На представления тезауруса разработаны ряд международных (ISO), национальных и корпоративных стандартов и рекомендаций (рис. 2 отражает их эволюцию).

Рис. 2 Эволюция стандартов и рекомендаций представления тезауруса

Стандарт ISO 5964:1985 [7] устанавливает требования к построению, разработке и ведению многоязычных тезаурусов.

Стандарт ISO 2788:1986 [8] для одноязычных тезаурусов, впервые опубликованный в 1974 г., был пересмотрен и опубликован в 1986 г. Этот стандарт международного уровня оставался актуальным в течение 25 лет до появления стандарта ISO 25964-1:2011 [11] в 2011 г.

На основе этих стандартов были разработаны действующие ГОСТ 7.25-2001 «Система стандартов по информации, библиотечному и издательскому делу. Тезаурус информационно-поисковый одноязычный. Правила разработки, структура, состав и форма представления» и ГОСТ 7.24-2007 «Система стандартов по информации, библиотечному и издательскому делу. Тезаурус информационно-поисковый многоязычный. Состав, структура и основные требования к построению».

Стандарты ISO/IEC 13250:2000 [15] и следующая редакция ISO/IEC 13250:2003 [16] определяют тематические карты, представленные в виде ориентированных графов, состоящих из вершин типа «тема», соединённых рёбрами типа «ассоциация». Некоторые «темы» ссылаются на нужные им «информационные ресурсы». Информация представлена в формате XML. Также стандарт обычно включает формат электронного взаимообмена тезаурусов, хотя его не выделяют отдельно для них, так как он является одним из его приложений.

Рекомендации стандарта ANSI/NISO Z39.19:2005 [17] включали критерии поддержания систем организации данных при помощи автоматического управления тезаурусом. Этот стандарт был направлен на представление содержания различных KOS таких, как синонимы, таксономия, тезаурус и другие типы контролируемых словарей.

Стандарт Z39.19 предполагает, что контролируемые словари обычно используются для описания содержания и определения понятий, а также для представления метаданных, ассоциируемых с содержанием объектов (NISO Z39.19:2005:12). В отличие от других стандартов, используемых до этого момента, новый стандарт подразумевал также использование информатизированных источников в схемах метаданных, таких как Dublin Core, и стандартных сетевых протоколов доступа, таких как протокол Z39.50 [18].

International Federation of Library Associations and Institutions (IFLA) опубликовала свой доклад по руководству многоязычным тезаурусом [19] в 2009 г. целью дополнения стандарта ISO 5964:1985. Он также дополнял условия стандарта NISO Z39.19:2005. Основные положения, изложенные в этом докладе, касаются способа создания тезауруса в асимметричной форме и связи между разными контролируемыми словарями. Под асимметричным тезаурусом подразумевается многоязычный тезаурус, в котором количество описаний идентификаторов в каждом языке и способ организации идентификаторов необязательно одно и то же и относятся к разным языкам.

Стандарт ISO 25964:2011 [11] заменил использовавшиеся ранее стандарты ISO 2788 и ISO 5964, которые не соответствовали современным требованиям процессов индексации и применению сетевых протоколов доступа.

Стандарт ISO 25964-1:2011 содержит рекомендации по разработке и поддержанию тезаурусов, применим в отношении словарей, используемых для поиска и извлечения информации из информационных ресурсов всех видов, включая библиографические базы данных, текстовые и мультимедийные коллекции и др.

Впервые в стандарте ISO 25964-1:2011 представлены модели (схемы) данных для сетевого взаимодействия. В основу схем данных положены модель данных протокола Z39.50 (схема данных Zthes) и рекомендации SKOS (схема данных SKOS), базирующейся на RDF-модели представления понятий.

Стандарт ISO 25964-2:2013 [13] является продолжением опубликованного в 2011 г. стандарта ISO 25964-1:2011.

Схема данных Zthes

Исходя из общей идеологии Z39.50, доступ к любой базе данных должен осуществляться через единую стандартную схему данных, на которую должны быть корректно отображены все частные структуры. Схема получила название Zthes.

Zthes предназначена для работы с использованием протокола Z39.50. Заметим, что данная схема предполагает использование весьма ограниченного набора типов отношений между терминами. Это сделано преднамеренно для большей совместимости.

Между терминами, в соответствии с рекомендациями стандарта, устанавливаются следующие типы связей:

BT -- связь с родительским термином, т.е. с термином более широкого смысла;

NT -- связь с дочерним термином, т. е. с термином более узкого смысла. Связь BT-NT является взаимно обратной;

USE -- связь с термином, который используется вместо этого;

UF -- взаимно обратная связь USE, USE-UF;

RT -- связь, определяющая связанный термин;

LE -- связь между лингвистически эквивалентными терминами.

Связи ВТ и NT, а также USE и UF, взаимно обратные. Связи RT, а также LE симметричны.

Кроме того, тип термина определяется в соответствии с рекомендациями стандарта.

В схеме Zthes выделяются следующие типы терминов:

TT -- термин верхнего уровня, т.е. термин, не имеющий связанных терминов более широкого класса (терминов с типом связей ВТ);

NT -- не термин верхнего уровня, т. е. дескриптор, имеющий связи типа ВТ;

ND -- неосновной термин;

NL -- фиктивный термин, т. е. термин, не используемый для индексации документов, но включенный в иерархию, чтобы указать логический базис раздела классов.

Практическая реализация тезауруса

В качестве платформы для реализации тезауруса по информатике для поддержки курсов «Современные проблемы информатики» и «Вычислительные системы» была использована СУЭБ, разработанная в ИВТ СО РАН.

Для реализации тезауруса была выбрана схема данных Zthes, как самая продвинутая из стандартных схем. Ее главное преимущество состоит в том, что она соответствует модели сетевого протокола Z39.50, что позволяет не только работать с собственным локальным тезаурусом, а подключать при необходимости тезаурусы, расположенные в сети [20].

В схему данных Zthes были добавлены три элемента:

termNormName -- нормальная форма термина (единственное число, именительный падеж и т.п.);

termLinkID -- алгоритмически вычисляемый уникальный идентификатор, характеризующий термин;

termScopeNote -- краткая текстовая характеристика термина, используемая для идентификации текстов.

Контролируемый словарь типа связей (relationType) был расширен признаком `SYN' -- полный синоним, куда заносится понятийный эквивалент термина, получаемый, как правило, из различий в его написании (например, вычислительные системы ? выч. системы).

Созданные компоненты реализации тезауруса позволяют просматривать, редактировать и добавлять термины тезауруса в систему через web-формы, а также импортировать и экспортировать термины в виде XML-, RDF-, DTD-файлов. Преобразование данных в схемы данных SKOS, MARC, MODS и представление терминов в браузере производится с помощью XSLT-преобразования.

На рис. 3 отражено представление термина через Web-интерфейс, на рис. 4 -- результат поиска того же термина по протоколу Z39.50.

Рис. 3 Web-представление термина

Рис. 4 Поиск термина по протоколу Z39.50

Заключение