بررسی نقش انواع بافتار هم نویسه ها در تعیین شباهت بین مدارک(مقاله علمی وزارت علوم)
حوزه های تخصصی:
رفع ابهام معنایی واژگان در بازیابی خودکار اطلاعات از چالش های بزرگ این حوزه است. متن در خود عناصری محتوایی یا ساختاری دارد که با شناسایی و تحلیل آن ها و استخراج الگوهای متفاوت می توان به رفع ابهام معنایی و در نتیجه، افزایش اثربخشی نتایج بازیابی دست یافت. هم نویسه ها از جمله واژگانی هستند که به رفع ابهام معنایی نیاز دارند. نشان داده شده است که بافتار هم نویسه می تواند به بهبود بازیابی آن کمک کند. بافتار هم نویسه خود می تواند بسته به نقش و جایگاه آن در متن به انواعی تقسیم شود که ممکن است هر یک در تعیین شباهت بین مدارک از قدرت متفاوتی برخوردار باشد. هدف اصلی از این پژوهش، مقایسه پنج نوع بافتار متنی (شامل بافتار استناد متنی، ارجاع، عنوان ارجاع، عنوان و متن مقاله) به لحاظ قدرت آن ها در تعیین شباهت میان مدارک است. به کمک روش تحلیل متن، مجموعه ای آزمایشی از مدارک پیرامون هم نویسه های انگلیسی مشتمل بر 3637 مقاله منتشرشده در بازه زمانی 2000-2015 پیرامون 19 هم نویسه در 54 گروه موضوعی مورد بررسی قرار گرفت. برای تعیین شباهت درون خوشه ها از روش آماری تحلیل تشخیصی استفاده شده است. نتایج تحلیل تشخیصی نشان داد که در درون خوشه های معنایی، زیرخوشه هایی با تمایز بسیار اندک قابل مشاهده است. دو بافتار استناد متنی و ارجاع کمترین نقش را در ایجاد تمایز و در نتیجه، بیشترین شباهت را در درون خوشه ها داشته اند. نتایج به دست آمده نشان داد که هم معنا بودن هم نویسه ها به ایجاد خوشه هایی از مدارک منجر می شود که در درون آن ها مدارک با هم به لحاظ انواع بافتار هم نویسه ای تفاوت چندانی با هم ندارند. همچنین،انواع بافتار از قدرت برابری در تعیین تشابه بین مدارک برخوردار نیستند. دو بافتار استناد متنی و ارجاع در تعیین شباهت معنایی در درون خوشه های معنایی بیشترین قوت را داشته اند. از این دو نوع بافتار که قوت بیشتری در ایجاد شباهت داشته اند، می توان برای بهبود نتایج بازیابی کمک گرفت. الگوریتم های بازیابی در موتورهای جست وجو و پایگاه های اطلاعاتی می توانند برای سنجش دقیق تر شباهت بین مدارک حاوی هم نویسه ها از تحلیل این دو نوع بافتار استفاده کنند. اثر حاضر نخستین پژوهشی است که به تعریف انواع گوناگونی از بافتارهای متنی و مقایسه آن ها به منظور تعیین قدرت آن ها در سنجش شباهت مدارک حاوی هم نویسه های هم معنا می پردازد.