بسط پرس وجو به عنوان یکی از روش های انطباق پرس وجو، اثربخشی جستجو را در بازیابی اطلاعات افزایش می دهد. بازخورد شبه مرتبط (PRF) روشی برای بسط پرس وجو است که فرض می کند اسناد رتبه بالا از نتایج اولیه مرتبط به موضوع پرس وجو هستند و کلمات بسط را از این اسناد انتخاب می کند. درحالی که ممکن است اسناد نامرتبط به پرس وجو در اسناد رتبه بالا وجود داشته باشد. روش هایی برای انتخاب اسناد مرتبط و نادیده گرفتن اسناد خطا از اسناد رتبه بالا ارائه شده است که از خوشه بندی و یا طبقه بندی اسناد استفاده کرده اند. مهم ترین موضوع در بسط پرس وجو، انتخاب کلمات بسط از مرتبط-ترین اسناد است. در این مقاله ما خوشه بندی اسناد شبه بازخورد را بر اساس شباهت حساس به پرس وجو ارائه می کنیم که در قرار دادن شبیه ترین اسناد در کنار هم موثر است. شباهت حساس به پرس وجو که نسبت به شباهت مبتنی بر کلمه نتایج بهتری را در بازیابی اسناد بدست آورده است، دلیل استفاده در این مقاله است. خوشه ها را مطابق با شباهت درونی شان رتبه بندی کرده و تعدادی از خوشه های رتبه بالا را برای بسط انتخاب می کنیم. کلمات بسط را از اسناد خوشه های انتخاب شده، بر اساس تابع رتبه بندی TF-IDF استخراج می کنیم. آزمایش های انجام شده روی مجموعه داده پزشکی MED نشان می دهد که نتایج جستجو برای پرس وجوهای بسط داده شده با اسناد انتخاب شده از خوشه ها، نسبت به روش بازخورد شبه مرتبط (PRF) و بازیابی اولیه (VSM) بهتر است و اثربخشی جستجو را افزایش می دهد.

مقدمه: رشد روزافزون اطلاعات موجود در اینترنت و سربار زیاد اطلاعاتی، چالش مهمی برای کاربران در جهت دسترسی به اطلاعات موردنیازشان ایجاد کرده است. امروزه توصیه گرهای پرس وجو به یک جزء جدایی ناپذیر سیستم های بازیابی اطلاعات تبدیل شده اند. یکی از کاربردهای این توصیه گرها در زمینه علوم پزشکی است. این سیستم ها با به کارگیری فرایندهای شخصی سازی سعی در تسکین مشکل سرریز اطلاعات در وب و سرعت بخشیدن به جستجوی اطلاعات پزشکی کاربران دارند.روش: این پژوهش از نوع کاربردی و توصیفی است. در این پژوهش سعی شد با استفاده از ویژگی های محتوایی پرس وجوها و نتایج جستجو روشی ارائه شود که ضمن حفظ ارتباط معنایی با پرس وجوی اصلی، کاربران را سریع تر به نیازهای اطلاعاتی شان برساند. به منظور خوشه بندی پرس وجوها از الگوریتم K-means استفاده شد. پیاده سازی روش پیشنهادی با استفاده از زبان برنامه نویسی جاوا و نرم افزار NetBeans IDE صورت گرفت.نتایج: با توجه به سیستم پیشنهادی، استفاده توامان از ویژگی های ساختاری پرس وجوها و نتایج جستجو حاوی اطلاعاتی مفیدی برای تشخیص پرس وجوهای مشابه است. از آن جا که امکان وجود کلمات چندمعنا در پرس وجوی کاربران وجود دارد، استفاده از نتایج جستجو می تواند در امر تشخیص هدف کاربر از پرس وجو مفید باشد.نتیجه گیری: نتایج حاصل از ارزیابی روش پیشنهادی با دادگان واقعی مربوط به موتور جستجوی بومی پارسی جو، بیانگر موثر بودن این روش در بهبود دقت توصیه نسبت به سایر روش ها است. طبق ارزیابی های انجام شده، دقت سیستم پیشنهادی برابر با 77.24% است که در مقایسه با مطالعات مطرح در این زمینه، 10% بهبود داشته است.

کاربران نوجوان هنگام جستجوی موضوع های مورد نظرشان، دایره لغات محدودی را در فرمول بندی پرس وجو به کار می برند. مساله مهم دیگر آن است که کاربران نوجوان غالبا بر روی اقلام اولیه ارائه شده در لیست نتایج جستجو کلیک می کنند. در این پژوهش برای ترمیم و جبران این ویژگی ها، پیشنهاد می شود که الگوی موضوعی از روی رفتار کاربر نوجوان بر اساس جستجوهای قبلی کشف شوند و با تکیه بر الگوهای یافت شده، پرس وجوی مناسب استخراج و به کاربر نوجوان پیشنهاد گردد. در روش پیشنهادی، الگوهای موضوعی بر اساس ویژگی محبوبیت کلیک ها و مرتبط ترین موضوع ها از روی لاگ های جستجو که عموما حجیم هستند استخراج می گردند. در ادامه با استفاده از کلاسه بندی دودویی، نزدیک ترین پرس وجو به پرس وجوی مورد نظر کاربر نوجوان مشخص می شود. در نتیجه با فیلترنمودن نویز ناوبری موضوعی بر اساس استخراج الگوهای موضوعی کلیک های کاربران نوجوان یک مدل کاربر با دقت بالاتری برای پیشنهاد پرس وجو حاصل می گردد. روش پیشنهادی با استفاده از ابزارهای Alteryx و weka پیاده سازی و عملکرد آن بر روی لاگ جستجوی AOL که شامل حدود20 میلیون نمونه تراکنش جستجو مربوط به 650 هزار کاربر می باشد ارزیابی گردید. نتایج آزمایش ها نشان می دهند که پرس وجوهای ارائه شده توسط سیستم پیشنهادی به پرس وجوی مورد نظر کاربر نوجوان نزدیک تر است و به تبع آن موجب بهبود دستیابی به نتایج مرتبط می گردد.

مقدمه یکی از عوامل عدم موفقیت در بازیابی اطلاعات، ارائه نیاز اطلاعاتی کاربران در پرس وجوهای کوتاه و مبهم به نظام های اطلاعاتی است. گسترش پرس وجو با افزودن اصطلاحات مناسب به پرس وجوهای کاربران، راه حلی مناسب برای حل این مشکل است. هدف پژوهش حاضر مرور نظام مند متون پژوهشی گسترش پرس وجو در زبان فارسی است. روش شناسی فارسی و انگلیسی منابع اطلاعات علمی با کلیدواژه های مرتبط، تعداد 35 اثر به زبان فارسی و 18 اثر به زبان انگلیسی شناسایی شد. سپس با اعمال پالایش اولیه، معیارهای ورود و خروج از مطالعه و کنترل توسط متخصصان، تعداد شش اثر فارسی و هشت اثر انگلیسی برای ورود به مرور نظام مند انتخاب شدند. با طراحی کاربرگی، استخراج اطلاعات از آثار صورت پذیرفت. در ادامه، یافته های مرور نظام مند در پی دستیابی به چهار هدف پژوهش تحلیل شدند: شناسایی روش ها؛ شناسایی منابع دانشی؛ شناسایی مجموعه آزمون ها؛ و شناسایی شکاف های پژوهشی و ارائه پیشنهادهایی برای پژوهش های آینده در گسترش پرس وجوی زبان فارسی. یافته ها مرور پژوهش ها نشان داد 14 اثر به گسترش پرس وجوی زبان فارسی پرداخته اند. این آثار براساس منابع دانشی اصطلاحات گسترش به چهار دسته تقسیم شدند: مبتنی بر ربط (هشت اثر)؛ مبتنی بر ساختارهای دانش (دو اثر)، مبتنی بر اطلاعات وب (دو اثر)، و مبتنی بر منابع ترکیبی (دو اثر). اغلب این پژوهش ها بر روی اسناد خبری انجام شده اند و از مجموعه آزمون روزنامه همشهری در نیمی از پژوهش ها به عنوان منبع دانشی اصطلاحات گسترش و نیز مجموعه آزمون استفاده شده است. نتیجه گیری تحقیقات حوزه گسترش پرس وجو در زبان فارسی نیازمند توسعه کمی با استفاده از روش های متنوع و به ویژه روش های مبتنی بر منابع ترکیبی است. منابع دانشی مختلف به ویژه هستی شناسی ها و منابع وب می بایست برای گسترش پرس وجو در زبان فارسی مورد توجه و استفاده قرار گیرند. همچنین استفاده از مجموعه آزمون های استاندارد برای پژوهشگران این امکان فراهم می کند که بتوانند روش های مختلف را با هم مقایسه کنند.

در سال­ های اخیر، استفاده از موتورهای جست وجو افزایش روزافزون داشته و نیاز به توسعه روش های دقیق تر بازیابی و رتبه بندی اسناد بیشتر شده است؛ درنتیجه پیش­بینی عملکرد موتورهای جست وجو، یکی از الزامات و چالش ­های بازیابی اطلاعات محسوب می شود. اگر بتوان عملکرد پرس­ وجوها را پیش از مرحله بازیابی یا بعد از آن تخمین زد، می­ توان اقدامات خاصی را برای بهبود بازیابی انجام داد. پیش بینی عملکرد پرس وجو بر تخمین دشواری برآوردن درخواست کاربر برای یک روش بازیابی خاص متمرکز است. این پژوهش، به بررسی عملکرد پرس وجو با کمک روش های پس از بازیابی می پردازد؛ در این راستا از روش ­های بدون نظارت استفاده می شود و به خوشه­ بندی و اندازه­ گیری معیارهای مختلف جهت ارزیابی عملکرد پاسخ ­دهی پرس ­وجوها می ­پردازیم؛ درنهایت کار خود را با روش ­های بدون نظارت موجود در ادبیات این حوزه مقایسه خواهیم کرد. نتایج نشان می دهد روش پیشنهادی پژوهش حاضر توانست ضریب اسپیرمن را در مجموعه داده TREC DL 2019 و DL-Hard به ترتیب 0.009 و 0.163 و در مجموعه داده TREC DL 2020 ضریب پیرسون را 0.037 نسبت به بهترین کار موجود افزایش دهد.

بسط پرس وجو یکی از روش های موثر در بهبود اثربخشی نتایج بازیابی اطلاعات است. روش بازخورد شبه مرتبط (PRF) فرض می کند که اسناد رتبه بالا از نتایج اولیه بازیابی شده مرتبط به پرس وجو است و تعدادی کلمه مرتبط را از اسناد رتبه بالا برای بسط انتخاب می کند. وجود اسناد نامرتبط در بین اسناد رتبه بالا محققان را به ارائه روش هایی برای انتخاب بهترین اسناد به عنوان منبع برای انتخاب کلمه بسط سوق می دهد که انتخاب بهترین اسناد برای استخراج کلمات مرتبط برای بسط، موضوع مهمی در روش های بسط پرس وجو هست. در این مقاله، از خوشه بندی اسناد شبه بازخورد (CPRF) حاصل از نتایج اولیه، بر اساس شباهت مبتنی بر کلمه برای قرار دادن شبیه ترین اسناد کنار هم استفاده می شود. تعدادی از خوشه ها طبق محتوایشان به عنوان خوشه های بازخورد انتخاب می شوند و از خوشه های بازخورد، اسناد رتبه بالا به عنوان اسناد بازخورد انتخاب می شوند. سپس، یک سند ترکیبی از روی اسناد انتخابی تشکیل می شود و کلمات سند ترکیبی بر اساس تابع رتبه بندی TF-IDF مرتب می شوند. بعد، کلمات رتبه بالا برای بسط انتخاب می شوند. آزمایش های انجام گرفته روی مجموعه داده پزشکی MED نشان می دهد روش پیشنهادی معیار متوسط میانگین دقت (MAP) بالاتری نسبت به روش بازخورد شبه مرتبط (PRF) دارد.

عدم همخوانی واژگان مهمترین چالش پیش روی سیستم های بازیابی اطلاعات از وب هستند. عدم همخوانی واژگانی به تفاوت های موجود بین پرس وجوهای کاربران و محتوای اسناد وب در حالی اطلاق می گردد که هر دو به یک موضوع واحد اشاره دارند. روش های گسترش پرس وجو برای رویارویی با مشکل عدم همخوانی واژگانی، پرس وجوی کاربر را بازآرایی می نمایند تا بدینوسیله همپوشانی بین عبارت های موجود در پرس وجو و اسناد را افزایش دهند. در این مقاله یک چهارچوب گسترش پرس وجوی مبتنی بر شبکه سیامی عمیق حافظه کوتاه-مدت طولانی ارایه شده است. به علاوه، برای نخستین بار وابستگی ارتباطی در این مقاله تعریف شده و برای برچسب گذاری جفت های متشکل از پرس وجوی کاربر و پرس وجوی جایگزین مورد استفاده قرار گرفته است. شبکه سیامی آموزش داده شده با استفاده از جفت های برچسب گذاری شده با نظارت ضعیف، علاوه بر ارایه برچسب برای جفت های ورودی، هزینه هم سنجی آن ها را نیز محاسبه نموده و اعلام می کند. پس از برچسب گذاری، جفت های با کم ترین هزینه هم سنجی انتخاب و در هم ادغام می شوند تا به یک پرس وجوی گسترش یافته تبدیل شوند. نتایج آزمایشات نشان دهنده برتری روش پیشنهادی بر سایر روش های مشابه گسترش پرس وجوی مبتنی بر جاسازی کلمات بوده است.