روشي تركيبي به‌ منظور توصيه پرس‌ وجوهاي پزشكي در سيستم‌هاي توصيه‌ گر

A Hybrid Method for Query Recommendation in Recommender Systems

رشد روزافزون اطلاعات موجود در اينترنت و سربار زياد اطلاعاتي، چالش مهمي براي كاربران در جهت دسترسي به اطلاعات موردنيازشان ايجاد كرده است. امروزه توصيه گرهاي پرس وجو به يك جزء جدايي ناپذير سيستم هاي بازيابي اطلاعات تبديل شده اند. يكي از كاربردهاي اين توصيه گرها در زمينه علوم پزشكي است. اين سيستم ها با به كارگيري فرايندهاي شخصي سازي سعي در تسكين مشكل سرريز اطلاعات در وب و سرعت بخشيدن به جستجوي اطلاعات پزشكي كاربران دارند.روش: اين پژوهش از نوع كاربردي و توصيفي است. در اين پژوهش سعي شد با استفاده از ويژگي هاي محتوايي پرس وجوها و نتايج جستجو روشي ارائه شود كه ضمن حفظ ارتباط معنايي با پرس وجوي اصلي، كاربران را سريع تر به نيازهاي اطلاعاتي شان برساند. به منظور خوشه بندي پرس وجوها از الگوريتم k-means استفاده شد. پياده سازي روش پيشنهادي با استفاده از زبان برنامه نويسي جاوا و نرم افزار netbeans ide صورت گرفت.نتايج: با توجه به سيستم پيشنهادي، استفاده توامان از ويژگي هاي ساختاري پرس وجوها و نتايج جستجو حاوي اطلاعاتي مفيدي براي تشخيص پرس وجوهاي مشابه است. از آن جا كه امكان وجود كلمات چندمعنا در پرس وجوي كاربران وجود دارد، استفاده از نتايج جستجو مي تواند در امر تشخيص هدف كاربر از پرس وجو مفيد باشد.نتيجه گيري: نتايج حاصل از ارزيابي روش پيشنهادي با دادگان واقعي مربوط به موتور جستجوي بومي پارسي جو، بيانگر موثر بودن اين روش در بهبود دقت توصيه نسبت به ساير روش ها است. طبق ارزيابي هاي انجام شده، دقت سيستم پيشنهادي برابر با 77.24% است كه در مقايسه با مطالعات مطرح در اين زمينه، 10% بهبود داشته است.

Introduction: The rapid growth of information in the Internet and high informational overload has created an important challenge for users in accessing their needed information. Nowadays, query recommendation systems have become a major part of information retrieval systems. One of the applications of these recommendation systems is in medical sciences. Through applying personalization approach, these systems attempt to decrease the problem of informational overload in Web and to accelerate users' medical search. Method: In this applied and descriptive study, by using the lexical features and search results of queries, we tried to propose a method that helps users to access their desired information in a short time while maintaining the lexical relationship with the original query. The popular k-means algorithm was used to cluster queries. The implementation of the proposed method was done by using java programming language and in NetBeans IDE software. Results: According to the proposed method, the combined use of the lexical features and search results of queries leads to useful information for detecting similar queries. Since there is a possibility that a query contains multi-meaning words, using search results can be useful in identifying the user’s intent of a query. Conclusion: Evaluation of the proposed model with the real search log of the Parsijoo search engine indicated the precision rate of 77.4% for this method that in comparison to other methods shows 10% improvement of precision.