جستجوي پيشرفته | کتابخانه مجازی الفبا

خوشه‌بندی یا دسته‌بندی بدون نظارت با سازمان‌دهی پیکره‌های بزرگ متنی، نقش کلیدی در پیمایش و مرور آسان انبوهی از متون دارد. نقش این سازمان‌دهی در موتورهای جستجو برای ارائه‌ خوشه‌های معنادار مرتبط با پرس‌و‌جو، جهت پیشگیری از سردرگمی کاربر در حجم عظیمی از اسناد بازیابی شده بیشتر نمایان می‌شود. علاوه بر مشکلاتی نظیر تعداد ابعاد بسیار زیاد و تحلیل خوشه‌ای، متاسفانه دیدگاه متعارف خوشه‌بندی‌های افرازی و سلسله‌مراتبی، به متن، همانند کیسه‌ای از کلمات است که در نتیجه در مقایسه‌ها فقط شباهت‌های ظاهری اسناد مورد توجه قرار می‌گیرد. در این نوع دیدگاه، کلمات یا تِرم‌ها کاملا ناهمبسته‌اند و به روابط کلمات (مثل هم‌معنایی و شمول) توجهی نمی‌شود. همچنین تلاشی برای رفع ابهام از کلمات چند‌معنایی صورت نمی‌گیرد. عدم توجه به این گونه مسائل غالبا منجر به خوشه‌بندی با ‌کیفیت پایین و یا غیرمعنایی می‌شود.در این تحقیق، زبان فارسی با توجه به اهمیت آن به عنوان یکی از زبان‌های زنده دنیا و رشد روزافزون متون الکترونیکی به زبان نوشتاری فارسی، مورد توجه قرار گرفته است. ایده اصلی یافتن توصیف‌های مناسب برای دانش پس‌زمینه و غنی‌سازی متن فارسی با استفاده از آن جهت افزایش کیفیت خوشه‌بندی است. برای نیل به این مقصود از منبع دانش خارجی با نام واژ-هستان‌شناسی فارس‌نت استفاده شده است. با کمک فارس‌نت عملیات رفع ابهام از دسته‌های معنایی کلمه صورت پذیرفته، روابط هم‌معنایی و شمول مربوط به معنای کلمه رفع ابهام شده، وارد بردار کلمات متن می‌شود. همچنین برای خوشه‌بندی متنی بر رهیافت نمایش مبتنی بر اجزاء یا فاکتورگیری نامنفی ماتریسِ ترم-متن تاکید شده است. نتایج ارزیابی‌های صورت گرفته بر روی پیکره استاندارد متنی همشهری، نشان از بهبود کیفیت خوشه‌بندی متون فارسی غنی‌شده (بخصوص با رابطه شمول) در مقایسه با خوشه‌بندی خام دارد. همچنین تاثیر این روابط در بهبود کیفیت خوشه‌بندی و نیز توضیح خوشه‌ای بر پایه فاکتورگیری نامنفی ماتریس بیشتر از خوشه‌بندی Bisecting Kmeans بوده است.

پرس‌وجو برای بیان نیازهای کاربران به اطلاعات موجود در صفحات وب و سایر منابع، مطرح می‌شود. پرس‌وجوهای کاربران معمولاً «بسیار کوتاه» و شامل دو یا سه کلمه می‌باشند. قابلیت زبان‌های مختلف در بیان یک مفهوم با چندین کلمه مترادف و وجود یک کلمه با بیش از یک معنی، منجر به مشکل «عدم تطابق کلمه» و «مبهم بودن پرس‌وجو» می‌شوند. در نتیجه تعداد زیادی اسناد غیرمرتبط بازیابی شده و دقت کاهش می‌یابد. برای رفع این مشکلات از تکنیک گسترش پرس‌وجو استفاده می‌شود که از طریق پیشنهاد و افزودن واژگان مناسب به پرس‌وجوی کاربر، موجب بهبود دقت بازیابی خواهد شد. مهمترین مسئله، تشخیص و انتخاب واژه خوب برای افزودن به پرس‌وجوی کاربر می‌باشد. در مباحث گسترش پرس‌وجو دو عامل مهم «روش انتخاب واژگان گسترش» و «منابع واژگان گسترش» وجود دارد. در این پایان‌نامه با درنظر گرفتن ویژگی‌های زبان فارسی و مسائل مرتبط با آن، به بررسی گسترش پرس‌وجو در موتور جستجوی فارسی می‌پردازیم. برای این کار از هستان‌شناسی عمومی فارس‌نت و شبکه مفهوم استفاده می‌کنیم که در برگیرنده روابط میان مفاهیم و کلمات می‌باشد. پس از دریافت پرس‌وجوی کاربر از طریق مطابقت آن با شبکه مفهوم، گروهی از کلمات مرتبط با پرس‌وجوی کاربر استخراج می‌شوند و در مرحله بعد مطابق الگوریتم ارائه شده، رتبه‌بندی می‌شوند. در پایان تعدادی از کلمات بسیار مرتبط با پرس‌وجوی کاربر به صورت خودکار به پرس‌وجوی اولیه کاربر افزوده می‌شوند و پرس‌وجوی گسترش یافته مورد جستجو قرار می‌گیرد. نتایج آزمایش‌های انجام شده، نشان دهنده بهبود عملکرد و افزایش دقت بازیابی می‌باشد.

نتایج پژوهش نشان داد که پاسخ به پرسش (1) می تواند مثبت باشد؛ با توجه به بسامد بالای 156 استعاره در 81 خبر، که تقریبا 2 استعاره در هر خبر است، می توان استعاره را نوعی از شگردهای بیان تلویحی در متون مطبوعاتی دانست.در پاسخ به پرسش (2) پژوهش و بر اساس تقسیم بندی لیکاف از انواع استعاره می توان گفت استعاره های جان بخشی با نسبت 24 به 156 حدودا 15 درصد از استعاره های موجود در پیکره را شامل می شدند. بعد از آنها استعاره های جهتی با 13 مورد رتبه دوم را داشتند و استعاره های ظرف و مظروف با فقط 8 مورد و 5 درصد از استعاره های موجود در پیکره، از کمترین بسامد برخوردار بودند. پاسخ پرسش (3) بیشترین ارتباط با وقوع همزمان در 69 خبر بین استعاره و ارزش خبری برخورد دیده می شود. بعد از آن ارزشهای خبری شهرت و شگفتی هستند که هر یک در 35 خبر با استعاره وقوع همزمان دارند. در رتبه سوم، ارزش خبری تازگی است که در 33 خبر وقوع همزمان با استعاره دارد. در 30 خبر وقوع همزمان استعاره و ارزش خبری مجاورت دیده می شود. در 26 خبر وقوع همزمان استعاره و ارزش خبری بزرگی را شاهدیم. و در پایان در 23 خبر وقوع همزمان استعاره و ارزش خبری دربرگیری را داریم. پس بیشترین ارتباط استعاره را می توان با ارزش خبری برخورد مشاهده کرد و ارزشهای خبری بعدی به ترتیب فوق در ارتباط با استعاره دیده می شوند. حال به بررسی صحت و سقم فرضیه های پژوهش بپردازیم. آنچنان که در نمودارهای فصل 4 دیدیم، بسامد استعاره های موجود در تیتر و لید خبرهای پیکره تحقیق در بین 81 خبر به 156 استعاره می رسد؛ یعنی به طور متوسط 92/1 استعاره در هر خبر و این یافته فرضیه (1) پژوهش را در محدوده پیکره مورد بررسی تایید می کند. در مورد فرضیه (2) از میان 156 استعاره موجود در کل پیکره، 31 استعاره در تیترها و 125 استعاره در لیدها وجود دارد. استعاره های ظرف و مظروف دارای کمترین بسامد –هشت- و استعاره های جان بخشی دارای بیشترین بسامد -24- بوده اند. در میان ارزشهای خبری بیشترین بسامد -76- را ارزش خبری «برخورد» دارد؛یعنی از 81 خبر تنها پنج خبر فاقد این ارزش بوده اند. بدین ترتیب فرضیه (2) نیز پذیرفته می شود.اما در رد فرضیه (3) اذعان به این نکته ضروری است که در پیکره مورد بررسی استعاره های ظرف و مظروف از بسامد بسیار کمی برخوردار بودند؛ یعنی 8 استعاره در 81 خبر که چیزی حدود 10 درصد می شود و اگر بسامد نسبت به تعداد کل استعاره ها نیز در نظر گرفته شود به میزان ناچیز 5 درصد می رسیم.

در این پژوهش، میزان همبستگی میان ضریب تأثیر و خود – استنادی مجلهدر نشریات علمی منتشر شده در سال‌های 1386-1380 در گزارش‌های استنادی نشریات فارسی پایگاه استنادی علوم جهان اسلام بررسی شده است.بدیهی است که درصدی از کل استنادها شامل خود- استنادی مجله است، این میزان چنانچه در حد زیاد باشد باعث می‌شود که رتبه‌ی مجله در سطح بالا قرار بگیرد، بنابراین محاسبه ضریب تأثیر بدون خود – استنادی ضروری است. این پژوهش، با استفاده از روش تحلیل استنادی انجام گرفته است. جامعه‌ی مورد مطالعه، شامل مجلات دارای ضریب تأثیر موجود در گزارش‌های استنادی نشریات فارسی پایگاه استنادی علوم جهان اسلام در سال‌های 1386-1380 می باشد. نتایج نشان داد رابطه‌ی معنی داری در سطح (0/01) بین ضریب تأثیر و خود – استنادی مجله وجود دارد(r= 0/541 , sig=0/000). این میزان در حوزه‌ی هنر و معماری بیشترین مقدار و در حوزه‌ی علوم پایه کمترین مقدار را دارا می‌باشد. ضریب همبستگی پیرسون نشان داد که رابطه معنی داری در سطح (0/01) بین تعداد مقاله و تعداد خود – استنادی وجود دارد(r= 0/392 , sig=0/000). یافته‌هانیز نشان داد که ضریب تأثیر مجلات تحت کنترل تعداد مقالات نمی‌باشد. نرخ خود – استنادی مجله در حوزه‌ی هنر و معماری با 68/46 درصد بیشترین، و در حوزه‌ی علوم پزشکی با 21/93 درصد کمترین مقدار را دارا می‌باشد.نرخ خود- استنادی مجله در حوزه‌های علوم انسانی، علوم پزشکی و علوم کشاورزی و دامپزشکی در سال‌های مورد بررسی روندی نزولی داشته، اما در حوزه‌ی علوم پایه و هنر و معماری روندی صعودی را نشان می‌دهد، این نرخ در حوزه علوم فنی و مهندسی در سال‌های مورد بررسی روند ثابتی را طی نموده است. پس از حذف خود – استنادی از 978 مجله دارای ضریب تأثیر در سال‌های مورد بررسی، رتبه 30/06 درصد مجلاتکاهش، رتبه 61/04 درصد افزایش یافته و در رتبه 8/89 درصد مجلات بدون تغییر باقیمانده است که این نشاندهنده تأثیر متغیر خود- استنادی مجله بر متغیر ضریب تأثیر مجله است.

زبان‌شناسی، روش‌های آموزش زبان دوم نیز پیشرفت بسزایی کرده است. دلیل این پیشرفت را می‌توان استفاده و کاربرد شیوه‌های علمی زبان‌شناسی در آموزش زبان دوم دانست. از جمله مسایل مورد توجه زبان‌شناسی در دهه‌های اخیر، تحلیل گفتمان انتقادی بوده است. از موضوعاتی که می‌توان در تحلیل گفتمان انتقادی، به بررسی آن پرداخت و ابعاد آن‌را در رسانه‌های غربی بررسی نمود تاثیر این رسانه‌ها در شکل‌گیری تفکر اسلام‌هراسی از لحاظ تحلیل گفتمان انتقادی و به تبع آن، بررسی تاثیر آن، بر انگیزش غیرفارسی‌زبانان و ایجاد نگرش منفی نسبت به اسلام و زبان‌هایی است که انتقال دهنده مفاهیم اسلامی هستند؛ همچنین می‌توان برای اصلاح این نگرش منفی، راهکارهایی که تحلیل گفتمان انتقادی، ارایه می‌دهد به کار گرفت. استفاده از تحلیل گفتمان انتقادی در این پژوهش از دو جهت خواهد بود: اول، جهت تشخیص بازنمایی منفی اسلام و مسلمانان و مساله اسلام هراسی در رسانه‌های غربی و به‌طور خاص شبکه فاکس نیوز و دوم جهت از بین بردن و درمان اسلام هراسی در سطح کلان جامعه و سپس در سطح خرد کلاس‌های آموزش زبان فارسی به غیرفارسی‌زبانان. در این تحقیق، در مرحله آموزش رسانه‌ای و تاثیر رسانه‌ها، اخبار متعدد از سایت خبری شبکه فاکس نیوز درباره ایران و اسلام بوده انتخاب شده است و از چارچوب سه مرحله‌ای فرکلاف برای تحلیل آن (از ساختارهای خرد تا کلان) استفاده شده است. بعد از تحلیل خبرها و اثبات فرضیات تحقیق، سعی شده است، طرح درسی بر اساس مدل کاتز، برای کلاس‌های آموزش زبان فارسی به غیر فارسی زباناندر مدل تکلیف- محور ارایه شود.