ارائه روشي جديد براي شاخص گذاري خودكار و استخراج كلمات كليدي براي بازيابي اطلاعات و خوشه بندي متون

در زبان فارسي كلمات داراي صورت هاي نگارشي متنوعي هستند و پوشش كليه حالات دستوري كلمات با به كارگيري يك سري قواعد معين ناممكن است به همين دليل استخراج كلمات كليدي به طور خودكار از متون فارسي دشوار و پيچيده است. در اين مقاله سعي شده است با استفاده از اطلاعات زبان شناختي و اصطلاح نامه ، كلمات كليدي بامعناتري ارائه شود. با استفاده از اصطلاح نامه كه از نظامي ساختارمند برخوردار است مي توان شبكه كلمات كليدي، شامل كلمات هم ارز، كلمات سلسله مراتبي و وا بسته را تكميل كرده و افزايش داد. بنابراين مي توان توافق بين جستجوي كاربران و كلمات كليدي متني را بيشتر نمود و جامعيت جستجو را افزايش داد. در مرحله اول كلمات غير مهم و عمومي حذف مي شوند. سپس كلمات متن ريشه يابي مي شوند و در ادامه براي مشخص شدن اهميت نسبي كلمات با استفاده از روش هاي وزن دهي يك وزن عددي به هر كلمه منسوب مي گردد كه بيانگر ميزان تاثير كلمه در ارتباط با موضوع متن و درمقايسه با ساير كلمات بكار رفته در متن است . مجموعه عمليات فوق خصوصاً استفاده از اصطلاح نامه باعث مي شود كه دسته بندي متون دقيق تر انجام گيرد و به نوعي رده علمي سلسله مراتبي متون در حوزه بازيابي اطلاعات نيز مشخص مي شود. نتايج آزمايش ها روي چندين متن در موضوعات مختلف نشان دهنده دقت و توانايي روش پيشنهادي در استخراج كلمات كليدي منطبق با خواست كاربر است و در نتيجه خوشه بندي دقيق تر متون مي باشد.