مدل فضای برداری

بازیابی اطّلاعات، فرایند یافتن اطّلاعات (مدارک) مربوط به جستجوی کاربر در مجموعة مدارک است. با پیاده سازی الگوریتمهای متفاوت، استراتژیهای مختلفی در بازیابی اطّلاعات وجود دارد. وجه مشترک استراتژیهای بازیابی، یافتن مدارک مشابه با موضوع جستجوی کاربر است. یکی از الگوریتمهای مهمی که در بازیابی اطّلاعات، کاربرد بسیار دارد، الگوریتم فضای برداری است که می کوشد تمام مدارک را در مجموعه و جستجوهای کاربر به صورت بردارها نشان دهد و ضریب تشابه میان بردارهای مدرک و بردار جستجو را جهت بازیابی مدرک مربوط، محاسبه نماید

با توجه به حجم عظیم اطلاعات بدون ساختار داخل سازمانها و همچنین در وب، یافتن پاسخی به نیاز دانشی در زمان اندک، دشوار می باشد. به این منظور علاوه بر موتورهای جستجو که در آنها ویژگیهای فردی کاربران در نظر گرفته نمی شوند، سیستمهای پیشنهادگر بوجود آمده اند که بر اساس رفتارهای پیشین کاربران سعی در کمک به دسترسی به دانش مورد نیاز آنها دارند. استفاده از این سیستمها در وب سایتها و شبکه های اجتماعی در حال گسترش است. سیستمهای پیشنهادگر خبره نیز با پیشنهاد افراد خبره ی دارای دانش به جای ارائه اطلاعات، این امکان را فراهم کرده اند تا کاربران سئوال های خود را از افراد خبره بپرسند. ارتباط با متخصصان باعث می شود که علاوه بر انتقال مطلب، با انتقال تجارب و دانسته ها، بینش و فهم در مورد موضوع منتقل شود. ما در این مقاله، از رزومه-های اساتید دانشگاه به عنوان پروفایل افراد خبره استفاده کرده و مدل پیشنهادگر خبره ی جدیدی ارائه کرده ایم که پرسش کاربر را دریافت کرده و افراد خبره را در زمینه ی این پرسش پیشنهاد می کند. ما با ترکیب ماتریس همبستگی کلمات، مدل فضای برداری و الگوریتم پیجرنک مدلی ارائه کرده ایم که در مقایسه با روش های مرجع دقت بالاتری در شناخت افراد خبره دارد. این مدل در سیستمهای دانشگاهی، داخل سازمانی و همچنین در محیط وب که متخصصان دارای اطلاعات رزومه باشند کاربرد دارد.