کلیدواژههای یک سند، به خصوص یک سند علمی مانند پایاننامههای موجود در 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 سیستمهای ثبت اطلاعات، مانند سامانه ثبت ایرانداک نیز این کلیدواژهها به عنوان بخشی از اطلاعات مهم فرادادهای از کاربر (نویسنده سند) دریافت میشوند. سپس طی فرایند ویرایش در سامانه ویرایش، این کلیدواژهها توسط نمایهسازان تخصصی غنیسازی میشوند. با توجه به افزایش حجم اسناد ورودی در این دست از سامانهها، نیاز است که اطلاعات در بدو ورود، تا حد امکان و با استفاده از راهکارهای مختلف، درست و کامل دریافت شوند تا در مراحل بعدی با کمترین ویرایش ثبت و نهایی شوند. در حال حاضر در سامانه ثبت، کاربر (نویسنده سند)، تعدادی کلیدواژه برای سند خود وارد مینماید که این کلیدواژهها ممکن است به طور کامل و جامع بیانگر کلیه ابعاد تخصصی آن سند نباشند، یا محدود باشند. به همین دلیل نیاز است که در مرحله بعدی نمایهساز نیز در ادامه، این کلیدواژهها را اصلاح یا اضافه نماید. هرچه کیفیت کلیدواژههای ورودی در مرحله ثبت توسط نویسنده سند، بهتر باشد، حجم کار در مراحل بعدی کاهش مییابد. در این طرح پژوهشی روشی در قالب یک سیستم آزمایشی ارائه میشود که برای یک سند، مجموعهای از کلیدواژهها پیشنهاد میشود. این روش میتواند به عنوان یک ماژول در سامانه ثبت و ویرایش اضافه شود تا فرایند نمایهسازی تسهیل گردد. جهت پیشنهاد کلیدواژه برای اسناد که عموما به آن استخراج کلیدواژه میگویند، روشهای گوناگونی وجود دارد. در برخی از این روشها تنها به محتوی اصلی سند اتکا میشود و براساس آن کلیدواژههای مناسب استخراج میشود. برخی دیگر از روشها از اطلاعاتی فراتر از محتوی سند استفاده میکنند که این اطلاعات از پیکرهها و مجموعه دادههای دارای کلیدواژه، و اصطلاحنامهها استخراج میشوند. محبی و جلالی منش (1398) در پژوهش خود روشی را پیشنهاد دادند که در آن مجموعهای از کلیدواژهها برای یک سند پیشنهاد میشود. در روش پیشنهادی ایشان، برای یک سند، کلیدواژههای پیشنهادی بر مبنای اسناد مشابه آن سند در یک مجموعه داده که اسناد آن دارای کلیدواژه هستند، پیشنهاد میشوند. بنابراین از محتوی سند و نیز اطلاعات اصطلاحنامهها برای استخراج کلیدواژه استفاده نمیشود. در این پژوهش روشی طراحی ارائه میشود که در آن برای یک سند نمایه نشده، بر اساس اطلاعات محتوی سند، اصطلاحنامههای تخصصی و نیز اسناد گنج که تا کنون نمایه شدهاند، مجموعهای از کلیدواژهها پیشنهاد میشود. در روش پیشنهادی، واژگان اصطلاحنامهها میتوانند به عنوان مرجعی هنگام انتخاب عبارات کلیدی از بین عبارات کاندید در روش استخراج کلیدواژه بکار گرفته شوند. برای این منظور سیستمی به صورت آزمایشی طراحی و پیادهسازی میشود که از طریق API به سامانه گنج برای جستوجوی اسناد نمایه شده مشابه، و سامانه اصطلاحنامهها متصل است و این سیستم با بکارگیری روش طراحی شده، کلیدواژههای مناسب را برای یک سند ورودی پیشنهاد میکند. لازم به ذکر است که این سیستم به منظور نمایش عملکرد و سرعت روش پیشنهادی به صورت آزمایشی طراحی میشود. برای ارزیابی عملکرد این سیستم از مجموعه داده حاصل پژوهش محبی و همکاران (1400) استفاده میشود.
محبی، آزاده، مرضیه زرینبال ماسوله، امیر بادامچی، و زهرا دهسرایی. 1402. توسعه سیستم پیشنهاددهنده کلیدواژه برای مستندات علمی فارسی بر پایه اطلاعات اصطلاحنامههای تخصصی. تهران: پژوهشگاه علوم و فناوری اطلاعات ایران.
