استخراج کلمات و عبارات کلیدی از متون فارسی(مروری بر پژوهش‌های صورت گرفته )

نویسندگان

1 دانشگاه شیراز؛ شیراز، ایران؛ مسئول کتابخانه دانشکده پرستاری و مامایی؛ دانشگاه علوم پزشکی قزوین؛ قزوین، ایران؛

2 بخش علم اطلاعات و دانش‌‌شناسی؛ دانشکده روان‌شناسی و علوم تربیتی؛ دانشگاه شیراز؛ شیراز، ایران؛

3 دانشگاه فردوسی مشهد؛ مشهد، ایران؛ کارشناس بخش تست و توسعه؛ شرکت پارس‌آذرخش؛ تهران، ایران

4 گروه پزشکی اجتماعی؛ دانشکده پزشکی؛ دانشگاه علوم پزشکی قزوین؛ قزوین، ایران

5 بخش علم اطلاعات و دانش‌شناسی؛ دانشکده روانشناسی و علوم تربیتی؛ دانشگاه شیراز؛ شیراز، ایران؛

6 ؛ بخش مهندسی و علوم کامپیوتر و فناوری اطلاعات؛ دانشگاه شیراز؛ شیراز، ایران

7 بخش علم اطلاعات و دانش‌‌شناسی؛ دانشکده روان‌شناسی و علوم تربیتی؛ دانشگاه شیراز؛ شیراز، ایران؛

8 دانشکده مهندسی کامپیوتر؛ دانشگاه صنعتی امیرکبیر؛ تهران، ایران؛

doi
10.35050/JIPM010.2020.011
چکیده

استخراج کلمات/ عبارات کلیدی متن، پیش‏‏نیاز بسیاری دیگر از وظایف حوزه پردازش زبان طبیعی است. اما بررسی متون فارسی و انگلیسی این حوزه نشان ‏می‌دهد که تلاش‌‏های انگشت‏‌شماری برای استخراج کلمات/ عبارات کلیدی از متون فارسی صورت‌‏گرفته ‏است. ازاین‌رو، این مقاله ‏با هدف تعیین موقعیت کنونی پردازش زبان طبیعی فارسی، و ‏به‏‌طور خاص، استخراج کلمات/ عبارات کلیدی از متون فارسی ‏به‏ مرور خلاصه‌‏‏‏‏ای ‏از مقالات فارسی و انگلیسی منتشر‏شده در این حوزه که از متون فارسی برای آزمودن ایده‏‌ها استفاده کرده‌‏‏‏اند‏، ‏می‌‏پردازد. سپس، هر مقاله را از نظر روش‌‏‏شناسی، نحوه اجرا و ‏پیاده‏‌سا‏‏زی، روش ارزیابی، و معیارهای آن مورد تعمق قرار داده و به چالش ‏می‏‌کشد. در مجموع، 14 مقاله فارسی و 6 مقاله انگلیسی به استخراج کلمات و عبارات کلیدی از متون فارسی پرداخته‏‌اند‏. روش بیشتر این مقالات استفاده از اطلاعات آماری و ‏زبان‏‏‏شناختی بوده ‏است. اکثر این مقالات یا در روش‏‌شناسی انتخاب‏‌شده ایراد دارند و یا نویسندگان نتوانسته‌‏اند‏ ایده پیشنهادی خود را ‏به‏‌وضوح برای خواننده تبیین نمایند. ‏در بسیاری از مقالات از مجموعه داده استانداردی برای ارزیابی سیستم استفاده نشده و نحوه محاسبه معیارهای ارزیابی مبهم یا دارای اشکال است. در مجموع، ‏به‌جز 3 مقاله که روش اجرا‏شده را ‏به‌‌نحو نسبتاً قابل‏‌قبولی گزارش کرده‏‌اند‏، سایر مقالات قابلیت تکرار‏پذیری و تعمیم ندارند. این است که نمی‌‏توان از آن‌ها ‏به‏‌عنوان معیار پایه‏‏ای ‏برای ارزیابی سیستم‌‏های آینده استفاده کرد یا از ایده مطرح‌‏شده در آن‌ها با اطمینان در ساخت و توسعه نرم‏‌افزارهای کاربردی و عملی در حوزه استخراج کلمات کلیدی استفاده نمود.