چارچوبی جدید برای تشخیص متون مشابه در پیکره‌های حدیث اسلامی

امروزه، تشخیص شباهت متون یکی از کاربردی‌ترین جنبه‌های تکنیک‌های کاوش متن محسوب می‌شود. روش‌های متعددی برای تشخیص شباهت وجود دارد. این مقاله یک سامانه جدید را برای تشخیص شباهت متون در «پیکره بزرگ حدیثی مرکز تحقیقات کامپیوتری علوم اسلامی» (CRCIS) معرفی می‌کند. این سامانه از روش ان‌گرام (N-gram) و معیار کسینوسی برای تشخیص شباهت استفاده می‌نماید. بر اساس نتایج ارزیابی، سامانه‌های تشخیص شباهت مبتنی بر رایانه می‌توانند کارآمدتر از پژوهش‌های پیشین در این حوزه باشند. ما توانسته‌ایم به امتیاز F برابر با ۹۷٪ در تشخیص شباهت متون حدیثی دست یابیم. امیدواریم که سامانه ما پژوهشگران را در یافتن احادیث یکسان و نیز تشخیص چگونگی تقسیم یک حدیث طولانی به چندین بخش کوچک‌تر در کتاب‌های مختلف سنتی حدیثی یاری رساند. این سامانه می‌تواند برای بسیاری از پژوهش‌ها در حوزه حدیث و مطالعات قرآن کریم بسیار سودمند باشد.