مطابقة العناوين المتشابهة

مطابقة العناوين المتشابهة

تحدي معالجة المستندات النصية

يتم إنتاج ونشر العديد من المقالات والأخبار والمستندات النصية يوميًا في البيئات الرقمية، مما يجعل من المستحيل فحص محتوى هذا الحجم الهائل من المعلومات بسهولة. إن كثرة النصوص، وتنوعها اللغوي، وأطوالها المختلفة، وترميزاتها المتنوعة، هي من صعوبات التعامل مع المستندات النصية.

عمل خبراء من مختلف المجالات العلمية على حل هذه المشكلة. قدم المتخصصون في الذكاء الاصطناعي، واسترجاع المعلومات، وتنقيب البيانات، وتنقيب النصوص، واكتشاف تشابه النصوص، حلولاً باستخدام معارف استرجاع المعلومات.

مطابقة العناوين المتشابهة

"مطابقة العناوين المتشابهة" هو أحد أنظمة اكتشاف التشابه هذه، وقد تم تطويره وتقديمه بناءً على البيانات الواسعة من قاعدة بيانات مجلات نورماغ.

مطابقة العناوين المتشابهة هي إمكانية لاكتشاف ذكي للعناوين المشابهة للمقالات. باستخدام تقنيات تنقيب النصوص والذكاء الاصطناعي، تقترح هذه الأداة أكثر المقالات تشابهًا (من منظور العنوان) للمستخدم عند عرض كل مقال.

الأهمية والتطبيقات

إن العثور على مقالات مرتبطة بمقال معين هو شاغل بحثي يجب معالجته لتنظيم الأبحاث الشاملة وغير المتكررة في أقصر وقت ممكن. الطريقة الأساسية للتعرف على العلاقات بين المقالات هي فحص الكلمات المشتركة في عناوينها. تستخدم هذه الأداة عناوين المقالات للتعرف على العلاقات بينها.

التطبيقات في قواعد البيانات الإخبارية والعلمية

لاستخدام أنظمة اكتشاف التشابه لاكتشاف العلاقات الخفية بين البيانات النصية تطبيقات متنوعة:

• قواعد البيانات الإخبارية: للتعرف على العلاقات بين الأخبار المختلفة (مثل أخبار جوجل[1] أو قسم "ذات صلة" في وكالة همشهري الإخبارية[2])
• قواعد البيانات العلمية: مثل قسم "انظر أيضًا" في موسوعة ويكيبيديا[3]

الابتكار في نورماغ

في حين أن الميزة العملية الوحيدة في عملية اكتشاف التشابه هي عناوين المقالات، فإن مصممي نورماغ سعوا إلى تجاوز المستوى الحرفي لعناوين المقالات والاقتراب من معناها وموضوعها.

لذلك، تم إجراء تجارب مختلفة في قسم تنقيب النصوص في مركز نور لأبحاث علوم الكمبيوتر الإسلامية لتحقيق هذا الانتقال بطريقة أفضل.

التقنيات المستخدمة

التنظيم الطبقي للتجميع الدلالي للكلمات هو مثال على التقنيات المستخدمة في هذه التجارب. تؤدي هذه التقنية إلى اكتشاف العديد من علاقات "تزامن الكلمات".

تزامن الكلمات (Word Co-occurrence)

تزامن كلمتين معًا يعني أن وجود إحدى الكلمتين يستلزم وجود الأخرى. على سبيل المثال، عند ظهور كلمة "نفط" (نفط)، فمن المحتمل جدًا أن تُستخدم كلمة "غاز" (غاز) أيضًا.

من ناحية أخرى، يشير تزامن كلمتين إلى وجود قواسم مشتركة بينهما. هذه القواسم المشتركة في العديد من الكلمات هي خصائص دلالية بطبيعتها. لذلك، تصبح عملية التجميع الدلالي ممكنة من خلال علاقة التزامن بينهما.

الميزات الفريدة

تختلف التقنيات الشائعة المستخدمة في هذه الميزة عن محركات البحث الأخرى ولها وظائف هي نتيجة لأعمال الباحثين المحليين:

• تجميع الكلمات (Word clustering)
• فصل الكلمات المفتاحية عن الكلمات الأخرى
• جعلها أكثر فعالية لحسابات التشابه

المراجع

[1] Google News

[2] Hamshahri News Agency

[3] Wikipedia