یک روش نوین بازیابی اطلاعات با تلفیق مدلهای فازی و فضای برداری

گرانبار شدن اطلاعات همراه با بازیابی اطلاعات یک مشکل عمده در وب کنونی به شمار می رود. برای مقابله با این مشکل، روشهای بسیاری برای بازیابی اطلاعات ارائه شده اند که بازیابی اسناد را با کاربران براساس علایق و نحوه پرسش آن ها سازگار می کنند. یک مولفه ی اساسی در هر سیستم بازیابی اطلاعات، کلمات کلیدی آن است. محتوای صفحات یک سند را می توان به منظور ایجاد مدل دقیق تری از کاربر مورد استفاده قرار داد، اما رویکردهای مبتنی بر کلمات کلیدی نگرش عمیقی از اسناد ندارند. اخیرا تحقیقاتی برای ترکیب کردن معنای موجود در وب سایت در نمایش کاربران آن انجام شده است. تمامی این تلاش ها یا از یک رده بندی یا واژگان شناختی خاص و دست ساخته و یا از واژگان شناختی های عمومی مانند wordnet برای نگاشت کلمات کلیدی مرتبط به پرسشها استفاده می کنند. با این وجود ساختن یک سلسله مراتب از مفاهیم بصورت دستی زمان بر و هزینه بر است. از سوی دیگر منابع معنایی لغوی عمومی از پوشش کم عبارات خاص دامنه رنج می برند. در این پایان نامه ما قصد داریم که هر دوی این نقص ها را برطرف کنیم. دستاورد اصلی ما این است که مکانیسمی برای بهبود بازیابی اطلاعات با ترکیب مدل فضای برداری(vector space model) و مدل فازی(fuzzy model) معرفی می کنیم. معماری ارائه شده شامل تعدادی مولفه است که عبارتند از: پیش پردازش اولیه، استخراج استخراج کلمات کلیدی از اسناد و پرسشها، سازنده ی بردار اسناد و پرسشها و نگاشت کلمات کلیدی مرتبط با پرسشها. دستاورد مهم دیگر استفاده از ساختار وب سایت برای محدود کردن خودکار مفاهیم خاص دامنه می باشد. سرانجام، آخرین دستاورد آن یک روش جدید نگاشت کلمات کلیدی به پرسشها است. ارزیابی های ما نشان می دهد که روش پیشنهادی همراه با منبع معنایی لغوی جامع آن کاربران را بصورت موثرتری نسبت به روش کلمات کلیدی وروش فضای برداری و فازی و نیز روش های بر مبنای wordnet نمایندگی می کند.