ارتقای بازیابی معنایی اطلاعات با استفاده از برچسب‌گذاری و هستان‌شناسی

هدف: بهینه‌سازی بازیابی معنایی اطلاعات با استفاده از روش‌های برچسب‌گذاری و هستان‌شناسی. روش‌شناسی: این پژوهش کاربردی با رویکرد تحلیل ‌محتوا انجام شده است. 313 مقاله فارسی در موضوع بازیابی اطلاعات در یک پایگاه اطلاعاتی با قابلیت‌های جستجوی موضوعی برای دو گروه پیش‌آزمون و پس‌آزمون گردآوری شد. پس از برچسب‌گذاری 5700 واژه به‌کمک نرم‌افزار پردازش زبان طبیعی دانشگاه فردوسی مشهد، هستان‌شناسی مفاهیم و روابط معنایی آنها در محیط پروتژ طراحی و پیاده‌سازی شد. دقت نتایج بازیابی‌شده در دو مرحله پیش و پس‌آزمون سنجیده شد. یافته‌ها:سطح معنا‌داری آزمون z‌‌‌‌، به‌لحاظ آماری و اطمینان 0.99‌‌‌‌، تفاوت معنا‌داری را میان میزان دقت نتایج مرتبط بازیابی‌شده در دو گروه پیش‌آزمون و پس‌آزمون نشان داد. بنابراین، این ابزارها کارایی پذیرفتنی دارند. نتیجه‌گیری: دو روش پردازش زبان طبیعی و هستان‌شناسی به ارتقای بازیابی معنایی اطلاعات منجر می‌شود.

Optimizing Semantic Information Retrieval by Labeling and Ontology

Purpose: To optimize the semantic information retrieval by labeling and ontology methods. Methodology: This applied research has been done with the approach of content analysis. 313 Persian articles on the subject of information retrieval were collected in a database with subject search capabilities for both pretest and posttest groups. After labeling 5700 words with the help of Ferdowsi University of Mashhad’s software for natural language processing software, the ontology of concepts and their semantic relations were designed and implemented in protégé software. The accuracy of the retrieved results was measured in two stages before and after the test. Findings: The significance level of Z test, in terms of statistical and reliability of 0.99, showed a significant difference between the accuracy of the retrieved related results in the two groups of pretest and posttest. Therefore, these tools are acceptable. Conclusion: Tow methods of natural language processing and ontology optimize semantic information retrieval.