بهبود بازیابی اطلاعات بر اساس تشابه معنایی کلمات کلیدی با استفاده از رتبه دهی مبتنی بر گراف

کلمات کلیدی در اسناد متنی ، کلماتی از متن اسناد هستند که بیشترین بار مفهومی متن را به همراه داشته و نیز یکنسخه فشرده متن محسوب می شود در نتیجه نیاز به روش های استخراج خودکار کلمات کلیدی را به شدت افزایشداده اخیراً روش های رتبه بندی مبتنی بر گراف کاربرد موفقی در حوزه وب داشته یک مشکل عمده اکثر این روش هاتأکید بیش از حد بر پارامترهم جواری کلمات در ایجاد و وزندهی یال های گراف متنی و صرف نظر از شاخص های آماریشده است . در این پژوهش برانیم شباهت معنایی کلمات کلیدی را به صورت فرمت پیچیده تری از متغیر TF-IDF (روش وزندهی کلاسیک) به عنوان شاخص آماری بیان کنیم. با تعریف متغیر (W(ij که بیانگر ترتیب کاهنده از احتمال ارتباطشان با کوئری کاربر است و یک روش مشخص به عنوان رتبه بندی احتمال ؛ الگوریتم معروف BM25 است ، در این پژوهش اطلاعات آماری روش رتبه بندی احتمال ارتباط کلمات کلیدی، از جمله تعداد اسناد مشابه و اسناد کل مجموعه در وزندهی گراف استفاده شده است.هدف در این مقاله این است که شباهت معنایی m سند با سند مورد نظر (d(0 بررسی کنیم با رتبه بندی کلمات کلیدی مشترک میان اسناد ، اسنادی که دارای کلمات کلیدی با بالاترین اولویت اند شبیه ترین اسناد به (d(0 اند. مقایسه نتایج روش جدید با روش های قبلی افزایش دقت 93 % در اسناد استخراج شده مشابه (d(0 را نشان می دهد.

کلیدواژه ها:

اطلاعات آماری ، رتبه دهی مبتنی بر گراف ، کلمه کلیدی ، کلمات کلیدی استخراجی