¿Qué es un Tesauros?

Un tesauro es un vocabulario controlado y estructurado formalmente, formado por términos que guardan entre sí relaciones semánticas y genéricas: de equivalencia, jerárquicas y asociativas. Se trata de un instrumento de control terminológico que permite convertir el lenguaje natural de los documentos en un lenguaje controlado, ya que representa, de manera unívoca, el contenido de estos, con el fin de servir tanto para la indización, como para la recuperación de los documentos.

La norma ISO 2788-1986 define un tesauro como "un vocabulario controlado y dinámico, compuesto por términos que tienen entre ellos relaciones semánticas y genéricas  y que se aplica a un dominio particular del conocimiento". Por su parte, Georges van Slype en Los lenguaje de indización, define un tesauro como "una lista estructurada de conceptos destinados a representar de manera unívoca el contenido de los documentos y de las consultas dentro de un sistema documental determinado y a ayudar al usuario en la indización de los documentos y de las consultas".

Frente a los lenguajes clasificatorios cuya función es describir el tema de un documento, los términos contenidos en un tesauro responden al análisis del texto o materia. Un tesauro recoge todos los conceptos y no sólo los que corresponden al título o el texto. Un único tema (aquello de lo que trata el documento) suele desarrollarse mediante una serie de ideas o conceptos que se pueden describir por medio de una serie de términos o descriptores. El tesauro incorporará todos esos términos en una base de datos y cada uno de ellos se convertirá en un punto de acceso para la recuperación del documento. La potencia de un tesauro radica  además, en la posibilidad de combinar todos esos términos o descriptores, lo que le convierte en un lenguaje combinatorio mucho más rico que las tradicionales encabezamientos de materias. Un tesauro es pues, una herramienta de control terminológico muy útil para el análisis, descripción y recuperación automatizados.

Estructura de un tesauro

La estructura de un tesauro se basa en los siguientes elementos:

• Unidades léxicas:

  • descriptores : términos permitidos. Un descriptor es una palabra o conjunto de palabras del lenguaje corriente que responden a un concepto. Dicho término será utilizado para el análisis y la recuperación del documento.

    • términos simples o unitérminos : se emplean cuando el concepto es claro en sí mismo.

    • términos compuestos : la mayoría de los términos de un tesauro adquieren su verdadero sentido cuando se convierten en términos compuestos:

      • sustantivo + adjetivo: Documentos digitales

      • sustantivo + sintagma preposicional: Documentos de archivo

      • sustantivo + sintagma aposicional: Documentos RDF/XML

• Relaciones semánticas: son todas aquellas relaciones que se establecen entre los términos de un tesauro. Podemos distinguir las siguientes:

  • Relaciones de equivalencia.

  • Relaciones jerárquicas:

    • Relaciones género-especie: se aplica a acciones, propiedades y agentes.

    • Relaciones parte-todo: el nombre de una parte implica y evoca la del todo poseedor.

  • Relaciones asociativas : son las relaciones asimétricas establecidas entre descriptores de distintas familias, distintas a las jerárquicas o de equivalencia, y que designan conceptos capaces de evocar mutuamente, por asociación de ideas, relaciones entre ellos.

Ventajas de uso de un Tesauro

El tesauro incorpora, por definición, un sistema de clasificación.

La categorización y el acceso jerárquico quedan garantizados.

Permite además el acceso alfabético.

Riesgo de falsas coordinaciones y ruido en búsquedas simples.

El usuario es especialista en la materia y sabe como evitarlo.

La clasificación permite utilizar como término de indización y clasificación un código numérico único.

Asociando éste código a tablas de descriptores en diferentes lenguas se indiza y recupera en estas lenguas.

.