حدیث یاب
استخراج اطلاعاتسرویس حدیثیاب
این سرویس برای پیدا کردن متن احادیث عربی در متون دینی و پیونددهی آنها به پایگاه جامع الاحادیث است. پایگاه جامع الاحادیث، پایگاهی تخصصی حاوی کتب معروف روایی شیعه است.
با پیونددهی متن یک حدیث به پایگاه جامع الاحادیث، زمینه استفاده پژوهشگر از منبع دقیق حدیث، ترجمهها و شرحها و احادیث مشابه و سایر امکانات برای او فراهم میشود.
قابلیتهای فنی
این سرویس قابلیت این را دارد که متن ساده یا فرمت HTML (که در وبسایتها استفاده میشود) را پردازش کند و خروجی حاوی متن حدیث پیوندیافته دقیقاً با همان فرمت قبلی را به کاربر ارائه دهد. از این رو میتوان بدون تغییر خاصی، وبسایت مورد نظر با احادیث پیوند داده شده را در پایگاه شخصی خود قرار داد.
الگوریتم و ساختار چندمرحلهای
الگوریتم کار در یک ساختار چندمرحلهای صورت میگیرد تا بتواند دقت و سرعت لازم را همزمان تأمین کند:
مرحله اول - نرمالسازی و تقسیم متن:
ابتدا متن ورودی به شکل نرمال درمیآید و سپس به چندکلمهایها[1] (N-gram words) تقسیم میشود.
مرحله دوم - جستجو در مجموعه احادیث:
جستجوی پیاپی هر کدام از این چندکلمهایها در مجموعه عظیم حدود ۴۰۰ هزار حدیث سایت انجام میشود.
مرحله سوم - تطبیق تقریبی:
با استفاده از الگوریتم تطبیق تقریبی مخصوصی که با استفاده از بررسی چندحرفیهای پیاپی[2] (N-gram characters) کار میکند، به بررسی تطبیق هر کدام از احادیث احتمالی کاندید قابل قبول میپردازیم و بهترین تطبیقها را برمیگزینیم.
مرحله چهارم - فیلتر کردن نتایج:
در نهایت، احادیث پیدا شده به عنوان خروجی با استفاده از روشهای مختلف فیلتر میشوند:
- بررسی صرفاً آیه بودن
- بررسی صرفاً سند حدیث بودن (با الگوریتم پارس مخصوص)
- بررسی صرفاً بودن عبارات پرتکرار
- بررسی طول و میزان عبارت تطبیق
این فیلترها تضمین میکنند که نتایج نامطلوب با صرف شباهت لفظی ظاهری با قسمتی از احادیث در خروجی قرار نگیرند.
عملکرد و سرعت
این برنامه میتواند در هر ثانیه حدود ۱۰ صفحه از متون پُرحدیث را روی سرور مرکز با دقت بالا حدیثیابی کند.
کاربردها
- وبسایتهای دینی: پیونددهی خودکار احادیث به منابع معتبر
- نرمافزارهای اسلامی: یکپارچهسازی با پایگاه جامع الاحادیث
- پژوهشهای حدیثی: دسترسی سریع به ترجمهها، شرحها و احادیث مشابه
- تولید محتوای دینی: صحتسنجی و ارجاع دقیق احادیث
مراجع
[1] N-gram words
[2] N-gram characters