Тематический поиск

Тематический поиск — это разновидность информационного поиска, при котором система отбирает релевантные документы или данные не по заданному поисковому запросу (ключевым словам), а на основе принадлежности к определённой теме, предметной области или рубрике. В отличие от адресного или фактографического поиска, тематический поиск направлен на получение всей совокупности материалов, объединённых общей тематикой, без указания конкретных поисковых терминов.

Принципы работы

Основой тематического поиска является предварительная классификация информационных ресурсов по тематическим категориям. Эта классификация может быть выполнена вручную (экспертами-каталогизаторами) или автоматически (с помощью алгоритмов машинного обучения, кластеризации или анализа ключевых слов). Система тематического поиска оперирует не столько словами запроса, сколько метаданными, рубриками, дескрипторами или семантическими связями.

Ключевые этапы тематического поиска включают:

Категоризация — отнесение документа к одной или нескольким темам (рубрикам) на основе его содержания.
Индексация — создание тематического указателя, где каждой теме соответствует список релевантных документов.
Навигация — предоставление пользователю иерархического или сетевого дерева тем для последовательного уточнения запроса.
Фильтрация — отбор документов, соответствующих выбранной пользователем теме.

История

Первые системы тематического поиска возникли задолго до появления компьютеров. В библиотечном деле ими служили систематические каталоги, где книги группировались по отраслям знания (например, универсальная десятичная классификация). В середине XX века с развитием информатики появились автоматизированные информационно-поисковые системы (ИПС), которые использовали дескрипторные языки и тезаурусы для тематического описания документов.

В 1990-х годах, с ростом интернета, тематический поиск стал реализовываться в виде веб-каталогов (например, Yahoo! Directory, DMOZ — Open Directory Project, «Яндекс.Каталог»). Эти каталоги составлялись редакторами-людьми, которые вручную распределяли сайты по рубрикам. Однако с увеличением объёмов информации ручной подход стал неэффективным, и к середине 2000-х годов веб-каталоги уступили место поисковым системам, основанным на полнотекстовом поиске по ключевым словам. Тем не менее, тематический поиск не исчез, а трансформировался: современные поисковые системы (Google, Яндекс) используют тематические модели (например, Latent Dirichlet Allocation) для понимания смысла запроса и выдачи результатов, релевантных теме, а не просто набору слов.

Виды и методы

По способу организации

Ручная каталогизация — темы присваиваются экспертами. Отличается высокой точностью, но трудоёмкостью и субъективностью. Примеры: библиотечные каталоги, рубрикаторы новостных агентств.
Автоматическая классификация — темы определяются алгоритмами на основе анализа текста (частотности терминов, синтаксических конструкций, ссылочной структуры). Используются методы: наивный байесовский классификатор, метод опорных векторов (SVM), нейронные сети.
Кластерный поиск — система автоматически группирует результаты поиска по тематическим кластерам, не требуя заранее заданной рубрики. Пример: поисковая система «Нигма» (ныне не функционирует), Clusty.
Семантический поиск — использует онтологии и базы знаний (например, DBpedia, Wikidata) для идентификации темы запроса. Система понимает, что «Моцарт» и «Вольфганг Амадей» относятся к одному лицу, и может выдать все документы о его творчестве как одну тему.

По типу поискового пространства

Локальный тематический поиск — в рамках одной базы данных, библиотеки или корпоративного портала.
Глобальный тематический поиск — в интернете. Обычно реализуется через вертикальные поисковые системы (поиск по блогам, по научным статьям, по патентам) или через тематические порталы.

Применение

Тематический поиск широко используется в различных областях:

Научные исследования: поиск публикаций по определённой научной дисциплине (например, «астрофизика», «молекулярная биология») в базах данных Web of Science, Scopus, eLibrary. Позволяет учёному получить полную картину состояния вопроса, не формулируя точный запрос.
Библиотечное дело: работа с электронными каталогами, где читатель может переходить от одной темы к другой по гиперссылкам (например, от «История России XIX века» к «Крестьянская реформа 1861 года»).
Медицина: поиск клинических случаев, лекарственных препаратов или методов лечения по рубрикам Международной классификации болезней (МКБ).
Юриспруденция: поиск нормативных актов, судебных решений или комментариев по отраслям права (например, «Гражданское право», «Налоговое право»).
Мониторинг СМИ: агрегация новостей по темам (политика, экономика, спорт) для аналитических агентств и государственных органов.
Электронная коммерция: поиск товаров по категориям (например, «Электроника» → «Смартфоны» → «Смартфоны Apple»). В России подобные системы активно применяются на маркетплейсах (Ozon, Wildberries).
Образование: поиск учебных материалов по предметам и разделам (например, на портале «Российская электронная школа»).

Преимущества и недостатки

Преимущества:

Высокая релевантность при правильно построенной классификации. Пользователь получает именно то, что относится к теме, а не случайные страницы, содержащие ключевые слова.
Возможность обнаружения неочевидных связей. Пользователь может найти документы, которые не содержат его поисковых слов, но относятся к той же теме.
Удобство для исследователей и специалистов, которые хотят получить полный обзор предметной области.
Работает при отсутствии точного запроса (например, «покажите всё по истории Древнего Рима»).

Недостатки:

Сложность и трудоёмкость создания и поддержания актуальной системы рубрик (особенно ручной).
Риск неполноты: если документ ошибочно отнесён к другой теме, он будет потерян для пользователя.
Субъективность классификации: один и тот же документ может быть отнесён разными экспертами к разным темам.
Невозможность учесть все нюансы и подтемы в жёсткой иерархии.

Тематический поиск в России

В России тематический поиск имеет долгую историю. В советское время были разработаны государственные рубрикаторы научно-технической информации (ГРНТИ), которые до сих пор используются в библиотеках и научных журналах. В 1990-е годы популярностью пользовался «Яндекс.Каталог» — ручной каталог сайтов Рунета, который позволял искать по темам. После его закрытия в 2013 году функцию тематической навигации частично взяли на себя вертикальные сервисы («Яндекс.Новости», «Яндекс.Карты», «Яндекс.Музыка»). В настоящее время в России тематический поиск активно применяется в государственных информационных системах (например, в системе «Госуслуги» — поиск услуг по категориям), в научных электронных библиотеках (КиберЛенинка, eLibrary) и в корпоративных порталах крупных компаний.

См. также

Информационный поиск
Классификация документов
Поисковая система
Рубрикатор
Тезаурус

Источники

Соколов А. В. «Информационный поиск: теория и практика». — М.: Либерея, 2006.
Маннинг К., Рагхаван П., Шютце Х. «Введение в информационный поиск». — М.: Вильямс, 2011.
Салин В. Н. «Автоматическая классификация текстов: методы и алгоритмы». — Новосибирск: Изд-во СО РАН, 2018.
ГОСТ 7.73-96 «Поиск и распространение информации. Термины и определения».
Материалы конференций РОМИП (Российский семинар по оценке методов информационного поиска).

BFOmetr — база данных и аналитика по компаниям России.

На главную BFOmetr →