بازیابی داده ها

با افزایش روز افزون حجم اطلاعات ذخیره شده در منابع قابل دسترس و گوناگون، فرایند بازیابی و استخراج اطلاعات اهمیت ویژه ای یافته است. اطلاعات مورد نظر ممکن است شامل هر نوع منبعی مانند متن،تصویر،صوتو ویدئو باشد. بر خلاف پایگاه داده ها، اطلاعات ذخیره شده در منابع اطلاعاتی بزرگ مانندوبو زیرمجموعه های آن مانند شبکه های اجتماعی از ساختار مشخصی پیروی نمی کنند و عموماً دارای معانی تعریف شده و مشخصی نیستند. هدف بازیابی اطلاعات در چنین شرایطی، کمک به کاربر برای یافتن اطلاعات مورد نظر در انبوهی از اطلاعات ساختارنایافته است. جستجوگرهای گوگل، یاهو و بینگ سه نمونه از پراستفاده ترین سیستم های بازیابی اطلاعات هستند که به کاربران برای بازیابی اطلاعات متنی، تصویری، ویدئویی و غیره کمک می کنند.مدلسازی مفهومی اطلاعات، یکی از فنون تجزیه و تحلیل و تشریح اطلاعات مورد نیاز کاربران سیستم است. در تجزیه و تحلیل اطلاعات باید ذهن خود را بر شناخت مفهومی اطلاعات متمرکز ساخت. در تشریح ماهیت اطلاعات باید از جملات موجز، دقیق و خوانا استفاده کرد. از آنجایی که تشریح اطلاعات، راهنمای طراحی پایگاه اطلاعاتی به شمار می آید باید برای کاربران، برنامه نویسان و سایر متخصصان فنی خوانا باشد. زیرا راهنمای طراحی پایگاه اطلاعاتی به شمار می آید. از آنجایی که هر سیستم کاربران متعددی دارد و آنان نیز از داده و بازداده های گوناگون استفاده می کنند و همچنین تحلیلگر معمولاً با سیستم آشنا نیست و ضمن تجزیه و تحلیل و تشریح با آن آشنا می شود تشریح اطلاعات برای سیستم دشوار است. تشریح اطلاعات برای پاسخگویی به نیازهای «فرایند سیستم» باید به صورت تفضیلی صورت پذیرد و در عین حال از کلیتی برخوردار باشد که به تشکیل یک پایگاه اطلاعاتی منجر شود و نیازهای کلی سازمان را در بعد اطلاعات برآورده سازد. و چون تا این مرحله به اندازه کافی کار طراحی آسان شده است تحلیلگر باید تشریح اطلاعات را در محدوده زمانی و بودجه ای پروژه مکتوب نماید. اکنون این پرسش ممکن است مطرح شود که چرا «نمودار جریان اطلاعات» شرح کاملی از اطلاعات ارائه نمی دهد؟ پاسخ این است که نمودار جریان اطلاعات تنها چگونگی بکارگیری اطلاعات در فرایندهای سیستم را نشان می دهد و روابط مورد نیاز میان موجودیتهای سازمان را به نمایش نمی گذارد. بدین ترتیب پایگاه اطلاعاتی مبتنی بر یک نمودار جریان اطلاعات نمی تواند از شاخص روانی سازمانی برخوردار باشد. از سوی دیگر، مدل مفهومی اطلاعات، تحلیلگر را تشویق می نماید تا تحلیل اطلاعات را بر مبنای نیازهای سازمان و از دید کاربرای یا نحوه تجسم ذهنی آنان قرار دهد. شرح تفصیلی نیازهای اطلاعاتی سیستم مانند بازداده ها و غیره بعداً به مدل افزوده خواهد شد. از انجایی که مدل مفهومی، اطلاعات را از دید سازمان تشریح می کند نه از دید فرایندهای تفصیلی سیستم بنابراین پایگاه اطلاعاتی حاصل از آن با نیازهای اطلاعاتی سازمان قابلیت انطباق بیشتری خواهد داشت. تشریح اطلاعات با استفاده از مدل مفهومی مستلزم موارد زیر است: ۱- مجموعه ای از ساخته ها (موجودیت، رابطه، صفت، نشانگر، وابستگی) برای تعریف اطلاعات. ۲- قوانینی برای کنترل چگونگی ترسیم ساخته ها در شکل دهی مدل. ۳- روشی برای ساختن مدل مفهومی اطلاعات با استفاده از ساخته ها، و قوانین برای نمایش ساخته ها، قوانین و روش ساختن مدل مفهومی اطلاعات.
مدل دودویی (یا دوگانی): در مدل دودویی (یا دوگانی) هر سند (document) به صورت کیفی پر از کلمات (bag of words) در نظر گرفته می شود.
مدل بُرداری: در مدل بُرداری، هر سند به صورت برداری از کلمات در یک فضای برداری چند بُعدی در نظر گرفته می شود که ابعاد آن را کلمات تشکیل می دهند. مؤلفه های این بردار سند، در واقع وزن هایی هستند که نشان می دهند هر یک از کلمات چقدر در متمایز کردن آن سند دخیل هستند.
مدل احتمالاتی: در مدل احتمالاتی، به هر سند احتمالی اختصاص داده می شود که مربوط بودن آن مستند را به نیاز کاربر به صورت احتمال بین صفر و یک بیان می کند.
نخستین گام در بازیابی اطلاعات، مدل سازی اطلاعات و توصیف و تعریف ارتباط موجود میان اجزاء منبع اطلاعاتی با نیازهای اطلاعاتی کاربر است. سه مدل مهم در حوزه بازیابی اطلاعات عبارت است از:
بعد از تعریف مدل، سیستم آماده دریافت نیاز اطلاعاتی کاربر است. معمولاً کاربران نیاز اطلاعاتی خود را در قالب یک «پُرسه» برای سیستم بیان می کند که معمولاً شامل چندین کلمات یا عبارات است. سیستم سپس بر اساس مدلی که اطلاعات بر اساس آن تعریف شده اند، میزان ربط هر سند را با پُرسه کاربر محاسبه می کند، و سندهایی را که از همه باربط تر تشخیص داده شده اند به عنوان نتیجه بازیابی باز می گرداند.
در مدل دودویی، نیاز اطلاعاتی کاربر به صورت عبارتی منطقی با عملگرهای AND و OR و NOT بیان می شود و هر سندی که این عبارت در مورد آن صحیح باشد بازیابی می شود. مثلاً اگر نیاز اطلاعاتی به صورت Iran AND Oil بیان شود، تمامی اسنادی که هردو کلمه Iran و Oil را دربردارند به کاربر نمایش داده می شوند. در مدل دودویی سند یا باربط است یا نیست، و هیچ معیاری برای سنجش میزان (درجه) ربط وجود ندارد. مثلاً دو سند را در نظر بگیرید که یکی تماماً دربارهٔ ایران و نفت بحث می کند، و دیگری در مورد اقتصاد جهانی صحبت می کند و فقط از نام ایران و نفت به عنوان مثالی در یک جمله استفاده کرده است. سیستمی که از مدل دودویی استفاده کرده تفاوتی بین این دو سند قائل نخواهد شد. در صورتی که در واقع سند اول بیشتر به نیاز کاربر مربوط است.

بازیابی داده ها (data recovery)
از آن جا که داده ها ممکن است خراب شوند و یا رایانۀ نگهدارنده آن ها خراب گردد، روش هایی برای بازیابی داده ها ابداع شده است. یکی از این راه ها، استفاده از نسخه پشتیباناست. به طور کلی هر سیستمی ممکن است روزی خراب شود ولی مهم ترین کار در این شرایط پی بردن و بررسی علت خرابی است که ممکن است ناشی از حمله یک ویروسو یا حذف اشتباهی فایل هاو یا اتفاقات فیزیکیباشد. در هر حال روش های متعددی برای تهیه نسخه های پشتیبان و نگهداری آن ها در شرایط مناسب و همچنین چگونگی بازگرداندن سیستم به حالت قبل از خرابی با استفاده از فایل های پشتیبانوجود دارد.