| تعداد نشریات | 61 |
| تعداد شمارهها | 2,201 |
| تعداد مقالات | 17,941 |
| تعداد مشاهده مقاله | 55,038,329 |
| تعداد دریافت فایل اصل مقاله | 28,807,587 |
به کارگیری داده کاوی برای پیشنهاد پرسش درنظامهای بازیابی اطلاعات | ||
| فصلنامه بازیابی دانش و نظامهای معنایی | ||
| مقاله 1، دوره 7، شماره 23، تیر 1399، صفحه 1-18 اصل مقاله (389.5 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22054/jks.2020.50167.1275 | ||
| نویسندگان | ||
| مهدی زینالی تازه کندی* 1؛ محسن نوکاریزی* 2 | ||
| 1دانشجوی دکتری علم اطلاعات و دانش شناسی، دانشگاه فردوسی مشهد، مشهد، ایران | ||
| 2دانشیار، گروه علم اطلاعات و دانش شناسی، دانشگاه فردوسی ، مشهد، ایران | ||
| چکیده | ||
| داده کاوی به مفهوم آشکارسازی الگوهای موجود در حجم انبوه داده هاست که در بسیاری از رشته ها به کار گرفته شده است. در رشته علم اطلاعات و دانش شناسی بهویژه در بازیابی اطلاعات نیز میتوان از آن بهره برد. در بازیابی اطلاعات ابتدا پارادایم نظام گرا و سپس پارادایم کاربرگرا مطرح شده است که در پارادایم دوم به نیاز اطلاعاتی توجه شده است. در پارادایم دوم، ورود پرسش های نامناسب از سوی کاربران، دلیل اصلی عدم بازیابی مدارک مرتبط تلقی می شود. ازاین رو، یکی از مباحث اصلی این پارادایم، پیشنهاد و بسط پرسش مناسب در نظام بازیابی اطلاعات است که میتوان از روش های داده کاوی برای آن استفاده کرد. چهار روش مهم برای پیشنهاد پرسش جهت تقویت نظام توصیه گر وجود دارد. قاعده سری زمانی یکی از این روش هاست که به فراوانی پرسش در واحد زمانی خاص می پردازد. یکی دیگر از روش ها، قانون همایندی است که به وابستگی و تداعی پرسش ها توجه دارد. در روش قانون هم ایندی همراه با فاصله لون اشتاین، افزون بر توجه به وابستگی و تداعی پرسش ها به ترتیب واژه های پرسش نیز توجه می شود. به هرحال، در هر سه روش یادشده، از فایل ثبت رخداد استفاده می شود؛ درحالیکه در نظریه احتمالاتی از واژه های مدارک جهت ترمیم شکاف واژگانی بین پرسش و مدارک استفاده می شود. درنهایت به نظر می رسد، به کارگیری روش های یادشده به ویژه روش احتمالی در پیشنهاد پرسش منجر به نتایج مناسب تری شود. | ||
| کلیدواژهها | ||
| سامانه توصیهگر؛ فاصله لون اشتاین؛ قاعده سری زمانی؛ قانون همایندی؛ نظریه احتمالی | ||
| مراجع | ||
|
اینگورسن، پیتر. (1389). تعامل بازیابی اطلاعات. ترجمه هاجر ستوده. تهران: کتابدار باج پای، آر پی؛ دویودی، روپش کی. (1390). مروری بر کاربردهای دادهکاوی در کتابداری و اطلاعرسانی. ترجمه اسماعیل جعفر پور. کتاب ماه کلیات، 14(9)، 80-85. بدیعی، اقدس و غضنفری، مهدی. (1396). کاربرد دادهکاوی در مهندسی تولید محصول از طراحی مفهومی تا تولید نهایی. فصلنامه مدیریت زنجیره تأمین،57، 45-61. پاتکار، ویک آن. (1380). کاربردهای دادهکاوی در کتابخانهها و مؤسسات دانشگاهی. ترجمه مریم صراف زاده و افسانه حاضری. ارتباط علمی، 3(5). بازیابی شده در https://www.unp.ir/article/university/sources-scientific/1582 توکلی، احمد؛ مرتضوی، سعید؛ کاهانی، محسن؛ و حسینی، زهرا. (1389). بهکارگیری فرایند دادهکاوی برای پیشبینی الگوهای رویگردانی مشتری در بیمه. فصلنامه چشمانداز مدیریت بازرگانی، 9(4)، 41-55. حیاتی، زهیر؛ صادقی مجرد، مرجان؛ و جعفری، نیما. (1389). کشف مسیر حرکت کاربران اطلاعات الکترونیکی با استفاده از الگوریتم قوانین وابستگی در دادهکاوی: مطالعه موردی وبسایت کتابخانه دانشگاه یو تی اس استرالیا. فصلنامه کتابداری و اطلاعرسانی، 13(1)، 251-283. رحمانی، مهدی؛ و زینالعابدینی، محسن. (1394). کاربردهای دادهکاوی در علم اطلاعات و دانش شناسی. فصلنامه مدیریت اطلاعات و دانش شناسی، 2(3)، 23-32. شاهین، آرش؛ و صالح زاده، رضا. (۱۳۹۰). طبقهبندی نیازهای مشتریان و تجزیهوتحلیل رفتار آنها با استفاده از الگوی تلفیقی کانو و قوانین انجمنی. فصلنامه تحقیقات بازاریابی نوین، ۱ (۲)، ۱-۱۶. قادر پور، نیلوفر. (1396). دادهکاوی با الگوریتم داده در روند سلامت. نشریه نخبگان علوم و مهندسی، 2(1)، 103-109 مرادی، گلمراد؛ و قاسمی، وحید. (1391). تکنیک دادهکاوی و کاربرد آن در مطالعات اجتماعی. نشریه علوم اجتماعی، 9(1)، 157-178. نورانی، وحید؛ ستاری، محمدتقی؛ و مولاجو، امیر. (1395). روش ترکیبی درخت تصمیم و قوانین انجمنی در پیشبینی بلندمدت بارش. مجله مدیریت آب و آبیاری، 6(2)، 330-346. Bhatia, S., Majumdar, D., & Mitra, P. (2011). Query suggestions in the absence of query logs. In Proceedings of the 34th international ACM SIGIR conference on Research and development in Information Retrieval (pp. 795-804). ACM. Borlund, P. (2003). The concept of relevance in IR. Journal of the American Society for information Science and Technology, 54 (10), 913-925. Brockwell, P. J., & Davis, R. A. (2016). Introduction to time series and forecasting. springer. Budd, J. M (2004). Relevance: Language, semantics, philosophy. Library Trend, 52 (3). Capurro, R., & Hjørland, B. (2003). The concept of information. Annual Review of Information Science and Technology, 37(1), 343-411. Chien, S., & Immorlica, N. (2005). Semantic similarity between search engine queries using temporal correlation. In Proceedings of the 14th international conference on World Wide Web (pp. 2-11). ACM Croft, W. B., Metzler, D., & Strohman, T. (2010). Search engines: Information retrieval in practice (Vol. 520): Addison-Wesley Reading Cui, H., Wen, J. R., Nie, J. Y., & Ma, W. Y. (2002, May). Probabilistic query expansion using query logs. In Proceedings of the 11th international conference on World Wide Web (pp. 325-332). ACM. Derr, R. L. (1983). A conceptual analysis of information need. Information Processing & Management, 19(5), 273-278. Dervin, B. & Nilan, M. S. (1986). Information needs and use. Annual Review of Information Sczence and Technology, 21, 3-33 Fidel, R. (2008) Are we there yet?: Mixed methods research in library and information science. Library & Information Science Research, 30, 265-272. Fidel, R (1993). Qualitative methods in information retrieval research. Library and Information Science Research, 15, 219-219. Fonseca, B. M., Golgher, P. B., de Moura, E. S., & Ziviani, N. (2003, November). Using association rules to discover search engines related queries. In Web Congress, 2003. Proceedings. First Latin American (pp. 66-71). IEEE. Hiemstra, D (2017). Information Retrieval Models. Retrivited 2 decamber 2017 from http://wwwhome.cs.utwente.nl/~hiemstra/papers/IRModels Tutorial-draft.pdf Kent, A.& Lancou, H (1968). Encyclopedia of Library and Information Science. New York: M. Dekker. Lewandowski, D. (2012). Web search engine research: Emerald Group Publishing Limited. Miranda, S. V. & Tarapanoff, K. M. A. (2007). Information needs and information competencies: a case study of the off-site supervision of financial institutions in Brazil. Information Research, 13(2), Retrieved from http://InformationR.net/ir/13-2/paper344.html Mizzaro, S. (1998). How many relevances in information retrieval? Interacting with Computers, 10(3), 303-320. Reitz, J. M. (2019). Information need. In Online Dictionary for Library and Information Science. Retrived from https://www.abc-clio.com/ODLIS/odlis_i.aspx. Saracevic, T. (2007). Relevance: A review of the literature and a framework for thinking on the notion in information science. Part III: Behavior and effects of relevance. Journal of the American Society for Information Science and Technology , 58 (13), 2126-2144. Saracevic, T. (2012). Research on relevance in information science: a historical perspective. Proceedings of the ASAS&T2012 on pre-conference on the history of ASAS&T in information and technology. Shi, X., & Yang, C. C. (2007). Mining related queries from web search engine query logs using an improved association rule mining model. Journal of the American Society for Information Science and Technology, 58(12), 1871-1883. Siegmund, David O (2019). Probability theory. In Encyclopedia Britannica. Retrieved from https://www.britannica.com/science/probability-theory Thornley, C., & Gibb, F. (2007). A dialectical approach to information retrieval. Journal of documentation, 63 (5), 755-764. Timmins, F. (2006). Exploring the concept of ‘information need’. International journal of nursing practice, 12(6), 375-381 Ullah, M. I. (27 December 2013). Time Series Analysis. Basic Statistics and Data Analysis. WEN Themes. Retrieved 2 January 2014 Vidinli, I. B., & Ozcan, R. (2016). New query suggestion framework and algorithms: A case study for an educational search engine. Information Processing & Management. Wilson, T. D. (2000). Recent trends in user studies: action research and qualitative methods. Information research, 5(3), 5-3. | ||
|
آمار تعداد مشاهده مقاله: 1,138 تعداد دریافت فایل اصل مقاله: 996 |
||