PSWG: An Automatic Stop-word List Generator for Persian Information Retrieval Systems Based on Similarity Function & POS Information
- سال انتشار: 1395
- محل انتشار: مجله مهندسی دانش بنیان و نوآوری، دوره: 2، شماره: 5
- کد COI اختصاصی: JR_JKBEI-2-5_004
- زبان مقاله: انگلیسی
- تعداد مشاهده: 599
نویسندگان
Mohammad-Ali Yaghoub-Zadeh-Fard
Iran University of Science and Technology, Tehran, Iran
Iran University of Science and Technology, Tehran, Iran
Freelancer, Tehran, Iran
Freelancer, Tehran, Iran
چکیده
By the advent of new information resources, search engines have encountered a new challenge since they have been obliged to store a large amount of text materials. This is even more drastic for small-sized companies which are suffering from a lack of hardware resources and limited budgets. In such a circumstance, reducing index size is of paramount importance as it is to maintain the accuracy of retrieval. One of the primary ways to reduce the index size in text processing systems is to remove stop-words, frequently occurring terms which do not contribute to the information content of documents. Even though there are manually built stop-word lists almost for all languages in the world, stop-word lists are domain-specific; in other words, a term which is a stop-word in a specific domain may play an indispensable role in another one. This paper proposes an aggregated method for automatically building stop-word lists for Persian information retrieval systems. Using part of speech tagging and analyzing statistical features of terms, the proposed method tries to enhance the accuracy of retrieval and minimize potential side effects of removing informative terms. The experiment results show that the proposed approach enhances the average precision, decreases the index storage size, and improves the overall response time.کلیدواژه ها
Information Retrieval, Natural Language Processing, Part of Speech Tagging, Index Size Reduction, Stop-wordsمقالات مرتبط جدید
- بررسی تاثیر سواد تجاری بر عملکرد شرکت با توجه به نقش میانجی خودکارآمدی کارآفرینانه مدیران
- بررسی تاثیر سواد تجاری بر خودکارآمدی کارآفرینانه مدیران
- بررسی تاثیر هوش معنوی بر عملکرد حسابرسان
- بررسی تاثیر بهزیستی روانشناختی بر ارتباط بین تضاد نقش و عملکرد حسابرسان
- بررسی برخی عوامل اجتماعی - فرهنگی موثر بر طلاق عاطفی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.