Структура ДИПС. 
Документальные информационные системы

Общая функциональная структура документальных информационно-поисковых систем обычно включает в себя четыре основные подсистемы:

Подсистема ввода и регистрации.

Подсистема обработки.

Подсистема хранения.

Подсистема поиска.

Текстовые документы, поступающие на вход системы, могут быть представлены как в бумажном, так и в электронном виде (в одном из многочисленных форматов). Поэтому подсистема ввода и регистрации решает следующие основные задачи:

создание электронных копий бумажных документов (например, сканирование с последующим распознаванием текста или ввод с клавиатуры);

обеспечение подключения к каналам доставки электронных документов;

распознавание, а при необходимости и преобразование формата электронных документов;

присвоение электронным документам уникальных идентификаторов (регистрация), а также ведение таблицы синхронизации имен (при необходимости сохранения прежних имен).

Все поступающие документы без внесения в них каких-либо изменений направляются в подсистему хранения для сохранения в базе документов. База документов может представлять собой простую совокупность файлов, распределенную по каталогам жесткого диска. Однако недостатками такого способа хранения, во-первых, является неэффективное использование дискового пространства, а, во-вторых, низкая скорость доступа при большом количестве файлов. Поэтому для хранения документов применяют средства сжатия и быстрого поиска информации. В этом случае подсистема хранения представляет собой совокупность стандартных или специализированных средств архивации, СУБД и т. п., обеспечивающих возможность доступа к данным по предъявляемому идентификатору.

Рис. 2. Общая структура ДИПС

Далее документы поступают на вход подсистемы обработки, задачей которой является формирование для каждого документа ПОД, в который заносится информация, необходимая для последующего поиска документа. Поисковые образы документов сохраняются в индексе — специальной таблице, строки которой соответствуют документам, а столбцы — информационным признакам, на основе которых строится ПОД. В ячейках таблицы могут храниться либо 1, либо 0, в зависимости от наличия или отсутствия данного признака в данном документе. Поскольку такая таблица является сильно разреженной, то хранить все ее значения не имеет смысла, поэтому на практике использую специальные форматы хранения таких таблиц, в том числе с использованием специальных средств СУБД.

При поступлении на вход системы запроса пользователя он преобразуется в поисковое предписание (ПП) и передается в подсистему поиска, задачей которой является отыскание в индексе ПОД, удовлетворяющих ПОЗ с точки зрения КСС. Идентификаторы релевантных документов подаются с выхода подсистемы поиска на вход подсистемы хранения, которая осуществляет выдачу пользователю самих релевантных документов.