خلاصة:
سازگاری کدهای ردهبندی و اصطلاحات نمایهسازی از یک اصطلاحنامه مدون با عبارات و کلماتی که بهطور خودکار استخراج شده، با استفاده از نمایه سازی ماشینی ایجاد میشود. در طراحی نظام نمایهسازی خودکار، کامپیوتر بهطور کامل جایگزین انسان میشود. این پژوهش با هدف اسـتخراج کلمـات کلیـدی و شناسایی گرایشهای موضوعی مقالات نمونه آماری در حوزه بازیابی اطلاعات و تخصص موضوعی نویسنده هر مقاله با روش متنکاوی و دستهبندی آنها با استفاده از همرخدادی واژگان صورت گرفته است. روش این پژوهش از نوع کاربردی است و بر اساس مدل «کریسپ» از مدلهای فرایند دادهکاوی و الگوریتم های متن کاوی انجام گرفته است. جامعه پژوهش، 313 مقاله حوزه بازیابی اطلاعات نمایهشده در «پایگاه نورمگز» است. پس از نرمالسازی متن مقالات با نرمافزار ویراستیار، طی متنکاوی مقالات با نسخه 1/7 نرمافزار «رپیدماینر»، واژگان کلیدی از طریق محاسبه وزن آنها استخراج و دادهها با استفاده از دو الگوریتم کلاسیک دسته بندی یعنی «کیانان» و «نایو بیز» تجزیه و تحلیل شدند. در پژوهش حاضر، کامپیوتر با کمک ابزارهای متنکاوی نرمافزار «رپیدماینر»، متن ماشین خوان را با استفاده از بسامد واژهها بهطور خودکار نمایهسازی کرده است. بدینمنظور، با کمک عملگرهای «ان-گرام» و محاسبه وزن کلمات بر اساس روش «تیاف-آیدیاف»، اصطلاحات و مفاهیم کلیدی و تخصص موضوعی نویسنده هر مقاله در قالب 16 دسته بندی استخراج شده است. سرانجام، برتری مدل «کیانان» در دسته بندی موضوعات هسته مقالات این پژوهش با دقت 85 درصدی نسبت به مدل «نایو بیز» تایید شد. مشاهده نتایج محاسبه دقتهای ماخوذه از مدلها، گواه کارایی قابل قبول نرمافزار «رپیدماینر» در نمایهسازی ماشینی متون است. نمایه سازی متون با استفاده از این روش میتواند به بهبود نتایج بازیابی اطلاعات و جلوگیری از ریزش کاذب اطلاعات در پایگاههای اطلاعاتی کمک کند.
Machine indexing Provides compatibility between classification codes and indexing terms, extracted expressions and words automatically from a Compiled thesaurus.. In designing an auto-indexing system, computer completely replaces humans. The purpose of this research was to identifying and extracting keywords and the subject trends of articles in the field of information retrieval and the subject’s specificity of the author of each article by using the text mining and categorizing (classifying) with the help of concurrence vocabularies. The method of this research is applied and based on the CRISP model of data mining and text mining algorithms are used. The research population consists of 313 articles in the field of information retrieval indexed in the Normmags database. After normalizing the text of the articles by the Virastyar software, and after text mining of the articles by version 7.1 of the RapidMiner software, the keywords were extracted by calculating their weight and were analyzed using two classical classification algorithms consisting of KNN and Naïve Bayse.In this study, the computer automatically indexed the readable machine text by using the frequency of the words with the help of the text mining tools of RapidMiner software. For this purpose, we use N-gram operators and calculate the weight of the words according to TF-IDF method. Terms and key concepts and subject and specialization of author of each article are extracted in the form of 16 categories. Finally, the superiority of the KNN model in categorization of the core subjects of the papers, this study is proving to be 85% more accurate than the Naïve bayse model. Finding the results of calculating the accuracy of the models indicate the acceptable performance of the RapidMiner software in machine indexing of texts. Indexing texts by using this method can help improve the results of information retrieval and prevent false dropping of information in databases.