og ikke-deskriptorer), der repræsenterer begreberne et vidensdomæne.
Det er et kontrolleret sprog, der bruges til indeksering af dokumenter og søgning efter dokumentationsressourcer i specialiserede computerapplikationer. Thesauri er derfor blandt andre en kategori af dokumentarsprog . Udtrykkene (i det modsatte eksempel: køretøj , skib osv.) Er knyttet sammen ved hjælp af forhold mellem synonymi (ækvivalent betegnelse), hierarki (generisk betegnelse og specifikt udtryk) og tilknytning (tilknyttet betegnelse); hvert udtryk tilhører en kategori eller et domæne.
Den synonymordbog er et sprogligt værktøj, som gør det muligt at relatere den naturligt sprog af brugere til, der er indeholdt i ressourcerne. Denne teknik overvinder grænserne for det naturlige sprog, som er meget rigt, men også ofte tvetydigt. Synonymordbogen undgår således de risici, der er forårsaget af synonymer , homonymer og polysemier, der findes i det naturlige sprog. I modsætning til en ordbog, som den ofte sammenlignes med, giver en tesaurus kun tilfældige definitioner , hvor udtryksforholdene og deres valg går forud for beskrivelsen af betydninger.
For eksempel vil en tesaurus, der forbinder afgrøder med afgrøder , hvede i korn og Frankrig i Europa , give mulighed for et spørgsmål om høst af hvede i Frankrig for at finde ressourcer, der er indekseret med voksende korn i Europa .
Dokumentar-tesaurier er en type tesaurier, der følger konstruktionsprincipper, der er etableret siden 1970'erne i en international ISO-standard, hvis sidste udgave blev offentliggjort i 2011. Med udviklingen af standarder og specialiserede computerapplikationer, som inden for det nærliggende område af ontologier , er en konvergens af spørgsmål (ressourcer, hierarki, genbrug osv.) har bragt dokumentariske tesaurier tættere på ontologier .
Synonymordbog , betyder "samling, bibliotek" på latin. Det fødte ordbogen thesaurus linguae latinae af Robert Estienne og en type struktur, der kaldes synonymordbogen , selvom separate dokumentarfilm og leksikografiske tesaurus-tesaurus.
Dokumentar-tesaurier får betydning gennem computerisering siden 1990'erne. Det er et privilegeret søgesystem, især på grund af brugen af boolske operatører, som derefter gør det muligt at lave logiske søgeekvationer.
De tre stavemåder tesaurus , tesaurus og skat accepteres af ordbøger: den første er en xenisme, der tager den latinske form direkte, den anden er en delvis francisering og synes at være den hyppigste i litteraturen, den sidste er den franske form. Det latinske flertal thesauri bruges undertiden, men passerer til en forældet form eller en anglisisme ( engelsk ved hjælp af det latinske flertal). Konsistens vil have os til at skrive enten en tesaurus, tesauri eller en tesaurus, tesauri eller en skat, skatte .
Dette nye værktøj til dokumentation og informationsvidenskab (på engelsk Information Retrieval ) beregnet til manuel eller automatisk indeksering og derefter til lokalisering af dokumenter dukkede op efter Anden Verdenskrig . Ordet thesaurus blev brugt i litteratur på grund af Thesaurus af Peter Mark Rodget ( Roget s Thesaurus af engelske ord og sætninger - 1852) var en engelsk ordbog af synonymer og relaterede termer, organiseret systematisk, en leksikografisk synonymordbog . Efter krigen, det vil sige fra 1947, krævede udviklingen af videnskab og teknikker i dokumentation nye forskningsværktøjer og mellem 1947 og 1957 førte til en stor international strøm af teoretisk forskning inden for informationsforskning og dokumentar klassifikationer .
Peter Luhn og Bernier og Crane i De Forenede Stater hævder hver forfatterskab af den dokumentariske tesaurus af nøgleord, termer eller begreber. Dette ord, der er blevet moderigtigt for alt, hvad der vedrører ordforrådskontrol (kontrolleret sprog), blev først brugt offentligt i dokumentation af Hélène - Louise Brownson (sekretær for Vannevar Bush ) efter ti års teoretisk forskning på konferencen. De Dorking in disse udtryk: " anvendelse af en mekaniseret synonymordbog baseret på netværk af beslægtede betydninger " .
En tesaurus er en særlig type dokumentarsprog. Det består af et struktureret sæt begreber, der er repræsenteret af termer, som kan bruges til indeksering af dokumenter i en bibliografisk database eller i et dokumentationscentrets katalog til dokumentariske forskningsformål. Brugen af synonymordbogen gør det muligt at overvinde manglerne ved det naturlige sprog med henblik på indeksering. Naturligt sprog - eller vores hverdagssprog - indeholder mange bekymringer for polysemi og synonymi. Tesaurusen er et kombinatorisk indekseringsværktøj med et kontrolleret ordforråd, det vil sige at de termer, der udgør den, er valgt og ikke kan ændres (undtagen under opdateringer). Det postkoordineres, fordi deskriptorerne, der definerer begreberne, kan kombineres eller tilknyttes efterfølgende under søgningen efter information. Indekseringen på dokumentarisk sprog takket være synonymordbogen tillader en homogenitet i indekseringsfunktionen, som ikke længere afhænger af indekseringsdyrkningens kultur. Den synonymordbog bruges ved ind- og udstigning af dokumentarfilmen kæden, det vil sige i løbet af indekseringen fase og i den fase af afhøring af brugeren. Evnen til at søge via synonymordbogen er vigtig, da sidstnævnte bruger et kombinatorisk sprog, der forbinder og krydser søgeordene for at optimere kvaliteten af resultaterne.
Tre typer udtryk udgør en synonymordbog:
For brugeren af et elektronisk katalog eller en bibliografisk database kan tesaurusen være et forskningsværktøj. Derudover er der forskellige typer forskning. Vi kan gå videre til en hierarkisk søgning bestående af at gennemse tesaurus ved at følge dens træstruktur: vi går fra det mest generelle til det mest specifikke. Der er også søgning efter udtryk. Vi starter med vilkår for at gennemse resten af synonymordbogen
En tesaurus har en dobbelt organisation : mellem begreber (dvs. en semantisk relation) og mellem udtryk, der repræsenterer disse begreber (dvs. en ækvivalensrelation).
Forholdet mellem begreber er af flere typer:
Det er vigtigt at bemærke, at i basismodellen i ISO 25964 er tilknytningsforhold gensidige. Således er forholdet, der forener fugle- og ornitologi, symmetrisk og gyldigt i begge retninger. Standarden giver dog muligheden for at specialisere disse relationer for at gøre dem ikke-symmetriske, som i tilfælde af en årsag / EFFEKT-relation (afsnit 10.4 i ISO 25964-1-standarden). SKOS pålægger ikke gensidighed af symmetri for den associerende relation: de associerende relationer kan således være symmetriske, ikke-symmetriske eller antisymmetriske.
De ækvivalensrelationer mellem vilkår, der repræsenterer det samme begreb gør det muligt at bekæmpe flertydighed. Den nye ISO 25964-1: 2011-standard udpeger blandt alle de termer, der kan repræsentere det samme koncept: et præferentielt udtryk (deskriptor) og ikke-præferencebegreber (ikke-deskriptorer), grundlaget for konceptets univocity. Dette forhold er repræsenteret af akronymet EP (forkortelse af "Employee For"). Det omvendte forhold mellem de ikke-præferencebegreber og det foretrukne udtryk er repræsenteret af akronymet EM (forkortelse af "Arbejdsgiver")
Dette er varianter af specifikke udtryk ( synonymi eller kvasi-synonymi), der anses for at være "ækvivalente" i det daglige sprog, eller udtryk, der repræsenterer begreber, der er tæt nok til at blive betragtet som "ækvivalente" for informationsadgangssystemet.
Forskellige typer af relationer, genstande eller yderligere attributter kan føjes til denne struktur for at berige synonymordbogen eller forbedre dens anvendelse. Vi kan især citere forskellige typer noter: brug noter (eller forklarende eller applikationsnotater), der definerer eller tydeliggør den semantiske omkreds af et koncept, definitionsnotater, noter, der er nyttige for ledere osv. Det er også muligt at tilvejebringe “sproglige ækvivalenter” af begreber til flersprogede tesaurier såvel som broer med andre tesaurer i samme domæne eller i forskellige domæner.
En synonymordbog udvikles enten manuelt af en person eller flere takket være menneskelig intelligens (udviklingen af en synonymordbog på 3.000 deskriptorer af en enkelt person kan tage seks til otte måneder) eller automatisk gennem kunstig intelligens takket være automatisk synonymordbog byggesoftware såsom SATO ( Computer Text Analysis System) eller ved en blanding af den menneskelige og automatiske tilgang. Automatiske tekstbehandlingssystemer (automatisk indeksering) tillader udtrækning af de hyppigste termer fra et korpus og til en vis grad letter fremkomsten af deres semantiske forhold. Denne infosoftware bruger også sproglige værktøjer til morfolexisk og syntaktisk genkendelse. Ifølge G. Salton var Luhn og Mooers de første til at overveje at udskifte indekseringsmaskiner med maskinen og menneskelig intelligens med kunstig intelligens, for eksempel takket være analysen af hyppigheden af nøgleord (CRANFIELD II, SMART Information Retrieval System, relevans , relevans), hvilket førte til strømmen af automatisk generering af tesaurus for eksempel NCI_Metathesaurus takket være specialiseret software såsom hos IBM THESAUT-TP (automatisk oprettelse af en tesaurus ud fra profiler eller dokumentariske spørgsmål), som er en sproglig behandlingssoftware til forespørgselshjælp eller TLS (Tesaurus and Linguistic System), der sammen med THES-programmet tillader oprettelse og konsultation af tesaurier for at berige et spørgsmål. Det skal derefter være knyttet til automatisk indeksering af dokumenter . Det er et kontrolleret ordforråd, da det er resultatet af en lang proces med at sortere de ord, navne og udtryk, der bruges i et bestemt felt. Det er en pragmatisk og kontinuerlig proces med rationalisering af beskrivende termer. Der er tre metoder til at opbygge en synonymordbog:
Disse metoder har undertiden andre navne, såsom den "stalaktitiske" og "stalagmitiske" metode (D. Sörgel). Med henblik på den bedste egnethed til det betragtede domæne opregnes termerne, sammenlignes, sættes i relation og til sidst hierarkiseres for at afspejle domænets væsentlige træk. Dette hierarki er baseret på en typologi : hvert udtryk tilhører en kategori, der placerer det i forhold til alle de andre valgte termer, og som på denne måde sætter sin prioritet til brug. Begrebshierarkiet kan være meget forskelligt fra den ene tesaurus til en anden og endda underlagt inkonsistens i en eller anden brug af den samme tesaurus.
Endelig, startende fra det højeste niveau og svarer til tesaurus domæne, finder vi først de store underinddelinger, der repræsenterer komponenterne i domænet - underinddelinger ofte kaldet microthesaurus . Et eksempel på en tesaurus, der består af et sæt microthesauri, derefter for hver underinddeling, det hierarki, der er specifikt for deskriptorerne. I tesaurus med pilediagrammer (f.eks. Management Thesaurus) er der en struktur i semantiske felter , hver udgør et sæt på 30 til 40 deskriptorer defineret af et titelnøgleord placeret i midten af gitteret. En tesaurus kan også relateres til flere felter, som det er tilfældet med en macrothesaurus (eksempel: OECD Thesaurus). En sektoriel tesaurus er specialiseret i et enkelt specifikt vidensområde (eksempel: Træning af tesaurus).
Der er altid en vilkårlig dimension i tesaurus hierarki, enten i valg af termer eller i deres hierarkiske position.
Der er forskellige standarder for udvikling af tesaurier. (Læs også specialudgaven af Documentalist-gennemgangen af ADBS .)
Dette udkast til standard, som er ved at blive færdiggjort, erstatter de to tidligere standarder: ISO 2788-1986: Vejledende principper for etablering og udvikling af monosprogede tesaurier og ISO 5964-1985: Vejledende principper for etablering og udvikling af flersprogede tesaurier.
Overvej de vigtigste overskrifter på en mikrotesaurus på et samarbejdende computersystem:
Sektionen Enkeltpersoner vil f.eks. Bestå af:
Den person, der er ansvarlig for ethvert bidrag, kunne således specificeres ved mindst et beskrivende udtryk valgt blandt de fem specifikke termer (TS) eller blandt de tre generiske termer (TG) efter behov. Udtrykkene (EP) vil i princippet undgås ved indeksering, men kan efterfølgende bruges til udelukkende at udnytte en bestemt type bidrag uden strengt at bruge de ord, der svarer til den oprindelige beskrivelse.
Uanset medium, bruger en tesaurus normalt alfabetiske præsentationer af sine udtryk; første fase inden præsentationen af hierarkiske relationer. Således kan brugeren i første omgang forveksles med fraværet af et udtryk på en liste, mens en anden modalitet ved brug af synonymordbogen vil afsløre for ham, at dette udtryk faktisk tages i betragtning, men takket være en ækvivalensrelation til et præferencebegreb. Præsentationer i form af grafer og kort tillader mere komplekse udforskninger.
Brug eller udforskning af en tesaurus kan normalt ske ved hjælp af forskellige præsentationsmetoder:
Man kan i disse lister finde symbolet ' MT, der angiver den mikrotaurus, som udtrykket tilhører. En microthesaurus er et bestemt semantisk felt, der gør det muligt at høre alle relaterede udtryk under indekseringen af et dokument.
Der er flere typer præsentationer:
men stadig :
Den grafiske synonymordbog fortsætter med at udvikle sig takket være web- og computergrænseflader. Systemets elektroniske dokumenthåndtering (EDM) har alle et styringsmodul og integreret driftssaurus.
Tilknytning til deskriptorerne er definitioner (tilfælde af disambiguation ), noter, der hjælper brugeren eller redaktøren (meddelelser), links af alle slags osv.
Den første operationelle tesaurus er den kemiske betegnelse i 1959, Thesaurus of Engineering Terms ( EIDuPont de Nemours og Co. fra Engineering Information Center. Thesaurus of ASTIA- deskriptorer daMaj 1960oprettet af Armed Services Technical Information Agency (nu Forsvarsdokumentationscenter) med koncepter i henhold til Calvin Mooers-metoden, det vil sige "deskriptorer", ord eller grupper af ord, der foreslås til indeksering, og som vil fusionere med synonymordbogen. , bygget af Engineers Joint Council, i 1964 til dannelse af Thesaurus TEST i 1967. I 1961 vises Chemical Engineering Thesaurus , udviklet af American Institute of Chemical Engineers (AIChE). Den dokumentariske tesaurus blev derfor også kaldet “descriptor thesaurus” (G. Van Slype). Den Van Dijk kontor med speciale i tesauri med pil diagrammer, med grafisk repræsentation, med terminograms såsom Euratom synonymordbog, den første europæiske synonymordbog, og thesauri med træer med polygoner eller med cirkulære diagrammer (eller koncentriske cirkler) som den, den hollandske hær i 1964, TDCK Circular Thesaurus System. Den første franske tesaurus med dette navn ville være CEDOCAR bevæbningstesaurus . Tesauriens blomstring stammer fra 1970'erne inden for videnskab og teknologi. Allerede i 1960'erne optrådte i dag symposier om opførelsen af tesaurierne (Symposium on Thesaurus Building, Oslo, Norge (1965), kaldet workshops (Building Taxonomies for Information Retrieval: A Hands-On Workshop, 2005, ASIS). Ifølge Brian Vickery dette ord grupperer derefter mindst fire forskellige betydninger under det samme ord. Nationale og internationale bibliografier og biblioteker over tesaurier vises, opført enten af ASLIB eller af Bulletin des Libraries de France (BBF) i Frankrig. Tesaurierne er opfundet i forskellige mapper, herunder:
Synonymordbogen blev opfundet med henblik på indeksering og derefter søgning efter dokumenter. I 1971 etablerede UNESCO retningslinjer for flersprogede tesaurier. Meget hurtigt, i 1972/74, blev synonymordbogen standardiseret (nationale AFNOR Z 47-100 og internationale ISO 2788- standarder ) efter et symposium i Vestberlin i 1973 med UNISIST, ISO og UNESCO og derefter en konference i Helsinki iMaj 1976hvilket fører til det flersprogede Thesauri Etableringsvejledningsprojekt . Efter offentliggørelsen af nye angelsaksiske standarder i 2005 (ANSI / NISO Z39.19 og BS 8723) optrådte en ny version af denne ISO-standard, der flettede de mono- og flersprogede versioner, som et udkast ioktober 2009.
“♦ LING. (leksikogr.). ”Inventar af leksikale enheder på et sprog rettet mod udtømmende” (Mounin 1974); titel på videnskabelige værker, herunder ordbøger og leksika. Det græske sprogs skat; Skat af det latinske sprog; Skatten i det franske sprog; Félibriges skat . "
Nøglekilder:
Diverse:
Læs også: Historiske studier inden for informationsvidenskab - Af Trudi Bellardo Hahn, Michael Keeble Buckland på Google Books