به گزارش «روابط‌ عمومی پژوهشگاه علوم و فناوری اطلاعات ایران» طرح پژوهشی «توسعه سیستم پیشنهاددهنده کلیدواژه برای مستندات علمی فارسی بر پایه اطلاعات اصطلاح‌نامه‌های تخصصی» توسط دکتر آزاده محبی، استادیار پژوهشکده فناوری اطلاعات به پایان رسید.

کلیدواژه‌های یک سند، به خصوص یک سند علمی مانند پایان‌نامه‌های موجود در پایگاه اطلاعات علمی ایران (گنج)، بیانگر موضوعات نهفته در سند است که امروزه در سیستم‌های بازیابی اطلاعات به عنوان عناصر کلیدی برای افزایش دقت روش‌های بازیابی، در نظر گرفته می‌شوند. علاوه بر بهبود بازیابی اطلاعات، کلیدواژه‌ها می‌توانند در خلاصه‌سازی خودکار، دسته‌بندی، خوشه‌بندی و نیز بازنمایی فراداده‌های یک سند برای مدیریت بهتر اسناد بکار گرفته شوند. در این طرح پژوهشی، سیستمی طراحی و توسعه‌یافته که می‌تواند بر مبنای عنوان و چکیده یک سند، کلیدواژه‌های مناسب برای آن را پیشنهاد دهد. روش‌های بدون ناظر برای استخراج خودکار کلیدواژه، معمولا مجموعه واژگان یا عبارات را بر اساس ویژگی‌های مختلف از متن به عنوان عبارات کاندید استخراج می‌کنند و با روش‌های امتیازدهی، از بین آنها بهترین عبارات به عنوان کلیدواژه انتخاب می‌شوند. در بسیاری از این روش‌ها، فراوانی به عنوان یکی از مهمترین ویژگی‌های عبارات کاندید در نظر گرفته می‌شود. از آنجایی‌که در این پژوهش تنها به عنوان و چکیده اکتفا می‌شود، فراوانی لزوما نمی‌تواند معیار مناسبی برای شناسایی کلیدواژه‌ها باشد و به دلیل کوتاه بودن سند، سایر ویژگی‌ها نیز کارایی مناسبی نخواهد داشت. در این پژوهش روشی برای سیستم پیشنهاد کلیدواژه ارائه می‌شود که کلیدواژه‌‌های پیشنهادی بر اساس منابع بیرونی و اصطلاح‌نامه‌های تخصصی استخراج می‌شوند. بنابراین در این طرح پژوهشی برای یک سند، مجموعه‌ای از کلیدواژه‌ها پیشنهاد می‌دهد. روش پیشنهادی از دو مرحله تشکیل شده است. برای یک سند ورودی، در مرحله اول، از بین اسناد مشابه که قبلا نمایه شده‌اند، کلیدواژه‌هایی از آن اسناد که با سند مورد نظر نیز مرتبط هستند، استخراج می‌شوند. سپس در مرحله دوم، با استفاده از اصطلاح‌نامه‌های تخصصی و متن سند مورد نظر، کلیدواژه‌های جدیدی نیز به کلیدواژه‌های مرحله قبل اضافه می‌شوند و در نهایت بهترین کلیدواژه‌ها از نظر میزان ارتباط با سند پیشنهاد می‌شوند.  برای ارزیابی علکرد روش پیشنهادی از مجموعه داده حاصل از پژوهش محبی و همکاران (1400) استفاده شده است و نتایج آن با شاخص‌های دقت، فراخوانی و API سنجیده شده است.