Vad automatisk indexering och genreklassifikation kan tillföra ...

liknande andra dokument troligen också behandlar ungefär samma ämne. 143 Nackdelen
med ett sådant förfarande är att det kräver att referenserna i en text är enkelt
identifierbara. Modellen är troligen endast användbar om den appliceras på vetenskapliga
texter. Under sådana omständigheter kan de ge acceptabla resultat. 144
Samtidigt är en rent semantiskt angreppssätt bara fruktbart till en viss gräns, en
kombination av semantisk och lingvistisk analys ger mer möjligheter att på ett
fungerande sätt genreklassificera. Att lyckas inkludera den lingvistiska delen är
emellertid inte enkelt. Det är inte den lingvistiska kunskapen som saknas. Det finns en
fullständig kunskap om hur vår grammatik är uppbyggd. Den tekniska aspekten är också
fullt tillräcklig för uppgiften, inget system behöver idag falla på att datakapaciteten inte
existerar. Det är kombinationen av dessa två som fortfarande behöver utvecklas. 145 En så
enkel tanke som att avgöra om en mening har eller saknar ackusativobjekt kräver en
textanalyserande algoritm som analyserar meningen i flera olika led. En stor anledning
till att systemen fortfarande inte är mer utvecklade är genrebegreppets svaghet. Som
tidigare diskuterats är det inte ens teoretiskt färdigdefinierat vad som kännetecknar en
genre. Denna svaghet förs över till de automatiska systemen, vilket föranleder även dessa
att inte vara fullt fungerande. Om man inte vet vad man letar efter, är det också väldigt
svårt att finna det.
4.2.4: Återvinning av indexerad information
Den största anledningen till all indexering är att underlätta återvinning av de indexerade
dokumenten. Denna kan både vara manuell, det vill säga att någon läser indexorden till
exempel tryckta på ett försättsblad för att göra en bedömning om texten är intressant.
Vanligast är emellertid troligen att indextermerna används i någon form av datoriserad
sökning med hjälp utav en sökmotor. En sådan sökmotor söker efter likheter mellan
användarens inskrivna sökfråga och de indexerade termerna vanligen med hjälp av någon
av tre olikt fungerande sökalgoritmer. Förutom de tre nedan beskrivna modellerna finns
ytterligare ett stort antal antingen helt självständiga sökalgoritmer samt
vidareutvecklingar av dessa tre algoritmer. Nedan beskrivs emellertid enbart de tre
vanligaste algoritmernas grundtanke.
Den äldsta av dessa algoritmer är den booleska sökalgoritmen. Den använder booleskt
logik för att systematiskt söka igenom databasen. Metodens störta fördel är dess enkelhet.
Om användaren behärskar ett grundläggande logiskt tänkande är varje operation
begriplig. Dess huvudsakliga nackdel är att den enbart arbetar med tvåvärdeslogik.
Antingen är dokumentet relevant, eller så är det inte det. Detta medför att om inte väldigt
avancerade söksträngar arbetandes både med ”och” och ”eller” kommer resultatet
troligen bli förhållandevis dåligt. Metoden möjliggör inte heller för en viktning av
termerna, alla termer anses vara lika återvunna. Detta möjliggör i sin tur att någon
143 Glenisson, Patrick et al (2005), Combining full text and bibliometric information
in mapping scientific disciplines, Information Processing and Management 41 (2005), s. 1548 – 1553.
144 Glenisson (2005), s. 1567.
145 Santini (2004), s. 19 - 22.
42