سیدمحمد بیدکی

رشد انفجاری منابع اطلاعاتی و گسترش اینترنت باعث جلب کاربران متعدد به این منابع شده است. کاربران نیاز اطلاعاتی خود را در قالب تعدادی کلمه کلیدی بیان می کنند. منابع اطلاعاتی براساس میزان شباهت با این پرسش بازیابی می گردند. حال اگر پرسش کاربر با کلمات مناسب بیان نشود، نتایج بازیابی راضی کننده نخواهد بود. از اینرو تکنیک های توسعه پرسش براساس بازخورد کاربر، برای بهبود نتیجه بازیابی استفاده می شوند. در این مقاله رویکردی جدید مبتنی بر یادگیری فعال برای توسعه پرسش براساس بازخورد کاربر ارائه گردیده است. در این رویکرد، مدل انتخاب اسناد جهت گرفتن بازخورد کاربر نسبت به روش های مرسوم بازخورد مرتبط تغییر یافته است. بدین صورت که تعدادی از اسناد با بیشترین میزان آموزندگی برای گرفتن بازخورد صریح از کاربر انتخاب می گردند. همچنین اسنادی که با کیفیت بالا دسته بندی گردیده اند به عنوان بازخورد ضمنی در توسعه پرسش دخالت داده می شوند. بدین صورت با تعداد بازخورد صریح یکسان با روش های مرسوم بازخورد مرتبط، اطلاعات مفید بیشتری در اختیار سیستم قرار می گیرد. نتایج ارزیابی در بستر مجموعه داده های کاملاً متن Reuters-21578 بیانگر بهبود چشمگیر کارایی سیستم با استفاده از رویکرد پیشنهادی بود. این تاثیر مثبت زمانی چشمگیرتر است که کاربر مفهوم ضمنی اسناد را جستجو می نماید.