بازیابی اطلاعات فازی ۲۰۲۲
Fuzzy Information Retrieval 2022

در گذشته، بازیابی اطلاعات به معنای جستجو در میان هزاران رشته متن برای یافتن کلمات یا نمادهایی بود که با پرسش کاربر مطابقت داشتند. امروزه، مدل‌های بسیاری وجود دارند که به نمایه سازی و جستجوی موثرتر کمک می‌کنند، به طوری که بازیابی زمان بسیار کمتری می‌برد. بازیابی اطلاعات (IR) اغلب به عنوان زیرشاخه‌ای از علوم کامپیوتر در نظر گرفته می‌شود و در مدل‌سازی، کاربردها، برنامه‌های ذخیره‌سازی و تکنیک‌ها، با رشته‌های دیگری مانند هوش مصنوعی، مدیریت پایگاه داده و محاسبات موازی اشتراک دارد. این کتاب به معرفی موضوع IR و تفاوت آن با سایر رشته‌های علوم کامپیوتر می‌پردازد. بحث مختصری درباره تاریخچه IR مدرن ارائه شده و نمادگذاری IR مورد استفاده در این کتاب تعریف می‌شود. نمادگذاری پیچیده مرتبط با مفهوم “مرتبط بودن” (Relevance) مورد بحث قرار می‌گیرد. برخی از کاربردهای IR نیز ذکر شده است، زیرا IR امروزه کاربردهای عملی بسیاری دارد. استفاده از بازیابی اطلاعات با منطق فازی برای جستجوی اصطلاحات نرم‌افزاری می‌تواند به یافتن اجزای نرم‌افزاری کمک کرده و در نهایت، استفاده مجدد از نرم‌افزار را افزایش دهد. این تنها یکی از کاربردهای عملی IR است که در این کتاب پوشش داده شده است.

برخی از مدل‌های کلاسیک IR به عنوان تضادی با گسترش مدل بولی ارائه شده‌اند. این شامل اشاره‌ای مختصر به منبع وزن‌ها برای مدل‌های مختلف است. در یک محیط بازیابی معمولی، پاسخ‌ها یا بله هستند یا خیر، یعنی روشن یا خاموش. از طرف دیگر، منطق فازی می‌تواند “درجه‌ای از” مطابقت را در مقابل یک مطابقت قطعی، یعنی مطابقت دقیق، به ارمغان بیاورد. این موضوع نیز مورد بررسی دقیق قرار می‌گیرد و نشان می‌دهد که چگونه می‌توان آن را در بازیابی اطلاعات به کار برد. منطق فازی اغلب به عنوان یک کاربرد محاسبات نرم (Soft Computing) در نظر گرفته می‌شود و این کتاب به بررسی این موضوع می‌پردازد که چگونه IR با منطق فازی و توابع عضویت آن به عنوان وزن، می‌تواند به نمایه سازی، پرسش و مطابقت کمک کند. از آنجایی که نظریه و منطق مجموعه‌های فازی در سیستم‌های IR مورد بررسی قرار می‌گیرد، توضیح اینکه این فازی‌بودن از کجا ناشی می‌شود، به میان می‌آید.

مفهوم بازخورد مرتبط بودن (Relevance Feedback)، از جمله بازخورد شبه‌مرتبط بودن (Pseudorelevance Feedback) برای مدل‌های مختلف IR مورد بررسی قرار می‌گیرد. برای مدل بولی توسعه یافته، استفاده از الگوریتم‌های ژنتیک برای بازخورد مرتبط بودن، بررسی می‌شود.

مفهوم گسترش پرسش (Query Expansion) با استفاده از نظریه مجموعه‌های راف (Rough Set Theory) مورد بررسی قرار می‌گیرد. روابط مختلف اصطلاحات مدل‌سازی و ارائه شده و مدل برای بازیابی فازی گسترش می‌یابد. یک مثال با استفاده از اصطلاحات UMLS نیز ارائه شده است. این مدل همچنین برای روابط اصطلاحی فراتر از مترادف‌ها گسترش یافته است.

در نهایت، این کتاب به خوشه‌بندی، هم قطعی (Crisp) و هم فازی، می‌پردازد تا ببیند چگونه می‌تواند عملکرد بازیابی را بهبود بخشد. یک مثال برای نشان دادن مفاهیم ارائه شده است.

Information retrieval used to mean looking through thousands of strings of texts to find words or symbols that matched a user’s query. Today, there are many models that help index and search more effectively so retrieval takes a lot less time. Information retrieval (IR) is often seen as a subfield of computer science and shares some modeling, applications, storage applications and techniques, as do other disciplines like artificial intelligence, database management, and parallel computing. This book introduces the topic of IR and how it differs from other computer science disciplines. A discussion of the history of modern IR is briefly presented, and the notation of IR as used in this book is defined. The complex notation of relevance is discussed. Some applications of IR is noted as well since IR has many practical uses today. Using information retrieval with fuzzy logic to search for software terms can help find software components and ultimately help increase the reuse of software. This is just one practical application of IR that is covered in this book.

Some of the classical models of IR is presented as a contrast to extending the Boolean model. This includes a brief mention of the source of weights for the various models. In a typical retrieval environment, answers are either yes or no, i.e., on or off. On the other hand, fuzzy logic can bring in a “degree of” match, vs. a crisp, i.e., strict match. This, too, is looked at and explored in much detail, showing how it can be applied to information retrieval. Fuzzy logic is often times considered a soft computing application and this book explores how IR with fuzzy logic and its membership functions as weights can help indexing, querying, and matching. Since fuzzy set theory and logic is explored in IR systems, the explanation of where the fuzz is ensues.

The concept of relevance feedback, including pseudorelevance feedback is explored for the various models of IR. For the extended Boolean model,the use of genetic algorithms for relevance feedback is delved into.

The concept of query expansion is explored using rough set theory. Various term relationships is modeled and presented, and the model extended for fuzzy retrieval. An example using the UMLS terms is also presented. The model is also extended for term relationships beyond synonyms.

Finally, this book looks at clustering, both crisp and fuzzy, to see how that can improve retrieval performance. An example is presented to illustrate the concepts.