Лебедев А. В., главный научный сотрудник НИИИиПТ ФСИН России, кандидат физико-математических наук.
Информационный ресурс ФСИН России составляет 340 форм отчетных документов, 164 из которых относятся к статистической отчетности, 13 секретных форм статистической отчетности, более 20000 показателей, 15 миллионов обрабатываемых в течение года значений, 3000 поступающих по электронной почте файлов в сутки, 200 адресатов электронной почты, 800 регламентных отчетов, в которые входят более 10000 таблиц, базы данных и классификаторы информации, среди которых — база данных по классификации и кодированию технико-экономической информации, насчитывающей 2235 подразделений, банк данных нормативных правовых актов, единой системы персонифицированного учета лиц, находящихся в местах лишения свободы, а также отбывающих наказания, не связанные с лишением свободы, персонифицированный учет личного состава и другие виды оперативных и секретных учетов. Остальную информацию целесообразно рассматривать как запас информационного ресурса, поскольку она в меньшей степени вовлечена в процесс обработки и создания информации.
Значительная часть статистической информации ФСИН России объединена в автоматизированную базу данных. Однако уже сейчас в работе с этой базой намечаются определенные проблемы.
Информационная обработка автоматизированных баз данных (АБД) должна позволять однозначно описывать вводимые в него данные. Причем описание должно давать возможность распознавать смысловые и алгоритмические связи между различными показателями. Это, в свою очередь, создаст условия для организации их ассоциативного поиска в АБД, т. е. поиска по содержательным признакам. Ассоциативный поиск есть одна из важнейших предпосылок интегрированного процесса обработки данных. Он позволяет, исходя только лишь из соответствующим образом построенного описания показателей, формировать их массивы под произвольную задачу (регламентированную или случайную).
Из сказанного становится ясным, что для обработки информации в АБД важна определенная система описания показателей, т. е. язык. Важнейшие требования, предъявляемые к такому языку, — однозначность его выражений (описаний показателей) и отражение в них содержания (экономического смысла) описываемых данных. Причем содержание должно быть описано таким образом, чтобы была возможность осуществлять его формализованный анализ у различных показателей. Это необходимо для автоматического установления смысловых взаимосвязей между ними.
Под интеграцией обработки данных здесь понимаются однократный (без дублирования) ввод в АБД необходимых данных (базисных показателей) и многократное (комплексное) использование их в дальнейшем при решении всех предусмотренных в системе задач.
Таким образом, можно сказать, что язык описания данных в АБД должен обеспечивать формализованное представление их содержания. Языки, предназначенные для описания информации, называются информационными языками. Информационные языки широко используются для организации систем документальной, научно-технической информации. Эффективный информационный поиск — главная задача, которая решается с их помощью.
При организации систем статистической информации пользователь, как правило, запрашивает конкретные статистические показатели или их совокупности, причем зачастую определенным образом связанные между собой. Его не всегда может удовлетворить ответ с перечнем показателей, лишь приблизительно похожих на те, которые он запрашивает. Система должна выдавать в ответ на запрос именно те показатели, которые затребованы. Причем если запрашивается целый массив показателей, то их нужно представить в требуемой форме, т. е. развернутыми по указанным признакам. Отсюда следует, что в данной системе ответом на некоторый запрос будут показатели, чье описание на информационном языке в точности совпадает с описанием запроса на этом языке. Другими словами, критерием смыслового соответствия здесь является полное тождество описания запроса и описания показателя. Поиск, имеющий такой характер, называется фактографическим информационным поиском.
Как уже отмечалось ранее, в АБД статистической информации ФСИН России хранится более 20000 показателей по различным направлениям оперативной и производственно-хозяйственной деятельности ФСИН России. Осуществление поиска информации в таком громадном перечне представляет собой непростую задачу даже для подготовленного специалиста.
Кроме всего прочего, в АБД показатели содержатся в форме, зависящей от формы самих документов (статистических отчетов). Поэтому в них могут быть не отражены требуемые потребителю взаимосвязи. В таком случае ему придется самому нужным образом систематизировать их. Естественно, что это значительно снизит эффективность информационной системы.
Осуществление фактографического поиска по содержательным признакам, т. е. ассоциативного поиска, предъявляет высокие требования к информационному языку, на котором описываются хранимые показатели. Он должен обеспечивать возможность построения адреса показателя в фонде непосредственно по его описанию. Причем у показателей, имеющих общие или соподчиненные значения некоторых признаков, т. е. связанных между собой, должны быть связаны и адреса хранения. Все это приводит к необходимости ориентировать информационный язык на отображение содержания данных. А отсюда, в свою очередь, следует, что для однозначного отражения в рамках языка должны быть предусмотрены развитая лексика и грамматика.
Однако необходимо учитывать и то обстоятельство, что информационный язык должен быть достаточно прост в применении. АБД предназначена не только для обслуживания постоянных регламентированных задач, но и для работы со случайными потребителями (абонентами) в режиме информационно-справочного обслуживания. При работе с регламентными запросами проблем не возникает, поскольку при информационно-справочном обслуживании с единым информационным языком описания данных во всей системе (и в подсистеме хранения, и в подсистеме обработки) может быть предусмотрено обращение в банк на этом внутреннем и для него языке. Здесь сложность языка скажется лишь на трудностях программирования операций над данными, записанными на нем.
При работе со случайными запросами в режиме справочного обслуживания пользователь лишен возможности (за редким исключением) обратиться в банк на внутреннем для АБД информационном языке либо же подготовка пользователя должна находиться на уровне неплохого программиста. В большинстве случаев пользователь выражает свою информационную потребность на естественном языке (ЕЯ), точнее, используя его некоторый фрагмент. Однако для перевода запроса на информационный язык и дальнейшей его обработки пользователь должен точно задать состав и значения признаков требуемых ему показателей. Возможный же состав признаков определяется структурой описания на информационном языке. Таким образом, описание пользователем показателей, входящих в его информационную потребность, должно структурно (по составу признаков) соответствовать их описанию на информационном языке (ИЯ). В противном случае АБД не воспримет запрос, так как не сумеет ни перевести его на информационный язык, ни осуществить поиск по нему.
Само по себе данное условие не кажется значительно ограничивающим возможности ИЯ, так как описание показателей составом и значениями их признаков отнюдь не есть его прерогатива. Наоборот, на этом основано любое содержательное (пусть и неоднозначное) их описание. Поэтому потребовать от пользователя такое содержательное описание на ЕЯ не кажется чем-то чрезмерным. Но если количество используемых в ИЯ признаков возрастает, причем за счет таких, которые ЕЯ не фиксируются, а подразумеваются, их структура усложняется, т. е. если усложняется язык, то усложняется и задача пользователя.
Необходимость построить адекватное структуре ИЯ описание на ЕЯ требует от него продолжительного обучения, а при достижении некоторого порога сложности применение языка вообще окажется невозможным (по крайней мере, в рассматриваемом режиме). Таким образом, фактор удобства в использовании требует от ИЯ максимальной простоты. Иначе пользователь будет просто уклоняться от его применения (что в большинстве случаев и происходит). Пользователь либо увеличивает количество регламентных запросов, пытаясь предусмотреть их на «все случаи жизни», либо же переадресовывает запрос на требуемую информацию сотрудникам, непосредственно работающим с АБД.
В то же время необходимость однозначного отображения содержания описываемых показателей приводит к обратному результату. ИЯ усложняется за счет дифференциации фиксируемых им признаков, без чего невозможно адекватное отражение содержания сложных по структуре показателей. Так, за последние два года количество справочников и классификаторов информации, используемых при работе с АБД, возросло до 20 единиц.
Следовательно, мы здесь имеем дело с двумя факторами, действующими в противоположных направлениях, и необходимо какое-то компромиссное решение. В этой связи в составе ИЯ должен быть предусмотрен так называемый справочный аппарат пользователя (потребителя). Он облегчит последнему выражение его информационной потребности в виде запроса в банк.
Справочный аппарат должен содержать два раздела: инструкцию (алгоритм, согласно которому строится запрос) и каталог показателей. Они соответствуют двум возможным режимам работы потребителя: инструкция — обучению строить запрос; каталог показателей — выбору готовой формы запроса из ряда предложенных, но систематизированных показателей. Следует заметить, что при работе с простыми по структуре показателями, описания которых потребитель имеет возможность построить, пользуясь лишь инструкцией, к каталогу можно не обращаться.
Применение специализированного справочного аппарата пользователя не означает, однако, что ИЯ может усложняться в любой степени. В особенности это относится к его грамматике, так как именно она создает наибольшие трудности при построении запроса. Дело в том, что грамматические роли терминов в описании показателя, выражаемые с помощью грамматических средств, не всегда могут быть опознаны машинным путем. В этой работе необходимо участие либо пользователя, либо персонала АБД, вспомогательным инструментом для которых и служит справочный аппарат. При слишком высоком уровне развития грамматики, большом количестве применяемых указателей грамматических ролей резко возрастает его объем, а следовательно, и время обращения к нему. Одновременно сужаются возможности его легкого и быстрого усвоения, т. е. возможности обучения. Естественно, это сказывается на использовании ИЯ. Тем не менее разработка и применение в рамках ИЯ специального справочного аппарата позволяют значительно расширить возможности языка в плане более глубокого и однозначного отображения содержания данных и их ассоциативного поиска. В частности, справочный аппарат дает возможность строить на ИЯ и использовать в дальнейшем в АБД описания таких показателей, которые без него были бы недоступны языку.
Таким образом, основными составляющими частями ИЯ должны являться:
2) грамматика, состоящая из позиционного грамматического шаблона и системы указателей грамматических ролей;
3) справочный аппарат пользователя — инструкция и каталог показателей.
Словари систематизируют все допустимые термины ИЯ — дескрипторы и обеспечивают их однозначность. В алфавитном словаре ключевых слов указываются их эквиваленты, в ЕЯ — ключевые слова. Кроме того, в нем каждому дескриптору может быть сопоставлен шифр. В дальнейшем при переводе с ЕЯ на ИЯ можно использовать этот шифр, а не сам дескриптор. Тезаурус представляет собой увязанную систему классификаций дескрипторов ИЯ. При этом кроме классификационных он может отражать и другие отношения между ними.
Главная задача, которая решается с помощью грамматики ИЯ, — придание его выражениям (описаниям показателей) жесткой грамматической однозначности, не допускающей никаких исключений. Что же касается автоматического построения новых выражений, то на настоящий момент времени грамматика ИЯ этого делать не позволяет. Другими словами, она не является порождающей грамматикой. С ее помощью можно построить формально правильную с точки зрения ИЯ последовательность дескрипторов. Но чтобы гарантировать ее осмысленность, т. е. семантическую правильность, определяемую возможностью интерпретации, необходимо участие в этой работе человека, заранее подразумевающего такую интерпретацию.
О назначении справочного аппарата уже говорилось выше. К этому следует только добавить, что в отличие от тезауруса, систематизирующего отдельные термины ИЯ, каталог показателей должен увязывать целые выражения. В нем представлены крупнейшие классы показателей и важнейшие признаки их дальнейшей классификации. Причем основу этой классификации составляет классификация дескрипторов в тезаурусе. Классам каталога соответствуют обобщенные (множественные) дескрипторы тезауруса, признакам каталога — деревья и списки их значений в тезаурусе. Поэтому кроме ознакомления потребителя с содержанием информационного фонда АБД и облегчения ему построения запроса как выражения его информационной потребности каталог показателей может служить также для организации массивов данных в АБД.
Состав и структура данных, которые требуются пользователю при формировании произвольного запроса, не могут быть предусмотрены заранее. Главная отличительная особенность такого режима состоит в том, что запрос имеет индивидуальный характер. В нем выражается информационная потребность пользователя АБД, которая не может быть известна до его поступления. Поэтому запрос и необходимые данные нельзя подготовить в АБД заранее. Отсюда возникает проблема обращения в банк. Обращение при режиме работы по запросу оказывается одним из ключевых мест в функционировании АБД. Только в том случае, если форма индивидуального запроса позволит находить и выдавать информацию в требуемых в нем (запросе) составе и структуре, работа банка в этом режиме будет эффективной.
Обращение осуществляется на ЕЯ. Однако, как уже говорилось, структура запроса, записанного на ЕЯ, должна соответствовать по составу и подчиненности признаков структуре описаний запрашиваемых показателей на ИЯ. Это означает, то в неявной форме в запросе уже содержатся некоторые элементы описания на ИЯ (в основном его грамматика). Остальные его элементы, а именно дескрипторное описание, должны осуществляться на стадии, непосредственно следующей за обращением. Поэтому можно считать, что при работе АБД в режиме запроса ИЯ выступает в качестве входного языка, т. е. является посредником между человеком и ЭВМ.
Применение в АБД языка-посредника, позволяющего описывать любые показатели или их совокупности из числа имеющихся в банке, означает принципиальную возможность достижения в системе максимальной степени интеграции обработки данных. Она здесь ограничена лишь наличным информационным фондом банка. Расширение фонда — введение в АБД новых соответствующим образом подготовленных данных — одновременно расширяет и возможности интегрированной обработки.
При этом важно отметить следующее обстоятельство. Новые показатели, вводимые в ассоциативно организованный информационный фонд АБД, должны описываться на ИЯ. Таким образом, при работе АБД в режиме запроса с использованием ИЯ возможности интеграции обработки данных СОД ограничены лишь возможностями самого языка.
Из сказанного становится ясным, что АБД, функционирующая в режиме запроса, может обеспечить выполнение всех работ по обслуживанию регламентированных задач, если только он обладает необходимыми для их решения данными. При этом поиск и выдача данных под регламентированные задачи будут только частью выполняемых банком работ. Одновременно может производиться и информационно-справочное обслуживание (поиск и выдача по индивидуальному запросу). Разница здесь будет только в характере обращения: при работе со случайным потребителем — на ЕЯ с последующим переводом на ИЯ; при регламентированных работах — сразу на ИЯ, поскольку нужный запрос постоянно хранится в банке. Все же остальные операции по поиску и выдаче показателей совершенно идентичны для обоих случаев.
С другой стороны, АБД, ориентированная на обслуживание лишь регламентированных задач, не может без серьезной перестройки обеспечить поиск и выдачу данных по запросам случайных потребителей. При применении ИЯ в таком банке его возможности остаются в значительной мере неиспользованными.
Таким образом, АБД, функционирующая в режиме запроса и использующая ИЯ для выражения информационной потребности пользователя, организации хранения и поиска показателей, позволяет решать широкий класс задач СОД (как регламентированных, так и нерегламентированных). При этом высокая степень интеграции обработки данных достигается благодаря тому, что полностью используются возможности ИЯ как средства системного, содержательного описания показателей.
Анализ схемы работы АБД начнем со стадии обращения, так как она предшествует всем остальным операциям в общем цикле. На этой стадии пользователь путем построения запроса выражает свою информационную потребность. Запрос представляет собой описание в некоторой заданной форме необходимых показателей. Причем в нем может быть предъявлено требование как на отдельный показатель (запрос на единичный показатель), так и на массив показателей (запрос на множественный показатель). Соответственно этому меняется и характер представляющего запрос описания.
Для обеспечения возможности дальнейшей работы с запросом в банке он должен отвечать определенным требованиям. Важнейшие из них — наличие в запросе всех необходимых признаков и запись их в соответствии с заданной грамматической структурой. Поэтому все основные элементы грамматической формы ИЯ придаются описанию показателя на данном этапе работы с ним. Естественно, что эта работа для пользователя, составляющего запрос, очень нелегка, а без обучения в некоторых случаях вообще невыполнима.
Однако одних лишь позиций, соответствующих типам из состава признанного минимума показателя, недостаточно для однозначного выражения их смысла и идентификации. Дело в том, что записи в пределах каждой позиции также могут обладать сложной структурой, где смысл определяется взаимным влиянием терминов в сочетании. Поэтому алгоритм должен предусматривать, какие знаки — указатели роли и разделители — могут применяться для уточнения смысла записи внутри каждой графы.
Было бы значительным облегчением, если бы можно было записывать в запросе подлежащее показателя целиком (в именительном падеже), не разделяя его на значения отдельных признаков. Если бы, кроме того, имелся общий список возможных подлежащих, из которого потребитель выбирал бы подходящее, то проблема в значительной мере снималась бы. Для этой цели и используется каталог показателей. Ведущим признаком в каталоге при выделении классов показателей является подлежащее. Поэтому в нем содержатся все встречающиеся подлежащие. Классы образуются при сочетании подлежащих с возможными признаками их классификации и с дополнительными признаками. Причем взаимосвязи признаков классификации и их значений, а также значений дополнительных признаков содержатся в тезаурусе.
При возникновении затруднений по построению запроса пользователь обращается к каталогу показателей. В каталоге среди содержащихся там записей подлежащих он находит такое, которое отвечает его информационной потребности. После отыскания и занесения в запрос нужного подлежащего пользователь, пользуясь инструкцией и признаками, сопоставленными данному подлежащему о каталоге, заполняет остальные поля запроса. Если ему требуется множественный показатель, то он записывает в этих графах названия признаков, задающих некоторые разрезы в данном классе показателей. Если требуется единичный, то пишутся единичные (т. е. далее не классифицируемые) значения признаков.
Поисковое предписание представляет показатель в такой форме, которая позволяет осуществить его поиск в информационном фонде АБД. Показатели могут считаться различными из-за различий в их описаниях, которые, в свою очередь, обусловливаются синонимическими явлениями в языке. Числовые значения таких показателей обязательно совпадают, хотя ввиду неопознанности явления синонимии располагаются в разных местах. Данная ситуация широко распространена в уже имеющихся формах статистической отчетности и, естественно, существенным образом влияет на формирование результатов запроса.
Очевидно, что при описании показателей на ИЯ, в котором устранена как лексическая, так и грамматическая синонимия, различий второго типа быть не может. Такие показатели отличаются друг от друга только при наличии разницы в их смыслах. Поэтому, если два числовых значения (хотя бы и одинаковых) расположены в разных местах, это гарантирует, что они соответствуют разным показателям.
Остаются, однако, невыясненным вопросы: каким образом осуществлять сравнение поискового предписания в виде набора значений содержательных признаков показателя и его положения в фонде как поискового образа? Что может быть сигналом об их совпадении?
Для ответа на эти вопросы необходимо обратить внимание на тот факт, что числовые значения в фонде должны располагаться в соответствии с определенным правилом или закономерностью, т. е. упорядоченно. Можно предложить различные упорядочивающие правила. Но для того чтобы они могли использоваться при организации поиска, они должны связывать между собой и упорядочивать не сами числовые значения показателей, а их описания. Числовые значения в своей упорядоченности следуют за упорядоченностью описаний. Простейшим примером может служить алфавитное (лексикографическое) упорядочение описаний показателей. При этом числовое значение, чье описание идет первым по алфавиту, располагается первым в фонде; числовое значение, соответствующее второму по алфавиту описанию, располагается вторым и т. д. Для поиска в фонде, организованном таким образом, надо определить место описания требуемого показателя в алфавитном списке, а затем обратиться в фонд по данному адресу.
В рассмотренном примере принципиальное значение имеет не алфавитная упорядоченность описаний показателей, а необходимость составления полного их списка для того, чтобы определить место показателя в фонде. Поэтому ощущение того, что мы добились прямого доступа, так как не требуется перебора элементов фонда, оказывается фикцией. Описание представляет собой фразу, состоящую из ряда терминов или их устойчивых сочетаний. Они выступают в качестве значений признаков показателя. Вот эти термины и сочетания, т. е. ключевые слова ЕЯ и соответствующие дескрипторы ИЯ, могут быть связаны между собой у разных показателей. Показатели же связываются уже через их посредство. Причем поскольку каждый показатель содержит значения всех признаков его признанного минимума, то они могут быть связаны одновременно по нескольким или всем этим признакам. Конечно, упорядочить описания показателей по всем признакам одновременно невозможно. Однако можно упорядочить все возможные значения каждого из признаков показателя, т. е. классифицировать их.
Именно эта работа выполнена в тезаурусе ИЯ, который представляет собой, по существу, систему экономических классификаций. Причем в качестве значений признаков взяты дескрипторы, т. е. однозначные лексические единицы ИЯ. Тезаурус состоит из систематизированных списков дескрипторов. Для каждого списка указывается признак, по которому дескрипторы подчиняются обобщающему дескриптору. Они по отношению к нему, в свою очередь, являются конкретизирующими.
Описание произвольного показателя получается как сочетание каких-либо дескрипторов, которые оказываются при этом значениями его содержательных признаков. Если два дескриптора, из которых один — имя какого-либо списка в тезаурусе, а другой — элемент этого списка, выступают в качестве значений одного и того же признака в двух показателях, то один из этих показателей подчинен другому по данному признаку. Если дескрипторы являются равноправными элементами списка, то показатели по соответствующему признаку соподчинены. Естественно, возможны и более сложные содержательные взаимосвязи. Таким образом, тезаурус ИЯ упорядочивает и систематизирует содержание показателей, причем по элементам этого содержания.
Теперь обратим внимание на тот факт, что в тезаурусе систематизировано содержание и зафиксированы взаимосвязи всех единичных показателей данного информационного фонда. При этом объем тезауруса значительно меньше объема полного списка всех единичных показателей фонда. Показатели образуются как сочетания элементов списков. А как известно, количество возможных сочетаний во много раз превосходит количество исходных элементов. И хотя далеко не каждое сочетание будет реальным показателем, тем не менее сочетательные возможности языка очень велики.
Следовательно, тезаурус отвечает двум важнейшим требованиям, предъявляемым к справочному аппарату информационного фонда. Он систематизирует элементы описания показателей, а вместе с ними и сами описания в соответствии с их содержанием (по содержательным признакам). Вместе с тем по своим размерам он гораздо меньше полного списка описаний единичных показателей, хранящихся в системе. Кроме этого, его важное достоинство состоит в том, что он очень устойчив и гибок по отношению к изменениям в составе хранимых данных. Дело в том, что изменение показателей, добавление новых, очистка банка от ненужных вовсе не обязательно сопровождаются изменениями в лексике, т. е. словарном составе языка. Наоборот, обновление лексики, даже незначительное, будет исключительным явлением. Разумеется, сказанное не относится к периоду первоначального заполнения банка, но лишь к периоду стабильного функционирования уже отлаженной системы. Гибкость же и устойчивость структуры списка по отношению к изменениям в составе его элементов обеспечить очень трудно, если, конечно, не записывать в него поступающие показатели в порядке поступления.
Таким образом, тезаурус оказывается во всех отношениях наиболее удобной формой описания структуры данных внутри машинной системы АБД, т. е. удобным и эффективным справочным аппаратом информационного фонда банка.
После этого во всех отношениях полезного теоретического отступления вернемся к поисковому предписанию. Оно представляет собой описание на ИЯ, т. е. посредством дескрипторов (или их шифров) и грамматических правил ИЯ, требуемого показателя или показателей. Кроме того, через посредство подлежащего, взятого из каталога показателей, оно отсылает к определенному массиву фонда, где расположено(ны) соответствующее(ие) числовое(ые) значение(я).
Вычисление адреса есть последний этап сравнения поискового предписания и поискового образа, хранимого в банке показателя. Критерий смыслового соответствия удовлетворяется как полное тождество ввиду того, что адрес определяется непосредственно по поисковому предписанию и однозначно ему соответствует.
Следует заметить, что вычисление адреса — не единственный способ обращения в информационный фонд. Возможны и другие, как, например, организация в справочном аппарате фонда иерархически подчиненных блоков, каждый из которых имеет структуру, сходную со структурой каталога показателей. Также возможен комбинированный способ, когда вычисление адреса совмещается с поиском в иерархически организованных сложных массивах.
Каким бы ни был способ обращения к фонду, когда оно осуществлено, в нужном массиве автоматически отбираются требуемые числовые значения. Однако возможны различные варианты задач. Если все дескрипторы в поисковом предписании единичные, то и требуемый показатель единичный, и должно быть выдано единственное числовое значение. Если среди дескрипторов имеется хотя бы один множественный, то и показатель множественный. В этом случае выдаются числовые значения, соответствующие всем возможным (определяется по тезаурусу) конкретизациям этого множественного дескриптора, т. е. показателям, получающимся заменой данного дескриптора всеми подчиненными ему. Если возможно, т. е. если показатель аддитивен по данному признаку, выдаются также общий и возможные промежуточные итоги. При наличии специального указания в запросе, которое может исходить только от потребителя, выдаются не все числовые значения и итоги, а только некоторые из них.
