ARHITECTURA GENERALA A UNUI PROGRAM DE CERCETARE DOCUMENTARA REFERAT SCOALA

Lexicul (tezaurul) sau fişierul de legături Lexicul cuprinde ansamblul de cuvinte, adică lanţuri de caractere semnificative, pe care sistemul le recunoaşte. Acest fişier are rol în utilizarea vocabularului, dar lista de cuvinte pe care sistemul o caută este indispensabilă pentru ca acestea să fie identificate. În general, tezaurul este completat de lista de legături de caractere pe care sistemul are dreptul să le ignore: cuvintele nule sau cuvintele goale (de sens), articole, prepoziţii etc. Astfel, comparaţia mesajului-întrebare de pe aceste două liste permite calculatorului să reacţioneze la primirea unui termen care nu este cuprins nici în Lexic, nici în lista cuvintelor nule. Calculatorul răspunde printr-un mesaj de eroare, ceea ce înseamnă că ignoră acest cuvânt sau că acesta conţine o greşeală de ortografie sau de implementare. Fişierul index După ce calculatorul a primit instrucţiunile pentru recunoaşterea cuvintelor, el poate să găsească documentele care conţin cuvintele dorite printr-o simplă trecere secvenţială în revistă. În ciuda rapidităţii operării cu sistemele informaţionale, acest mod este foarte lent prin interogarea băncilor de date, care conţin mii sau milioane de informaţii (admiţând că verificarea existenţei unui termen într-un document care cuprinde 20 rânduri necesită 1/10 secunde, ar trebui 1 oră pentru a epuiza un fişier de 36.000 documente). Lexicul este, în general, inversat într-un fişier index, adică un fişier care regrupează pentru fiecare din formele alfanumerice, ce constituie lexicul, grupul de adrese al documentelor în care acestea figurează. Timpul de lectură este astfel redus considerabil, datorită numărului mic de caractere.