مدل های بازیابی اطالعات

مدل های کالسیک

Masoud_mohamadi@live.com

توص�یف آزمایش�ی ی�ک تئ�وری ی�ا : تعری�ف ی�ک م�دلسیس�تم ک�ه تم�امی وی�ژگی ه�ای آن را تش�ریح می کن�د.

(Soukhanov, et al. (1946

( : تطابق ها مدل تمام Matching)اساس

پایه بلکه نیست، اطالعات بازیابی در مدل یک تطابق . تطابق است اطالعات بازیابی های فعالیت اساس و . می تطابق است اطالعات بازیابی اساسی ارگانیسمقبیل از تشابه معیارهای بین یا واژگان بین تواند

. واژگان بسامد و فاصله

واژگان ) (Term matchingتطابق

واقع استفاده مورد اطالعات بازیابی در که هایی واژهشناسانگر میشوند یا ها کننده توصیف ها، واژه کلید

و. ها عبارات لغات، شامل همچنین واژگان هستند . هستند بیانات سایر

: شود اجرا طریق چهار از تواند می واژگان تطابق( واژه عین نسبی(, Exact matchتطابق تطابق

(Partial match( موقعی�تی(, Positionalتط�ابقmatch( ,)میدانی (Range matchتطابق

واژه ) عین (Exact matchتطابق

بازنمودهای با سوال بازنمودهای که معناست بدینمطابقت i دقیقا اطالعات، بازیابی سیستم در مدرک

( . عبارتی جستجوی باشند ( phrase searchداشته . عب�ارت مث�ال ب�رای اس�ت تط�ابق این از ای webنمون�ه

filtering . i دقیقا است جستجو جعبه در عبارت یکمی قرار مدنظر جستجو برای سیستم در عبارت همانمی دست به عبارت این عین جستجو نتیجه در و گیرد

آید. 

نسبی ) ( Partial matchتطابق

از بخشی نسبی تطابق در ، واژه عین تطابق خالف بردر مدرک های بازنمود با جستجو مورد عبارت . یا سازی کوتاه دارد تطابق اطالعات بازیابی سیستم

truncation نسبی جشتجوی از نمونه ترین معمولدر. حالت، این در جستجو یک در مثال، برای است

پرسش به ) Information technologپاسخ که* ) * است سازی کوتاه دهنده نشان عالمت اینجا در

ش�امل ک�ه هم ,Information technologyم�دارکیinformation technologies, information

technologists. شوند می بازیابی مشوند،

موقعیتی ) (Positional matchتطابق

گرفتن نظر در با تطابق در موقعیتاین که آنچه

می انجام شود می بازیابی اطالعات بازیابی فرایندجستجو. عبارت اگر باشد used 1WITH storeگیرد

از عباراتی که شود می مدارکی شامل جستجو نتایج used book store, used clothقبی���ل

store ,used information store . دارند بر در راانتهایی و ابتدایی کلمات طریق از تنها تطابق اینجا درانجام هستند مشابه مدرک بازنمود و پرسش بین کهفرایند در آنها موقعیت بین در های واژه و شود می

. شود نمی گرفته نظر در تطابق

( میدانی (Range matchتطابق

. . فروش مقدار مانند دارد کاربرد عددی عبارات برایبرای طبیعی یا نظم دارای های عبارات ماه مانند

شود. می توجه آن به تطابق این در که آنچه سال ( سال از قبل انتشارات مانند گستره باالی محدودیت

2003 ( از( بعد انتشارات گستره پایین محدودیت ،2009 ( بین( انتشارات مانند آنهاست دوی هر یا و

و(. 2008تا 2004سالهای عددی اطالعاتی های پایگاهجستجوی از معمولی های مثال انتشار، های تاریخ. هستند میدانی

تشابه اندازه طریق از تطابق((Similarity measurement

matching

. به شود می انجام مختلفی های راه از تطابق نوع اینپایه بر برداری فضای مدل در تطابق مثال طور . زاویه یعنی است بردار زاویه درجه و بردارها فاصلهبین بیشتر تشابه درجه با است برابر تر کوچک بردار . اساس بر تشابه احتمالی مدل در مدرک و پرسشپرسش بین ربط احتمال تا شود می تعین واژه تکرار . از بیشتر تطابق، نوع این در آید دست به مدرک و

. است مدنظر آنها تشابه اصطالحات، خود

بولی منطقی مدل(The Boolean Logic

Model)

ب�ول ) ژرژ توس�ط آن ارای�ه از بع�د م�دل در( George Booleاین . شد گذاری نام عنوان این به شد، ارایه نوزدهم قرن میانۀ� : ضرب گیرد می بر در را منطقی عملکرد سه بولی منطق

( )-(. xمنطقی )+( سه( منطقی تفریق و ، منطقی جمع ،در AND, OR, NOTعملگر منطقی ه�ای عم�لکرد بیان برای

. منطقی ضرب گیرد می قرار استفاده مورد اطالعات بازیابیعملگر ترکیب ANDیا جستجو بیان در را اصطالح چند یا دو

موجود مدرک در جستجو مورد واژهای تمام باید و کند می . عملگر یا منطقی جمع شود بازیابی مدرک آن تا دو ORباشد

هم به جستجو عبارت در را مرتبط اصطالح یا مترادف چند یا . واژگان از کدام هر شامل که مدارکی کرد می متصلارایه نهایی نتیجه عنوان به جستجو در هستند شده مشخص

. عملگر یا منطقی تفریق شوند به NOTمی را ها جستجو ،از بعد اصطالح که باشد NOTآنهایی نداشته وجود آنها در

. کند می محدود 

بولی منطق مدل قوت نقاط

:O بر اوًال اطالعات بازیابی در بولی منطق مدل از زیاد استفاده . دستکاری امکان مدل این گذارد می صحه مدل این ارزشپرسش کردن تحلیل و تجزیه طریق از را مختلف های جنبه

. عملگر آورد می برای ANDفراهم را ساده جنبۀ� در تواند میرا جستجو ترتیب این به و کند ترکیب پیچیده رابطۀ� یک تشکیل

. عملگر کند می یا ORمحدود پرسش یک متفاوت های جنبه . عملگر دهد می گسترش را جستجو و کند می جمع را مدرک

NOT بنابراین کند، می تفکیک را جستجو یک پیچیده های جنبه . اصالحات این کند می جدا نهایی نتیجۀ� از را مطلوب نا مواردتوانند می شوند، گرفته کار به صحیح طور به اگر جستجو، دربه اطالعات بازیابی در را جستجو تاثیرگذاری و پذیری انعطافدیگر های مدل از کدام هیچ که سطحی در بیاورند، ارمغان

. دهند انجام را کار این توانند نمی

:O هزینه ثانیا بولی، منطق با بازیابی های سیستمبرای تاکنون آن از استفاده و دارند خوبی اثربخشی

. است بوده ناپذیر اجتناب کاربران

:فهم سوم قابل و شود می درک آسانی به مدل این اینکهانجام. تواند می مدل این که کارهایی با مقایسه در استشده مدل این های ناتوانایی مورد در کمتری های بحث دهد، . منطقی مدل اینکه یکی است دلیل دو به نیز این که است

های مدل میان در . IRبولی می تصور است ترین قدیمیجزئیات به که است زیاد چنان آن قوت نقاط که شود . به بولی، منطق که است این دوم عامل نباشد نیاز بیشتری

در مدل قدیمیترین مدل IRعنوان که شود نقد زمانی ،IR . که گویند می افراد که است طبیعی شود ارائه تری قوی

جدید تر IRمدل قدیمی مدل های محدودیت بر غلبه برای ، . با که دارند تمایل کاربران و سیستم طراحان آید می بوجود

. است شده فهمیده خوبی به که کنند کار مدلی

:بولی چهارم برمنطق مبتنی های در IRسیستمهای مدل سایر بر مبتنی های سیستم دیگر با مقایسه

IR آنها گیری کار به ، جامع هایی الگوریتم عنوان به ،ممکن و شوند می ساخته وآسانتر است تر ساده

های سیستم از بخشی در مشارکت IRاست بولیکه. زمانی i معموال شده، بیان قوت نقاط دلیل به کنند

بازیابی های شوند، IRمدل می بررسی جزئیات در . است توجه مورد بیشتر منطقی مدل

بولی منطقی مدل های محدودیت

:کردن نخست دنبال نیستند دیده آموزش که کاربرانی برای . . شود می ایجاد نظر دو از مشکل است مشکل ها جستجو

1 . اغلب،- است مشکل مناسب عملگر انتخاب کاربران برایهای عملگر از استفاده بین می ORو ANDآنها ابهام دچار

متفاوت. مرسوم معنای یا معمول درک کلمه دو این شونددر- 2هستند. را درستی نظم که است مشکل کاربر برای

. ترکیبی بولین جستجوی گیرند کار به عملگرها ترکیب فرایندآن طبیعی نظم که بود خواهد عملگر نوع یک از بیشتر شامل : ابتدا است شده تعریف تعریف صورت این به جستجو این در

عملگر NOTعملگر آخر ADN،سپس در کاربران ORو یعنیدهند، تغییر را بولی ترکیبی جستجوی طبیعی نظم توانند نمی

. باشند داشته مناسب تمرینات و ها آموزش اینکه مگر

:مشکل دوم بولی عملگرهای از غیر روابطی بیانبینی. پیش مدل این در ها مکانیسم این چون است . جستجوهای طریق از که است درست است نشدهکرد، مطرح شود می را تری پیچیده مفاهیم ترکیبیآید بوجود اشتباهی تفاسیر شود می باعث کار این امابیان در بولی های عملگر مدل ناتوانی نتیجه در که

. است روابط :بولی سوم منطقی مدل در دهی وزن مکانیسم نبود

در مفاهیم به دهی وزن و اهمیت کردن مشخص برای . جستجو طوال

:چون چهارم است، مدل این در جستجو نسبی ربط بیانمیزان با سیستم، در را ها داده تمام بولی منطقی مدلتطابق برحسب کار این که کند می مرتب یکسانی ربط . است مرتبط غیر یا مرتبط مدارک بازنمود و پرسشربط حسب بر را نتایج تواند نمی سیستم این بنابراین . شده مرتب های خروجی نتیجه در دهد نشان افزایشی

مثال تواند نمی کاربر و شد مرتبط 15نخواهد بسیار مدرککه ببیند، را نتایج تمام است مجبور کاربر کند، بازیابی راکه رسد، می هم بیشتر حتی یا هزاران به آن تعداد گاهیداده نمایش را آن ربط نظم بدون را آن بولی سیستمها. خروجی تعداد بر کنترلی کاربر نظر، این از است

ندارد.

:یا پنجم نکند پیدا را ای نتیجه هیچ است ممکن کاربر . خروجی باشند داشته هم با بسیاری همپوشانی نتایجاست شده محدود بسیار جستجو که حالتی در صفر . عملگر طریق از اصطالح چندین مثال آید می پیش

AND . همپوشانی i ضمنا باشند شده ترکیب هم باجستجو عبارت که افتد می اتفاق زمانی نتایجعملگر طریق از اصطالح چندین i مثال باشد، گسترده

OR باشند شده ترکیب هم با

برداری فضای مدل(Vector space

model)

می شناخته نیز نسبی پردازش مدل نام با که برداری فضای مدل . فضای مدل در شد ارایه همکارانش و سالتون توسط شود،هر و شود می تعریف بعد یک عنوان به اصطالح هر برداری . از لیستی شامل بردار یک بردار یک عنوان به مدرک یا پرسش ( . یا پرسش یک i مثال است مدرک یک اصطالح نمایانگر های ارزش

( دودویی(. تواند می هم ارزش این هم( Binaryسند و باشد . باشد یک یا صفر توان می دودویی های ارزش شده دهی وزن . های ارزش باشد مدرک یک در اصطالح وجود معنای به یک که

( واقعی مثبت اعداد شامل . 2و1و0وزنی وزنی...( ارزش است وبازنمود در واژه آن اهمیت با است مطابق اصطالح هر برایفضای. مدل در اصطالح به دهی وزن برای که طرحی مدرک ( مثال باشد عینی تواند می شود می واقع استفاده مورد برداری

. ) ( ) کاربر درک مثال باشد عینی غیر یا اصطالح فراوانی

. دربردارپرسشومدرکبرابراست تعدادبعدها روشوزندهیقادراستبرایواژگاندربرداروزنتعیینکند . بردارهایپرسشومدرکیک وبازنمودمدرکهستندهمۀ� واژگانمتفاوتیکهدرمدرکوجوددارند تعداد با . مدرکرا جهتپرسشیا بردار، در مجموعهکاملارزشاصطالح تشکیلمیدهند بعدیرا فضایچند

. هدایتکردنجستجودرسیستم نمودمییابد فضایبرداریبهنشاندادن IRتوصیفمیکنندکهدرفضا . مدلفضایبرداریتشابهبینیکمدرکویک بینبردارپرسشوپاسخمنتجمیشود فضایبینیکزاویه، . اینکارازطریقمقایسهابعادمشابهوحسابکردنتشابهاتاندازهگیریشدهبه پرسشراتشخیصمیدهد . بینبردارها اگریکپرسشویکمدرکدرموضوعمشابهباشندزاویۀ� عنوانضریبکسینوسبهدستمیآید . . بایدبسیارزیادباشد بینبردارهایآنها بایدکوچکباشداگرپرسشومدرکموضوعمتفاوتیداشتهباشندزاویۀ�

. تشابهبینمدارکنیزبههمینطریقاندازهگیریمیشود

: تشابه کسینوس ضریب فورمول

=

: فورمول این در که q= پرسش T= سامانه در ای نمایه اصطالحات تعداد Ki= ای نمایه عام اصطالح یک Dj= سند یک Wij= dj سند وزن ki از Dj= dj ای نمایه اصطالح بردار T= سامانه در موجود اصطالحات تعداد مجموع

 

: داری بر فضای مدل قوت نقاط

طیف برای را یکسانی اصول برداری فضای مدل . این کند می فراهم بازیابی عملگرهای از ای گسترده

( سازی نمایه شامل بازخورد( indexingعملگرها ،مدارک( relevance feed backربط ) بندی طبقه و

(doc. Classification . مدل ( این قوت نقاط استبولی منطقی مدل های محدودیت با که زمانی

. شود می بارز کامال شود می مقایسه

:سیستم نخست در که زمانی کاربر فضای irاینکهکه نیست این نیازمند دیگر ، کند می جستجو برداریکه آنچه بلکه گیرد، کار به آنرا و بفهمد را بولی منطقچندین بین ساده انتخاب دهد انجام است الزم کاربر

. است نیازش مورد اطالعات اساس بر واژه  :یا دوم واژگان اهمیت دادن نشان برای توان می

می انتخاب مدرک یا پرسش ارائه برای که مفاهیمی . کرد دهی وزن بردار در را آنها ، شوند

: بر سوم برداری فضای مدل های جستجو خروجی . سیستم این شوند می مرتب یافته افزایش ربط حسببه اتوماتیک طور به را مدرک ترین مرتبط که است قادر

نماید . ارائه کاربر

:چهارم( درربط ( relevance feed backبازخوردبازیابی بهبود برای برداری فضای مدل در که مکانیسمی . خروجی اساسی بر شود می واقع استفاده مورد

سیستم بود، شده بازیابی قبال که فضای irمرتبطیرا پرسش بردار اتوماتیک طور به است قادر برداری

دهد ارائه تر مرتبط نتایج برای کاربر به را آن و کند اصالح 

برداری : فضای مدل های محدودیت

: محدودیت برمیگردد نخستین این به برداری فضای مدلتوصیف برای شده انتخاب واژگان شود می فرض که . بولی منطقی مدل که هنگامی هستند مستقل مدرک،تواند نمی مدل این که شود می مشاهده شود می بررسی . هر به کند بیان بولی منطق از غیر را ها رابطه دیگر انواعکه ای رابطه هر انتقال به قادر برداری فضای مدل حال . به نیست باشد واژؤگان بین موجود بولی روابط شاملپایه که هایی واژه که دارد نیاز فرض این به مدل این عالوهاز آورند می وجود به برداری مدل فضای برای را های . نادرست واضح طور به فرض این است مستقل همدیگر

است.

دوم بودن محدودیت مشکل برداری، فضای مدلعبارتی روابط یا ها مترادف صریح کردن مشخصعملگرهای فقدان دلیل به محدودیت این که است . این ، کردن تر خاص برای است مجاورتی و بولینمی پشتیبانی را بولی و مجاورتی عملگرهای مدل

عملگر. نتیجه، در نمی orکند ها مترادف برای راعمگر و د بر کار به یک withتوان ساختن برای را

. کرد استفاده توان نمی عبارت

سوم وزن محدودیت مکانیسم به برداری فضای مدل . عینی غیر و پیچیده مکانیسم این است مربوط آن دهی

برای. خواهد می کاربر که زمانی وزن است اصطالحات ( دهی وزن این که پرسش اصطالحات i مخصوصا کند، تعیین ) دهی وزن فرایند است خودش قضاوت و درک اساس بر . را واژه بات مرتبط اهمیت میزان باید کاربر است عینی . عینی غیر کند تعیین وزن آن برای سپس که کند بینی پیش . است ناپذیر اجتناب فرایند این طول در بودن ذهنی و بودنالگویتم بدون که شرایطی در دهی وزن دیگر، طرف ازو بود نخواهد اشتباه بدون شود، انجام کار این دهی وزنکار خاص بازیابی محیط یک برای الگوریتم بهترین یافتن

.. نیست آسانی

به مدرک یا پرسش یک ارائه برای برداری فضای مدل . منطقی مدل در که حالی در دارد نیاز اصطالح چندین

با که ای واژه سه یا دو اند ANDبولی شده مرتبط . هستند مناسب کیفیت با های خروجی دادن برایبرداری فضای مدل در بیشتر های واژه کردن تعین

. دهد می را بیشتری ارزش با نتایج

احتمالی مدل

(probability model)

م�دل ک�وهن این و م�ارون Maron and) توس�طKuhns . روبرتسون( توسط ها بعد و است شده ارائه

. احتمال نظریۀ� مدل این یافت توسعه محققان سایر و . تا ه از احتمالی رویدادی هر گیرد می کار به 100را

. عوامل بدهد رخ اطالعات بازیابی در که دارد درصدفرایند در نامعلومی و قطعیت . irعدم به دارند وجود

مدارک آیا اینکه مورد در قطعیت عدم مثال طورشده مطرح پرسش با سیستم طریق از شده بازیابی . با مدرک اینکه احتمال مدل، این خیر یا هستند مرتبطها روش برخی اساس بر را باشد مرتبط پرسش

. کند می حساب و ارزیابی

احتمال به اطالعات، بازیابی از زمینه این در رویداد، . دیگر خالف بر دارد اشاره مدرک و پرسش بین ربط

های از irمدل ، واژگان مقولۀ�ربط با احتمالی مدلربط یا دقیقعبارت بلکه بدون کند، نمی ربط برخورد

است احتمال اساس بر مدرک. واژگان ، مثال dبرایاحتمال پرسش 35به با است qدرصد مرتبط

: احتمالی مدل قوت نقاط

:مشخص نخست برای مهمی های راهنمایی مدل اینبرای تئوری توجیهات همچنین و بازیابی های فرایند کردنقبیل از شد، می انجام تجربه اساس بر قبال که مواردیمی فراهم را واژگان به دهی وزن های سیستم تعریفکه. هنگامی نااطمینانی درجه با بازیابی های فرایند کندگیرد می قرار قضاوت مورد مدرک و پرسش بین ربط . مطلق ربط جای به ربط احتمال بیان شود می توصیف . عالوه، به است تر واقعی بسیار مدرک، و پرسش بینبین تشابه اندازه قبیل از مدل این در بیشتر های عملگرتصمیمات بعضی اینکه جای به پرسش، و مدرک ) خود) طریق از کند، تعیین آنرا بولی مدل همانند دلخواهانه

. شود می تعیین مدل

:و دوم واژگان همبستگی خود، عملگرهای در مدل این. شود می شامل را آنها رویداد روابط بر رویداد یک i مثال

گذارد می تاثیر همانند کاربران. دیگر که ندارند نیاز دیگر . کنند فرض را واژگان استقالل ، برداری فضای مدلفرض مدل چون ، شوند می تهیه شده مرتب های خروجی

سیستم عملکرد اصول که کند مرتب irمی اساس برصعودی احتمال حسب بر مجموعه، یک در مدارک کردن . این است کاربر اطالعاتی نیاز حسب بر که است

" را احتمال مفروضات سازی مرتب می" اصولمی. کاربر احتمال سازی مرتب اصول وسیله به نامندداشته کنترل شده بازیابی های خروجی حجم بر تواند

باشد.

:اطالعات سوم بازخورد مزایای از است قادر مدل این(info. Feed back )پیشرفته های روش توسعه برای

. کند استفاده

:تسهیالت چهارم آن اولیه شکل در احتمالی مدلاز استفاده کاربران از بسیاری که را بولی های عملگر . این از گیرد نمی کار به پنداشتند، می مشکل را آنمدل اساس بر اطالعات بازیابی های سیستم نظر

های سیستم از تر پسند کاربر بسیار ، بر irاحتمال ، . هستند بولی منطق اساس

احتمالی : مدل های محدودیت

:دو نخست جای به مدل، این در ربط میزان چه اگر ، است پیوسته بولی، مدل یک و صفر از بودن بخشیدودویی خاصیت ، ربط که کند می فرض احتمالی مدل

(binary )اینجا در که است )pr(relدارد ربط احتمال. )pr(nonrelو دیگر، کارهای در ربط عدم احتمال

از و آید می دست به است ثابت که ربط احتمال ارزش . آید می دست به هم ربط عدم یک، عدد از آن تفاضلهم اغلب و است فرض قویترین بودن دوبخشی فرض

. نیست معتبر خیلی

:را دوم بازیابی گذاری تاثیر تواند نمی احتمال مدل . احتمالی مدل طریق از که نتایجی بخشد بهبود خیلیاز بهتر اما هستند، خوب چه اگر آیند می دست بهفضای یا بولی مدل های سیستم از شده بازیابی نتایج . استفاده مدل یک از تنها که هنگامی نیستند برداری

مدل یک لزوم مورد در زیادی سوالهای کنیم irمی . کند می ظهور دیگر

: کالسیک های مدل مختصر مقایسه

روش ترین ضعیف بولی مدل که است این بر نظر i عموما . تشخیص در ناتوانی ، روش این در اصلی مشکل است کالسیکمی منتهی ضعیف عملکرد به اغلب که است جزیی های انطباقبرداری. مدل از بهتر احتماالتی، مدل آیا که باره این در شود . ازمایش »کرافت« دارد وجود مجادله و بحث کند، می عملدر ، احتماالتی مدل که کرد اظهار و دهد انجام چندی های . های آزمایش در اما دهد می نشان را بهتری عملکرد بازیابینشان مختلف آزمایش چندین با »باکلی« و »سالتون« بعدیعام گردآوردهای با کار در برداری مدل رود می انتظار که دادند . این میرسد نظر به همچنین بگیرد پیشی احتمالی مدل از ،که ��� وب جامعه و ، شاغالن ، پژوهشگران میان در تفکرتفکر ���� است فزونی به رو آنجا در برداری مدل محبوبیت

. باشد غالب

کن آرزو تالشت اندازۀ� به یاکن تالش آرزوهایت اندازۀ� به یا