البحث عن المفاهيم

📅 آخر تحديث: ٢٦ يوليو ٢٠٢٦
✍️ نُشر في: ٢٦ يوليو ٢٠٢٦
الموسوعة الحرة

البحث المفاهيمي هو أسلوب آلي لاسترجاع المعلومات ، يُستخدم للبحث في النصوص غير المنظمة المخزنة إلكترونيًا ( مثل الأرشيفات الرقمية ، والبريد الإلكتروني، والمراجع العلمية، وغيرها) عن معلومات مشابهة مفاهيميًا للمعلومات الواردة في استعلام البحث . بعبارة أخرى، تكون الأفكار الواردة في المعلومات المسترجعة استجابةً لاستعلام البحث المفاهيمي ذات صلة بالأفكار الواردة في نص الاستعلام.

تطوير

طُوِّرت تقنيات البحث المفاهيمي نظرًا للقيود التي تفرضها تقنيات البحث التقليدية القائمة على الكلمات المفتاحية المنطقية عند التعامل مع مجموعات النصوص الرقمية الكبيرة وغير المنظمة. غالبًا ما تُظهر عمليات البحث بالكلمات المفتاحية نتائج تتضمن العديد من العناصر غير ذات الصلة ( نتائج إيجابية خاطئة ) أو تستبعد عددًا كبيرًا جدًا من العناصر ذات الصلة (نتائج سلبية خاطئة) بسبب تأثيرات الترادف وتعدد المعاني . الترادف يعني أن كلمة واحدة أو أكثر من كلمتين في اللغة نفسها تحمل المعنى نفسه، بينما يعني تعدد المعاني أن العديد من الكلمات الفردية لها أكثر من معنى.

يُعدّ تعدد المعاني عائقًا رئيسيًا أمام جميع أنظمة الحاسوب التي تحاول التعامل مع اللغة البشرية. ففي اللغة الإنجليزية، تحمل المصطلحات الأكثر استخدامًا عدة معانٍ مشتركة. على سبيل المثال، قد تعني كلمة "fire" ما يلي: عملية احتراق؛ إنهاء عمل؛ إطلاق؛ أو إثارة (كما في "fire up"). بالنسبة لأكثر 200 مصطلح متعدد المعاني في اللغة الإنجليزية، يمتلك الفعل النموذجي أكثر من 12 معنى مشتركًا. أما الاسم النموذجي من هذه المجموعة فيمتلك أكثر من 8 معانٍ مشتركة. وبالنسبة لأكثر 2000 مصطلح متعدد المعاني في اللغة الإنجليزية، يمتلك الفعل النموذجي أكثر من 8 معانٍ مشتركة، بينما يمتلك الاسم النموذجي أكثر من 5 معانٍ مشتركة. [ 1 ]

إضافةً إلى مشكلتي تعدد المعاني والترادف، قد تستبعد عمليات البحث بالكلمات المفتاحية الكلمات المكتوبة بشكل خاطئ سهوًا ، فضلًا عن اختلافات جذور الكلمات (مثلًا، strike مقابل strikeing). كما أن عمليات البحث بالكلمات المفتاحية عُرضة للأخطاء الناتجة عن عمليات المسح الضوئي بتقنية التعرف الضوئي على الحروف (OCR)، والتي قد تُدخل أخطاءً عشوائية في نصوص المستندات (يُشار إليها غالبًا بالنصوص المشوشة ) أثناء عملية المسح.

يمكن للبحث المفاهيمي التغلب على هذه التحديات من خلال استخدام إزالة الغموض عن معاني الكلمات (WSD)، [ 2 ] وتقنيات أخرى، لمساعدتها على استخلاص المعاني الفعلية للكلمات، ومفاهيمها الأساسية، بدلاً من مجرد مطابقة سلاسل الأحرف مثل تقنيات البحث عن الكلمات الرئيسية.

الأساليب

بشكل عام، يمكن تقسيم أبحاث وتقنيات استرجاع المعلومات إلى فئتين رئيسيتين: دلالية وإحصائية. تسعى أنظمة استرجاع المعلومات التي تندرج ضمن الفئة الدلالية إلى تطبيق قدر من التحليل النحوي والدلالي لنصوص اللغة الطبيعية التي قد يُدخلها المستخدم (انظر أيضًا اللغويات الحاسوبية ). أما الأنظمة التي تندرج ضمن الفئة الإحصائية، فتعتمد في إيجاد النتائج على مقاييس إحصائية لمدى تطابقها مع الاستعلام. مع ذلك، غالبًا ما تعتمد الأنظمة في الفئة الدلالية أيضًا على الأساليب الإحصائية لمساعدتها في العثور على المعلومات واسترجاعها. [ 3 ]

لقد استخدمت الجهود المبذولة لتزويد أنظمة استرجاع المعلومات بقدرات المعالجة الدلالية ثلاثة مناهج أساسية:

الهياكل المساعدة

طُبقت تقنيات متنوعة تعتمد على الذكاء الاصطناعي ومعالجة اللغة الطبيعية في المعالجة الدلالية، واعتمد معظمها على استخدام هياكل مساعدة مثل المفردات المُتحكَّم بها والأنطولوجيات . تسمح المفردات المُتحكَّم بها (القواميس والمعاجم) والأنطولوجيات بإدراج مصطلحات أوسع وأضيق، بالإضافة إلى المصطلحات ذات الصلة، في الاستعلامات. [ 4 ] تُعد المفردات المُتحكَّم بها إحدى طرق التغلب على بعض القيود الأكثر صرامة في استعلامات الكلمات المفتاحية المنطقية. على مر السنين، تم إنشاء هياكل مساعدة إضافية ذات أهمية عامة، مثل مجموعات المرادفات الكبيرة في WordNet . [ 5 ] وقد ثبت أن البحث عن المفاهيم القائم على هياكل مساعدة، مثل WordNet، يمكن تنفيذه بكفاءة من خلال إعادة استخدام نماذج الاسترجاع وهياكل البيانات الخاصة باسترجاع المعلومات التقليدي. [ 6 ] وقد طبقت المناهج اللاحقة قواعد نحوية لتوسيع نطاق البنى الدلالية. كما تم في السنوات الأخيرة إنشاء نماذج بيانات تمثل مجموعات من المفاهيم ضمن مجال معين ( أنطولوجيات المجال )، والتي يمكنها دمج العلاقات بين المصطلحات.

تُسهم المفردات المُتحكَّم بها يدويًا في كفاءة وشمولية عمليات استرجاع المعلومات وتحليل النصوص ذات الصلة، ولكنها تُحقق أفضل النتائج عندما تكون المواضيع مُحدَّدة بدقة والمصطلحات مُوحَّدة. تتطلب هذه المفردات تدخلًا بشريًا مكثفًا وإشرافًا دقيقًا لمواكبة التطور السريع للغة. كما أنها غير مُلائمة للكميات المتزايدة من النصوص غير المُهيكلة التي تُغطي عددًا غير محدود من المواضيع وتحتوي على آلاف المصطلحات الفريدة، نظرًا للحاجة المُستمرة إلى إدخال مصطلحات ومواضيع جديدة. كذلك، تميل المفردات المُتحكَّم بها إلى عكس وجهة نظر مُحدَّدة في وقت مُعيَّن، مما يجعل تعديلها صعبًا في حال تغيّر المفاهيم في مجال موضوع مُعيَّن. [ 7 ]

إحصاءات التواجد المشترك المحلي

تعتمد أنظمة استرجاع المعلومات التي تتبنى هذا النهج على حساب عدد مرات ظهور مجموعات المصطلحات معًا (التكرار المشترك) ضمن نطاق محدد من المصطلحات أو الجمل (على سبيل المثال، ± 5 جمل أو ± 50 كلمة) في المستند. ويستند هذا النهج إلى فكرة أن الكلمات التي تظهر معًا في سياقات متشابهة تحمل معاني متقاربة. وهو نهج محلي، إذ أن نطاق المصطلحات والجمل المستخدمة لتحديد التكرار المشترك للمصطلحات صغير نسبيًا.

هذا الأسلوب بسيط، لكنه لا يستوعب إلا جزءًا ضئيلاً من المعلومات الدلالية الموجودة في مجموعة النصوص. على أبسط المستويات، أظهرت تجارب عديدة أن ربع المعلومات الموجودة في النص تقريبًا ذات طبيعة محلية. [ 8 ] إضافةً إلى ذلك، لكي يكون هذا الأسلوب أكثر فعالية، فإنه يتطلب معرفة مسبقة بمحتوى النص، وهو ما قد يكون صعبًا مع مجموعات الوثائق الكبيرة وغير المنظمة. [ 7 ]

تقنيات التحويل

تعتمد بعض أقوى أساليب المعالجة الدلالية على استخدام تقنيات التحويل الرياضي. وقد حققت تقنيات تحليل المصفوفات نجاحًا كبيرًا. ومن بين تقنيات تحليل المصفوفات الشائعة الاستخدام ما يلي: [ 9 ]

تعتمد تقنيات تحليل المصفوفات على البيانات، مما يجنبها العديد من العيوب المرتبطة بالبنى المساعدة. كما أنها ذات طبيعة شاملة، مما يعني أنها قادرة على استخلاص المعلومات وتمثيلها بشكل أكثر قوة من التقنيات القائمة على إحصاءات التواجد المشترك المحلي. [ 7 ]

يُعد تحليل المكونات المستقلة تقنية تُنشئ تمثيلات متفرقة بطريقة آلية، [ 10 ] وتُضحي أساليب المصفوفات شبه المنفصلة وغير السالبة بدقة التمثيل من أجل تقليل التعقيد الحسابي. [ 7 ]

طُبقت تقنية تحليل القيم المفردة (SVD) لأول مرة على النصوص في مختبرات بيل في أواخر ثمانينيات القرن الماضي. واستُخدمت كأساس لتقنية تُسمى الفهرسة الدلالية الكامنة (LSI) لقدرتها على استخلاص المعنى الدلالي الكامن في مجموعة من النصوص. في البداية، كان تبني تقنية SVD بطيئًا نظرًا لمتطلبات الموارد اللازمة للتعامل مع مجموعات البيانات الضخمة. مع ذلك، توسع استخدام تقنية LSI بشكل ملحوظ في السنوات الأخيرة بعد التغلب على التحديات السابقة المتعلقة بقابلية التوسع والأداء. [ 11 ] بل وتم إتاحتها كمصدر مفتوح. [ 12 ] تُستخدم تقنية LSI في تطبيقات متنوعة لاسترجاع المعلومات ومعالجة النصوص، على الرغم من أن تطبيقها الأساسي كان للبحث عن المفاهيم وتصنيف المستندات آليًا. [ 13 ]

الاستخدامات

  • الاكتشاف الإلكتروني – تُستخدم تقنيات البحث القائمة على المفاهيم بشكل متزايد في اكتشاف المستندات الإلكترونية (EDD أو الاكتشاف الإلكتروني) لمساعدة المؤسسات على الاستعداد للتقاضي. في الاكتشاف الإلكتروني، تُعدّ القدرة على تجميع وتصنيف والبحث في مجموعات كبيرة من النصوص غير المهيكلة على أساس مفاهيمي أكثر كفاءة من تقنيات المراجعة الخطية التقليدية. وقد بات البحث القائم على المفاهيم يُعتبر طريقة بحث موثوقة وفعّالة، ومن المرجح أن يُنتج نتائج ذات صلة أكثر من عمليات البحث بالكلمات المفتاحية أو البحث المنطقي. [ 14 ]
  • البحث المؤسسي وإدارة المحتوى المؤسسي (ECM) - تُستخدم تقنيات البحث المفاهيمي على نطاق واسع في البحث المؤسسي. ومع تزايد حجم المعلومات داخل المؤسسة، أصبحت القدرة على تجميع وتصنيف والبحث في مجموعات كبيرة من النصوص غير المهيكلة على أساس مفاهيمي أمرًا ضروريًا. في عام 2004، قدّرت مجموعة غارتنر أن المحترفين يقضون 30% من وقتهم في البحث عن المعلومات واسترجاعها وإدارتها. [ 15 ] ووجدت شركة الأبحاث IDC أن شركة تضم 2000 موظف يمكنها توفير ما يصل إلى 30 مليون دولار سنويًا عن طريق تقليل الوقت الذي يقضيه الموظفون في محاولة العثور على المعلومات وتكرار المستندات الموجودة. [ 15 ]
  • استرجاع الصور القائم على المحتوى (CBIR) - تُستخدم المناهج القائمة على المحتوى للاسترجاع الدلالي للصور والفيديوهات الرقمية من مجموعات بيانات مرئية ضخمة. كان محرك البحث ImageScape من أوائل أنظمة استرجاع الصور القائمة على المحتوى التي عالجت المشكلة الدلالية. في هذا النظام، كان بإمكان المستخدم إجراء استعلامات مباشرة عن عناصر مرئية متعددة، مثل السماء والأشجار والماء، باستخدام أيقونات موضوعة مكانيًا في فهرس شبكة الويب العالمية (WWW) الذي يحتوي على أكثر من عشرة ملايين صورة وفيديو باستخدام الإطارات الرئيسية. استخدم النظام نظرية المعلومات لتحديد أفضل الميزات لتقليل عدم اليقين في التصنيف. [ 16 ] غالبًا ما يُشار إلى الفجوة الدلالية فيما يتعلق باسترجاع الصور القائم على المحتوى. تشير الفجوة الدلالية إلى الفجوة بين المعلومات التي يمكن استخلاصها من البيانات المرئية والتفسير الذي تقدمه هذه البيانات للمستخدم في موقف معين. [ 17 ] تُخصص ورشة عمل ACM SIGMM حول استرجاع معلومات الوسائط المتعددة [ 18 ] لدراسات استرجاع الصور القائم على المحتوى.
  • الوسائط المتعددة والنشر - يستخدم قطاعا الوسائط المتعددة والنشر البحث المفاهيمي لتزويد المستخدمين بإمكانية الوصول إلى الأخبار والمعلومات التقنية والخبرات المتخصصة من مصادر متنوعة غير منظمة. وقد اكتسبت أساليب استرجاع معلومات الوسائط المتعددة القائمة على المحتوى أهمية خاصة عندما تكون التعليقات النصية مفقودة أو غير مكتملة. [ 16 ]
  • تُتاح الصور والفيديوهات والموسيقى والنصوص الموجودة في المكتبات والأرشيفات الرقمية لمجموعات كبيرة من المستخدمين (خاصةً على الإنترنت) من خلال تقنيات البحث المفاهيمي. فعلى سبيل المثال، يستخدم برنامج Executive Daily Brief (EDB)، وهو منتج لمراقبة معلومات الأعمال والتنبيهات طوّرته شركة EBSCO Publishing ، تقنية البحث المفاهيمي لتزويد المستخدمين النهائيين في الشركات بإمكانية الوصول إلى مكتبة رقمية تضم مجموعة واسعة من محتوى الأعمال. وبالمثل، أدى مشروع Music Genome Project إلى ظهور منصة Pandora، التي تستخدم البحث المفاهيمي لإنشاء مكتبات موسيقية فردية أو محطات إذاعية افتراضية بشكل تلقائي.
  • استرجاع المعلومات الجينومية (GIR) - يستخدم استرجاع المعلومات الجينومية (GIR) تقنيات البحث عن المفاهيم المطبقة على قواعد بيانات الأدبيات الجينومية للتغلب على غموض الأدبيات العلمية.
  • التوظيف والتعيين في مجال الموارد البشرية - اعتمدت العديد من منظمات التوظيف والتعيين في مجال الموارد البشرية تقنيات البحث المفاهيمي لإنتاج نتائج بحث عن السير الذاتية ذات صلة عالية توفر سير ذاتية للمرشحين أكثر دقة وملاءمة من نتائج الكلمات الرئيسية ذات الصلة بشكل فضفاض.

البحث الفعال

تعتمد فعالية البحث المفاهيمي على عدة عوامل، منها مجموعة البيانات التي يتم البحث فيها ومحرك البحث المستخدم لمعالجة الاستعلامات وعرض النتائج. ومع ذلك، فإن معظم محركات البحث المفاهيمي تعمل بكفاءة أكبر مع أنواع معينة من الاستعلامات.

  • تتألف الاستعلامات الفعّالة من نص كافٍ لنقل المفاهيم المقصودة بشكل وافٍ. وقد تشمل هذه الاستعلامات جملًا كاملة، أو فقرات، أو حتى مستندات كاملة. أما الاستعلامات التي تتكون من بضع كلمات فقط، فمن غير المرجح أن تُظهر النتائج الأكثر صلة.
  • لا تتضمن الاستعلامات الفعّالة مفاهيم لا تتعلق بموضوع البحث. فإدراج عدد كبير من المفاهيم غير ذات الصلة في الاستعلام قد يؤثر سلبًا على مدى ملاءمة نتائج البحث. على سبيل المثال، من المرجح أن يُظهر البحث عن معلومات حول الإبحار في نهر المسيسيبي نتائج أكثر صلة من البحث عن الإبحار في نهر المسيسيبي في يوم ممطر في منتصف صيف عام ١٩٦٧.
  • تُصاغ الاستعلامات الفعّالة بأسلوب لغوي طبيعي وكامل، مشابه لأسلوب الوثائق التي يتم البحث فيها. على سبيل المثال، لن يكون استخدام استعلامات تتألف من مقتطفات من كتاب تمهيدي في العلوم فعالاً في البحث عن المفاهيم إذا كانت مجموعة البيانات التي يتم البحث فيها تتكون من نصوص علمية متقدمة على مستوى الجامعة. وبشكل عام، تكون الاستعلامات الشاملة التي تُمثل بشكل أفضل المفاهيم والأساليب واللغة العامة للعناصر التي يُجرى البحث عنها أكثر فعالية.

كما هو الحال مع جميع استراتيجيات البحث، يُحسّن الباحثون ذوو الخبرة استعلاماتهم عادةً من خلال عمليات بحث متعددة، بدءًا باستعلام أولي للحصول على نتائج ذات صلة مفاهيمية، والتي يمكن استخدامها بعد ذلك لصياغة و/أو تحسين استعلامات إضافية للحصول على نتائج أكثر صلة. اعتمادًا على محرك البحث، قد يكون استخدام مفاهيم الاستعلام الموجودة في نتائج البحث بسيطًا مثل تحديد مستند وإجراء عملية البحث عن نتائج مشابهة . يُطلق على تغيير الاستعلام بإضافة مصطلحات ومفاهيم لتحسين صلة النتائج اسم توسيع الاستعلام . [ 19 ] وقد دُرست إمكانية استخدام الأنطولوجيات ، مثل WordNet، لتوسيع الاستعلامات بكلمات ذات صلة مفاهيمية. [ 20 ]

ملاحظات حول مدى ملاءمة المنتج

تُعدّ خاصية تقييم الصلة ميزةً تُساعد المستخدمين على تحديد ما إذا كانت نتائج البحث تُلبّي احتياجاتهم المعلوماتية. بعبارة أخرى، تُقيّم الصلة بناءً على الحاجة المعلوماتية، وليس على أساس البحث نفسه. يُعتبر المستند ذا صلة إذا كان يُلبّي الحاجة المعلوماتية المُحدّدة، وليس لمجرد احتوائه على جميع الكلمات الواردة في البحث. [ 21 ] تُتيح هذه الخاصية إشراك المستخدمين في عملية البحث لتحسين النتائج النهائية . [ 21 ] يُمكن للمستخدمين تحسين استعلاماتهم بناءً على نتائجهم الأولية لرفع جودة النتائج النهائية.

بشكل عام، تشير ملاءمة البحث عن المفاهيم إلى درجة التشابه بين المفاهيم الواردة في الاستعلام والمفاهيم الموجودة في نتائج البحث. فكلما زاد تشابه المفاهيم في النتائج مع المفاهيم الواردة في الاستعلام، زادت ملاءمة النتائج. وعادةً ما تُرتّب النتائج وتُصنّف حسب الملاءمة، بحيث تظهر النتائج الأكثر ملاءمة في أعلى قائمة النتائج، والنتائج الأقل ملاءمة في أسفلها.

أثبتت الدراسات فعالية التغذية الراجعة المتعلقة بالملاءمة في تحسين ملاءمة النتائج. [ 21 ] يقلل البحث المفاهيمي من خطر إغفال نتائج مهمة، إذ تُعرض جميع النتائج المرتبطة بالمفاهيم الواردة في الاستعلام، سواءً احتوت على نفس الكلمات المستخدمة فيه أم لا. [ 15 ]

سيظل الترتيب جزءًا لا يتجزأ من أي نظام حديث لاسترجاع المعلومات. ومع ذلك، فإن مشكلات البيانات غير المتجانسة، والحجم، وأنواع الخطاب غير التقليدية التي تنعكس في النص، بالإضافة إلى حقيقة أن محركات البحث ستصبح بشكل متزايد مكونات متكاملة لعمليات إدارة المعلومات المعقدة، وليست مجرد أنظمة مستقلة، ستتطلب أنواعًا جديدة من استجابات النظام للاستعلام. على سبيل المثال، تتمثل إحدى مشكلات القوائم المرتبة في أنها قد لا تكشف عن العلاقات الموجودة بين بعض عناصر النتائج. [ 22 ]

إرشادات لتقييم محرك بحث المفاهيم

  1. ينبغي أن تكون عناصر النتائج ذات صلة بالحاجة إلى المعلومات التي تعبر عنها المفاهيم الواردة في عبارات الاستعلام، حتى لو كانت المصطلحات المستخدمة من قبل عناصر النتائج مختلفة عن المصطلحات المستخدمة في الاستعلام.
  2. ينبغي فرز عناصر النتائج وترتيبها حسب مدى صلتها بالموضوع.
  3. ينبغي تحديد عناصر النتائج ذات الصلة وعرضها بسرعة. حتى الاستعلامات المعقدة ينبغي أن تُظهر نتائج ذات صلة بسرعة معقولة.
  4. يجب ألا يكون طول الاستعلام محددًا ، أي يمكن أن يكون الاستعلام طويلًا حسب الحاجة. يمكن إرسال جملة أو فقرة أو حتى مستند كامل كاستعلام.
  5. لا ينبغي أن يتطلب الاستعلام المفاهيمي أي صيغة خاصة أو معقدة. يمكن التعبير عن المفاهيم الواردة في الاستعلام بوضوح وبروز دون استخدام أي قواعد خاصة.
  6. ينبغي السماح بالاستعلامات المركبة التي تستخدم المفاهيم والكلمات المفتاحية والبيانات الوصفية. [ 23 ]
  7. ينبغي أن تكون الأجزاء ذات الصلة من عناصر النتائج قابلة للاستخدام كنص استعلام ببساطة عن طريق تحديد العنصر وإخبار محرك البحث بالعثور على عناصر مماثلة .
  8. ينبغي إنشاء الفهارس الجاهزة للاستعلام بسرعة نسبية.
  9. ينبغي أن يكون محرك البحث قادراً على إجراء عمليات بحث موحدة . يُمكّن البحث الموحد من استخدام استعلامات المفاهيم للبحث في مصادر بيانات متعددة في وقت واحد عن المعلومات، والتي يتم دمجها وفرزها وعرضها في النتائج.
  10. لا ينبغي أن يتأثر البحث عن المفاهيم بالكلمات المكتوبة بشكل خاطئ أو الأخطاء المطبعية أو أخطاء مسح التعرف الضوئي على الحروف في نص الاستعلام أو في نص مجموعة البيانات التي يتم البحث فيها.

المؤتمرات والمنتديات

يُعدّ تقييم محركات البحث بشكل منهجي عملية مستمرة منذ سنوات عديدة. فعلى سبيل المثال، تأسس مؤتمر استرجاع النصوص (TREC) عام ١٩٩٢ لدعم البحوث في مجال استرجاع المعلومات، وذلك بتوفير البنية التحتية اللازمة لإجراء تقييم واسع النطاق لمنهجيات استرجاع النصوص. وتتضمن معظم محركات البحث التجارية الحالية تقنيات طُوّرت لأول مرة في مؤتمر TREC. [ ٢٤ ]

في عام ١٩٩٧، أُطلق مشروع ياباني مُماثل لمشروع TREC، يُعرف باسم المعهد الوطني لجمع اختبارات أنظمة استرجاع المعلومات (NTCIR). يُجري NTCIR سلسلة من ورش العمل التقييمية لأبحاث استرجاع المعلومات، والإجابة على الأسئلة، والتلخيص الآلي ، وغيرها. وفي عام ٢٠٠١، انطلقت سلسلة أوروبية من ورش العمل تُسمى منتدى التقييم متعدد اللغات (CLEF) لدعم أبحاث الوصول إلى المعلومات متعددة اللغات. وفي عام ٢٠٠٢، أُنشئت مبادرة تقييم استرجاع XML (INEX) لتقييم أنظمة استرجاع XML الموجهة نحو المحتوى .

تُعدّ الدقة والاستدعاء من المقاييس التقليدية لتقييم أداء أنظمة استرجاع المعلومات. الدقة هي نسبة المستندات المسترجعة ذات الصلة باحتياجات المستخدم المعلوماتية. أما الاستدعاء، فيُعرّف بأنه نسبة المستندات ذات الصلة في المجموعة الكاملة التي يتم إرجاعها كمستندات نتائج. [ 21 ]

على الرغم من أن ورش العمل ومجموعات الاختبارات المتاحة للجمهور، والمستخدمة في اختبار محركات البحث وتقييمها، قد قدمت رؤى قيّمة حول كيفية إدارة المعلومات واسترجاعها، إلا أن هذا المجال لم يتناول سوى جزء يسير من التحديات التي يواجهها الأفراد والمؤسسات في إيجاد المعلومات وإدارتها واستخدامها في ظل وفرة المعلومات المتاحة. [ 22 ] لا تزال البيانات العلمية حول كيفية استخدام الأفراد لأدوات المعلومات المتاحة لهم اليوم غير مكتملة، لأن منهجيات البحث التجريبي لم تتمكن من مواكبة وتيرة التغيير السريعة. ولا تزال هناك العديد من التحديات التي تتطلب معالجة، مثل البحث السياقي، وإدارة المعلومات الشخصية، وتكامل المعلومات، ودعم المهام. [ 22 ]

انظر أيضاً

مراجع

  1. ↑ برادفورد، آر بي، إزالة الغموض عن معاني الكلمات، شركة محللي المحتوى ، ذ.م.م، براءة اختراع أمريكية رقم 7415462، 2008.
  2. ↑ R. Navigli, Word Sense Disambiguation: A Survey , ACM Computing Surveys, 41(2), 2009.
  3. ↑ جرينجراس، إي.، استرجاع المعلومات: دراسة استقصائية، 2000.
  4. ^ دوبوا، سي.، استخدام المعجم في الاسترجاع عبر الإنترنت، مجلة علم المعلومات، 8 (2)، 1984 مارس، ص 63-66.
  5. ↑ ميلر، ج.، عدد خاص، WordNet: قاعدة بيانات معجمية على الإنترنت ، المجلة الدولية لعلم المعاجم، 3(4)، 1990.
  6. ↑ فاوستو جيونشيليا، وأولادزيمير خاركيفيتش، وإيليا زايهرايو. بحث المفاهيم مؤرشف بتاريخ 10 فبراير 2014 على موقع Wayback Machine ، ضمن وقائع المؤتمر الأوروبي للويب الدلالي، 2009.
  7. 1 2 3 4 برادفورد، آر بي، لماذا LSI؟ الفهرسة الدلالية الكامنة واسترجاع المعلومات، ورقة بيضاء، شركة محلل المحتوى ، ذ.م.م، 2008.
  8. ↑ Landauer, T., and Dumais, S., A Solution to Plato's Problem: The Latent Semantic Analysis Theory of Acquisition, Induction, and Representation of Knowledge , Psychological Review, 1997, 104(2), pp. 211-240.
  9. ↑ سكيلكورن، د.، فهم مجموعات البيانات المعقدة: استخراج البيانات باستخدام تحليل المصفوفات ، دار نشر سي آر سي، 2007.
  10. ↑ هونكيلا، ت.، هيفارينين، أ.، وفيرينين، ج. WordICA - ظهور تمثيلات لغوية للكلمات من خلال تحليل المكونات المستقلة. هندسة اللغة الطبيعية، 16(3):277-308، 2010
  11. ↑ ريهوريك، راديم (2011). "قابلية التوسع في التحليل الدلالي في معالجة اللغة الطبيعية" (ملف PDF) . تم الاطلاع عليه بتاريخ 27 يناير 2015 .
  12. ↑ برنامج Gensim مفتوح المصدر
  13. ↑ Dumais, S., التحليل الدلالي الكامن، مراجعة ARIST لعلوم وتكنولوجيا المعلومات، المجلد 38، الفصل 4، 2004.
  14. ↑ القاضي جون إم. فاسيوولا من محكمة مقاطعة الولايات المتحدة لمنطقة واشنطن العاصمة، مجلس حقوق ذوي الإعاقة ضد هيئة النقل الحضري في واشنطن، 242 FRD 139 (DDC 2007)، نقلاً عن جورج إل. بول وجيسون آر. بارون، "تضخم المعلومات: هل يمكن للنظام القانوني التكيف؟" 13 Rich. JL & Tech. 10 (2007).
  15. 1 2 3 لابلانش، ر.، ديلجادو، ج.، تورك، م.، تكنولوجيا البحث عن المفاهيم تتجاوز الكلمات المفتاحية، آفاق المعلومات، يوليو 2004.
  16. 1 2 Lew, MS, Sebe, N., Djeraba, C., Jain, R., Content-based Multimedia Information Retrieval: State of the Art and Challenges , ACM Transactions on Multimedia Computing, Communications, and Applications, February 2006.
  17. ↑ داتا ر.، جوشي، د.، لي ج.، وانغ، ج.ز.، استرجاع الصور: أفكار وتأثيرات واتجاهات العصر الجديد ، مجلة ACM Computing Surveys، المجلد 40، العدد 2، أبريل 2008.
  18. ↑ "Mir 2004" . www.liacs.nl . مؤرشف من الأصل في 7 مارس 2014. تم الاطلاع عليه في 12 يناير 2022 .
  19. ↑ روبرتسون، إس إي ، سبارك جونز، ك. ، مناهج بسيطة ومثبتة لاسترجاع النصوص، تقرير فني، مختبر الحاسوب بجامعة كامبريدج، ديسمبر 1994.
  20. ↑ نافيلي، ر.، فيلاردي، ب. تحليل استراتيجيات توسيع الاستعلامات القائمة على الأنطولوجيا. مؤرشف في 26 أبريل 2012 على موقع Wayback Machine . وقائع ورشة عمل حول استخراج النصوص والتنقيب التكيفي (ATEM 2003) ، في المؤتمر الأوروبي الرابع عشر للتعلم الآلي (ECML 2003) ، كافتا-دوبروفنيك، كرواتيا، 22-26 سبتمبر 2003، الصفحات 42-49
  21. 1 2 3 4 مانينغ، سي دي، راغافان بي، شوتز إتش، مقدمة في استرجاع المعلومات، مطبعة جامعة كامبريدج، 2008.
  22. 1 2 3 كالان، ج.، ألان، ج.، كلارك، سي إل إيه، دومايس، س.، إيفانز، د.، أ.، ساندرسون، م.، تشاي، سي.، اجتماع العقول: أجندة بحثية لاسترجاع المعلومات ، ACM، منتدى SIGIR، المجلد 41 العدد 2، ديسمبر 2007.
  23. ↑ Rehurek, R., نظام مشترك للبحث عن تشابه المتجهات يعتمد على فهرس النص الكامل المعكوس، محرك بحث ScaleText ، براءة اختراع أمريكية معلقة رقم 15726803، 2017.
  24. ↑ كروفت، ب.، ميتزلر، د.، سترومان، ت.، محركات البحث، استرجاع المعلومات في الممارسة العملية، أديسون ويسلي، 2009.