سنجش میزان تکرار اطلاعات بازیابی شده فارسی در شبکه جهانگستر وب

چکیده پژوهش حاضر با هدف سنجش میزان تکرار اطلاعات بازیابی شده فارسی در وب و مقایسه موتورهای کاوش از لحاظ میزان توانمندی در بازیابی کمترین تکرار در محتوای نتایج انجام شد. این پژوهش، از دسته مطالعات توصیفی است که از روش¬های کمی و آمار توصیفی بهره می¬گیرد. و با توجه به مقایسه و ارزیابی موتورهای کاوش، در زمره تحقیقات ارزیابی نظام¬های بازیابی اطلاعات نیز محسوب¬ می¬شود. به عنوان جامعه پژوهش سه موتور کاوش گوگل، یاهو و بینگ که در سایتwww.searchenginewatch.com به عنوان پراستفاده¬ترین موتورهای کاوش معرفی شده بودند، در نظر گرفته شد. برای انتخاب موضوعات مورد بررسی، فهرست موضوعی پایگاه مجلات تخصصی نور (نورمگز)، مبنای عمل قرار گرفت. 15 موضوع انتخاب شد و برای هر موضوع 5 کلیدواژه استخراج گردید. 20 نتیجه اول کاوش مورد بررسی قرار گرفت. و میزان تکرار در هر موضوع سنجیده شد. یافته¬ها نشان داد که موضوعاتی همچون حقوق، جغرافیا، ادبیات با بیش از 70% تکرار در هر موتور کاوش بیشترین میزان را در بازیابی نتایج دارای محتوای تکراری به دست دادند. موتور کاوش گوگل با بازیابی تنها 8/42% کمترین میزان و موتور کاوش بینگ با بازیابی 33/58% بیشترین میزان را در بازیابی نتایج دارای محتوای تکراری به دست دادند. وبلاگ¬ها با 46% و خبرگزاری¬ها با 31% فراوانی، به عنوان بزرگترین گروه از سایت¬هایی که اقدام به کپی مطالب سایت¬های دیگر کرده بودند، شناسایی شدند و دایره¬المعارف¬هایی همچون ویکی¬پدیا با 44% فراوانی به عنوان سایت¬های مرجع شناسایی شدند. نتایجی که بر اساس یافته¬ها به دست آمد نشان از کثرت میزان تکرار در محتوای نتایج بازیابی شده اکثر موضوعات داشت. کلید واژه¬ها: تکرار اطلاعات، بازیابی اطلاعات، وب فارسی، موتورهای کاوش، اینترنت.