Review
چكيده:
پژوهش حاضر با هدف شناسايي واژههاي غيرمفهومي در زبان فارسي و تهـيه سياههاي از اين واژهها براي نمايهسازي خودكار متنهاي فارسي در رشتههاي روانشناسي، علومتربيتي و كتابداري و اطلاعرساني انجام شده است. اين پژوهش با روش تحليل محتوا صورت گرفتهاست. جامعه آماري اين پژوهش را مقالههاي مندرج در آخرين شماره منتشرشده در مجلههاي علمي و پژوهشي ِ رشتههاي علـومتربيتي، روانشناسي و كتابداري و اطلاعرساني در سال 1385 تشكيل ميدهد. نمونه شامل 63 مقاله است. گردآوري دادهها با استفاده از تفكيك واژگان به صورت ماشيني و دستي صورت گرفت. نتايج پژوهش نشان داد: 1- افعال ( معين و همراهشونده)، قيدها، ضماير، حروف، اصوات، اعداد و علائم سجاوندي بهعنوان واژه نمايهها ظاهر نميشوند، بنابراين، آنها را ميتوان واژههاي غيرمفهومي يا به اصطلاح واژههاي بازدارنده تلقي كرد. 2- بدون احتساب علائم سجاوندي، در رشتة علوم تربيتي 96/39%، در رشته روانشناسي 57/38% و در رشـــته كتابداري 12/38% از حجم متون را واژههاي غيرمفهومي تشكيل ميدهد. 3- واژههاي بازدارندة پربسامد در هرسه حوزه تقريبا مشابه است. 4- از تعداد 248552 واژه (بدون احتساب علائم سجاوندي) كه پيكرة زباني مورد مطالعه را تشكيل ميداد، 97280 واژه كه 94/38% كل واژهها را شامل ميشود، جزء واژههاي بازدارنده هستند.5- نتيجة مقايسه فهرست فارسي حاصل از پژوهش با فهرست واژههاي بازدارنده انگليسي نشان داد بين اين دو فهرست به ميزان 5/28% همپوشاني وجود دارد. 6. همچنين 38/20% از واژهها فاقد توزيع بسامدي يكسان در سه رشتة مورد مطالعه ميباشند.
كليدواژهها: واژههاي غيرمفهومي، واژههاي بازدارنده، نمايهسازي خودكار، ساخت واژگاني زبان فارسي.
مقدمه
نمايهسازي فرايند تحليل محتواي اطلاعاتي، پيشينهاي از دانش و بيانكردن محتواي اطلاعاتي در زبان نمايهسازي از طريق اصطلاحات نمايهاي است. به اين ترتيب، نمايهسازي حداقل سه مرحله دارد:
1. انتخاب مفاهيم قابل نمايه در يك مدرك
2. بيانكردن اين مفاهيم در زبان نمايهسازي ( به صورت واژه نمايهها[1] )
3. تهيه يك فهرست مرتبشده از اين شناسهها (لاتينن[2]، 2000:ص. 29)
نمايهسازي يا بهصورت دستي و يا بهصورت ماشيني[3] است. هنگاميكه اصطلاحات نمايهاي توسط نمايهساز انتخاب شود، نمايهسازي دستي است و چنانچه همه امور انتخاب كليدواژه، ترتيببندي و ... توسط رايانه انجام شود، نمايهسازي ماشيني است. اكثر روشهاي نمايهسازي خودكار موجود، براي انتخاب اصطلاحات نمايهاي از زبان طبيعي[4] استفاده ميكنند. در اين شيوه تكواژهها و عبارتهاي چندواژهاي براي انعكاس محتواي متن، مستقيماً از عنوان، چكيده و متن كـامل يك مدرك انتخاب ميشوند(موئنز[5]،2003: ص. 24).
در مجموع، در نظامهاي نمايهسازي رايانهاي سعي نشدهاست تا عملكرد ذهني شخص نمايهساز تقليد شود. برنامهريزي رايانهاي به منظور گزينش اصطلاحات حايز اهميت از متني با زبان طبيعي، مستلزم اين است كه برنامه درك خوبي از زبانشناسي و دانش لازم در مورد موضوعي كه تحت بررسي است، داشتهباشد. البته، اين امر در حال حاضر براي تمام و يا اكثر نظامهاي بازيابي كار بسيار بزرگي است. در عوض، نمايهسازي خودكار به روشهايي كه بر فراواني نسبي كلمات در متن مبتني است، تكيه دارد (ويكري و يكري[6]،1380:ص180).
ميتوان مراحل زير را در فرايند نمايهسازي خودكار درنظر گرفت:
1. شناسايي واژههاي انفرادي از متن كه تحليل واژگان[7] ناميدهميشود (موئنز، 2003: ص. 77)
2. برداشتن واژههاي كاربردي و واژههاي با بسامد تكرار بالا كه در ارائه محتواي متن بــــيتأثيرند، با استفاده از فهرست واژههاي غيرمجاز.
3. تبديل واژههاي باقيمانده به شكل ريشه[8] آنها؛ يعني حذف پسوندها يا پيشوندها تا هر كلمه تا حد ريشهاش كوتاه شود.
4. محاسبة رايانهاي بسامد رخدادهاي ريشههايي كه در متن تحليل شدهاند، به منظور تعيين تابع ارزشگذاري هر ريشه.
5. ريشههايي كه نسبت به بعضي ارزشهاي قراردادي آستانهاي[9]، ارزشگذاري بزرگتري دارند، براي متني كه در آن ظاهر شده، به عنوان كليدواژه تعيين ميشود. در بعضي نظامها، كليدواژه ممكن است ارزشي متناسب با ارزش تابع ارزشگذاري داشته باشد (ويكري و ويكري[10]، 1380: ص. 183).
به هر حال، تعيين واحدهاي متني و مشخص كردن حد و حدود واژه براي ماشين از مسائل اساسي در گزينش اصطلاحات نمـايهاي در نمـايهسـازي خودكار است (گيلوري، 1379). به علاوه، امكان تشخيص واژههاي مفهومي از واژههاي غيرمفهومي، در فرايند انتخاب اصطلاحات نمايه تأثير بسزايي دارد. آنچه مسلم است، ماشين امكان تشخيص را تنها از طريق تطـبيق واژههاي استخراج شده از متن يا منتسب شده به متن با فهرستي كه واژههاي غيرمجاز ناميده ميشـود، به دســـت ميآورد. در اختيار داشتن فهرستي از اين واژهها و ارائه آنها به برنامه رايانهاي براي ممانعت از ورود آنها به فهرست واژههاي مفهومي مطلوب براي نمايهشدن، يكي از اقدامهاي سودمند در نمايهسازي خودكار مبتني بر كليدواژههاست.
تحليل كلمات يك متن نشان ميدهد گروهي از كلمات بياهميت وجـــــوددارد كه بهفراواني در متن ظاهر ميشود (مانند يك، به، نه، براي، با، چه كسي، چه موقع، است، آن). گروهي نيز وجود دارد كه بندرت در متن ميآيند و ممكن است نشاندهنده محتواي اطلاعاتي متن نباشند (ويكري و ويكري، 1380:ص180). اين دسته از واژهها به تنهايي بارمعنايي ندارند (حاوي معنا و مفهوم نيست) بلكه در ارتباط با واژههاي ديگر معنا مييابند. به اين ترتيب، مفهوم و محتواي متن را نشان نميدهند. از طرف ديگر، بود يا نبود آنها نه تنها در پرسش كاربر تأثيري ندارد، بلكه در ميزان ربط يا عدم ربط مدارك بازيابي شده نيز تأثيري نخواهدداشت. اين واژهها با عنوان واژههاي غيرمجاز براي ورود به نمايه معرفي ميشوند. درصورتيكه واژههاي غيرمجاز قبل از فرايند نمايهسازي مدارك مشخص و فهرست آنها براي كنترل به رايانه دادهشود، علاوهبر صرفهجويي در زمان و حجم بايگانيهاي نمايه، به ميزان زيادي از بازيابي مدارك نامرتبط و ريزش كاذب در جستجو جلوگيري خواهدشد (زو و ديگران[11]، 2006).
با گسترش مدارك الكترونيكي فارسي و به تبع آن كاربران فارسي زبان و همچنين ويژگيهاي خاص زبان و خط فارسي، نياز به توجه و بهبود روشهاي نمايهسازي بيش از پيش احساس ميشود. زبان فارسي مانند هر زبان ديگري واژههايي دارد كه هيچ گونه سهمي در ارائه بار معنايي مدرك ندارند، ولي فهرستي از پيش آماده از اينگونه واژهها در دسترس نبوده و مشخص نيست چگونه بايد انتخاب شوند. بنابراين، مسئله اساسي اين پژوهش آن است كه: معيارهاي شناسايي واژههاي غيرمفهومي در زبان فارسي كدام است؟ و آيا ميتوان سياههاي از اين واژهها را براي نمايهسازي خودكار متنهاي فارسي در حوزه روانشــناسي، علومتربيتي و كتابداري و اطلاعرساني تهيه كرد؟
هدفهاي پژوهش
اين پژوهش با بهرهگيري از اصول ساختاري زبان فارسي، درپي دستيابي به هدفهاي زير است:
·شناسايي معيارهاي نحوي و معنايي زبان فارسي در تشخيص واژههاي غيرمفهومي
·تهية سياههاي از واژههاي غيرمفهومي در زبان فارسي
·مقايسه واژههاي غيرمفهومي فارسي و انگليسي
·بررسي چگونگي توزيع بسامد واژههاي غيرمفهومي فارسي در سه رشتة علوم تربيتي، روانشناســي و كتابداري و اطلاعرساني.
سؤالهاي پژوهش
1. معيارهاي نحوي و معنايي شناسايي واژههاي غيرمفهومي در زبان فارسي كدام است؟
2. واژههاي غيرمفهومي در زبان فارسي كه بتواند در نمايهسازي خودكار مدارك فارسي هر يك از حوزههاي مورد مطالعه ناديده گرفتهشود، كدام است؟
3. واژههاي غيرمفهومي چه حجمي از متون زبان فارسي هر يك از حوزههاي مورد مطالعه را تشكيل ميدهد؟
4. بين سياهة واژههاي غيرمفهومي انگليسي و واژههاي غيرمفهومي به دست آمده در اين پژوهش، چه وجوه تشابه و تفاوتي وجود دارد؟
5. توزيع بسامد واژههاي غيرمفهومي در رشــتههاي علومتربيتي، روانشناسي و كتابداري و اطلاعرساني چگونه است؟
پيشينة پژوهش
تاريخچة نمايهسازي خودكار بر مبناي بسامد تكرار واژه، به دهة 1950 و تحقيقات «لوان»[12](1975) و «باكسن دال»[13] (1958) بر ميگردد. پيش فرض كلي در بازيابي اطلاعات اين است كه اصطلاحات با بسامد متوسط، مناسبترين اصطلاحات براي نمايهسازي هستند. اين فرض اساس كار «زيف»[14] (1949) قرار گرفت.
«فاكس»[15] (1990) از يك شيوة رايج، يعني واژههاي پربسامد گروهي بزرگ از آثار نوشته شده در همان زبان، استفاده كرد. بسامد واژهها در يك مجموعه مواد انگليسي با عنوان پيكره زباني براون در حوزههاي موضوعي متنوع تعيين شدهاست. مراحل كار فاكس را مي توان در مراحل زير خلاصه كرد:
· تعيين بسامد واژهها در يك مجموعه از مدارك نوشته شده
·محدودكردن فهرست به اندازة مناسب براي استفاده (تعيين نقطه برش. فاكس 300 بار تكرار واژه را انتخاب نمود)
· حذف واژه هاي بامعني اما با بسامد بالا در سياهة واژههاي بازدارندة اوليه.
· اضافه كردن واژههاي پربسامد و كماهميتي كه نقطه برش را ازدستدادهاند.
«فرانسيس و كوسرا»[16] (نقل شده در : گيلوري 1379) در مرحله اول ده كلمه پر بسامد را تعيين و در مرحله دوم فهرستي از 425 كلمه ممنوعه را تهيه كردند . «رايجزبرگن»[17] ( نقل شده در: گيلوري 1379) نيز فهرستي ارائه داد كه از 150 كلمه بازدارنده تشكيل شده بود. فهرست برگمن در سال 1975 منتشر شد.
در سال 1987، در كتابخانة بازمن[18] دانشگاه ايالت مونتانا فهرستي از واژههاي بازدارنده نرم و سخت براي فهرست پيوسته آن با هدف جلوگيري از نمايهسازي آنها و درنتيجه بازيابي آنها تهيه شد. در سال 1992 به دليل تغيير در نرم افزار پايگاه اطلاعاتي و نياز به نمايهسازي مجدد مدخلهاي آن، بهترين فرصت جهت ارزيابي و بهبــود فهرست واژههاي بازدارنده به دست آمد.
«سيروتكين و ويلبور»[19](1992) با استفاده از اين پيش فرض كه واژههاي بازدارنده به عنوان واژههايي كه احتمال رخداد يكساني در مدارك مرتبط و نامرتبط با درخواست اطلاعاتي دارند، شناخته ميشوند، پژوهشي را انجام دادند. آنها بيان ميكنند كه اين احتمال وجود دارد واژههاي بازدارنده در يك مجموعه با استفاده از يك روش بازيابي برداري مبتني بر ضريب تأثير كسينوس مدارك و تشابه مدارك انجام گيرد. نتيجه بررسي سيروتكين و ويلبور در مجموعهاي از مدارك مدلاين (71311 مدرك) در حوزة بيوتكنولوژي كاهـش 203040 تكواژه در اين مدارك به 50508 ( كاهش 78 درصدي) تكواژه است.
«يمـين و ويلبور»[20] (1996) با استـفاده از روش ويلبور و سيروتكين (1992) و دو روش طبــقهبندي آمــاري (Expert Network و LLSF ) براي بازيابــي و دستهبندي مدارك و يك روش تطابق واژهمحور براي جستجو در پايگاهها ([21] WBM) استفاده نمودند. در اين بررسي، به عنوان مثال روش Expert Network روي مدارك كتابخانه ملي پزشكي آمريكا، با حذف 87% واژههاي بازدارنـده، 8002 واژه به 1042 واژه كاهـش يافـت و در نتيـجه باعـث صرفهجويي 63 درصدي زمان، 74 درصدي در حجم فايل مقلوب و در نهايت بهبود دقت بازيابي تا 10% گرديد.
«برگ»[22] (1997) با استفاده از روش «ادمونسون و وايلز»[23] (1959) درمورد تعيين اهميت واژه، پژوهشي را در زمينه تعيين واژههاي بازدارنده در يك حوزه موضوعي مشخص بر اساس مجموعهاي از مدارك نيروي هوايي آمريكا انجام داد.
«ساووي»[24](1999) براي شناسايي واژههاي بازدارنده در زبان فرانسوي از پيكرهاي شامل دو مجموعه آزمايشي استفاده كرد. وي با پيروي از خط مشي فاكس ابتدا200 واژه پربسامد را استخراج كرد؛ سپس با بازبيني فهرست به دست آمده، تمام اسمها و صفتهايي كه بسامد بالايي داشتند ولي با موضوعات اصلي پيكره مرتبط بودند، از فهرست حذف شدند. ضمن اينكه بعضي واژههاي غير اطلاعي كه در200 واژه پربسامد ظاهر نشده بودند مانند ضماير ملكي و شخصي، حروف اضافه، ربط و تعريف و بعضي از اشكال فعل Be به اين فهرست ابتدائي اضافه شد. فهرست نهايي شامل215 واژه است و هنگامي كه از چنين فهرستي استفاده مي شود، اندازه فايل مقلوب براي مجموعه آزمايشي اول تا حدود 21% و براي مجموعه آزمايشي دوم حدود 35% كاهش مي يابد.
«هو»[25] (1999) پژوهشي را با استفاده از اين حقيقت زبانشناسي كه بيش از نيمي از واژههاي يك نمونه صفحه انگليسي از ميان 150 واژهبازدارنده رايج هستند، يك شيوة سريع براي تعيين محل واژههاي بازدارنده ارائـه ميدهد. اين روش از سنجش دامنه واژههاي انفرادي و واژههاي همجوار آنها استفاده ميكند. در يك آزمايش با استفاده از 400 تصوير از صفحات، اين روش 63% از واژههاي زايد متن را حذف كرد. وي بيان ميكند تمايز بين واژة بازدارنده و غيربازدارنده اغلب به تشــخيص كليدواژه كمك ميكند.
«ساووي» 2001، 2002 و 2007) براساس كار قبلي خود فهرستي از واژههاي بازدارنده را براي زبانهاي فنلاندي، ايتاليايي، آلماني، اسپانيايي و بلغاري شناسايي نمود. با استفاده از همين شيوه، «ساووي و راسولوفو»[26] (2003) فهرست واژههاي بازدارنده در زبان عربي را نيز ايجاد كردند. فهرست ايجاد شده مبتني بر پيكره زبان عربي است كه توسط ديويد كرافت و كوين والكرد در كنسرسيوم اطلاعات زبانشناسي در فيلادلفيا شكلگرفته و دربرگيرندة 383/872 مدرك (76 ميليون علامت) حاوي بيش از 094/666 تك واژه است.
«ابوالخير» در پاياننامه دكتري خود با عنوان «اثربخشي روشهاي پردازش متن براي بازيابي زبان عربي» به فهرســتي از واژههاي بازدارنده نيازداشت. به اين منظور، با استفاده از سه شيوة متفاوت: 1- مبتني بر ساختار و ويژگيهاي زبان عربي 2- مبتني بر آمارهاي پيكره زباني و 3- تركيبي از اين دو روش، فهرستي از واژههاي بازدارنده زبان عربي را تهيه نمود.
در پژوهشي ديگر، «زو و ديگران»[27] (2006) براي استخراج واژههاي بازدارنده در زبان چيني از يك روش خودكار يكپارچه مبتني بر الگوهاي اطلاعاتي و آماري استفاده كردند. الگوي آماري بر اساس احتمال و توزيع واژه و الگوي اطلاعاتي بر اساس اهميت واژه با استفاده از نظريه اطلاعـات عمـل ميكند. در انـتها نتـايج به دستآمـده از اين دو الگـو يكـپارچه ميشوند.
«لازارينيس»[28] (2007) مقاله اي را با هدف پردازش ساختمان فهرستي از واژههاي بازدارنده براي زبانهاي غير لاتين و ارزيابي تأثير حذف اين واژه ها از پرسش كاربران ارائه داد. براي انجام اين پژوهش، مجموعه اي از 32 پرسش موثق و صحيح كه توسط كاربران پيشنهادشدهبود، يك نوبت با درنـــظرگرفتن واژههاي بازدارنده و نوبت بعد بدون اين واژهها به موتور كاوش گوگل داده شد. به اين ترتيب، اهميت حذف واژههاي بازدارنده از عبارت پرسش بر حسب ربط در 10 نتيجه برتر گوگل ارزيابي شدهاست.
اما بررسي متون و مرور نوشتار نشان ميدهد در مورد واژههاي بازدارنــده در زبان فارسي كارهاي معدود و پراكندهاي صورت پذيرفته است كه در ادامه به آن پرداخته خواهد شد.
«تقوا، بكلي و سده»[29] (2003) مجموعهاي متشكل از 1850 مدرك در يك دورة 6 ماهه از ميان وبسايتهاي فارسي با حوزههاي موضوعي متنوع كه عمدتاً نسخــه الكترونيكي روزنامهها و مجـــله هاي مشهور ايراني بــودند، و يا وبسايتهاي فارسي طراحيشده در آمريكا را جمعآوريكردند. آنها فهرست خود را بر اساس پراكندگي واژهها تهيه نمودند. در فهرست نهايي 12 فعل وجود داشت كه «تقوا و همكارانش» به جاي فهرستكردن همه وجوه و زمانهاي اين افعال، تنها زمان گذشته و حال بن فعل را در فهرست خود وارد كردند.
«پور اسماعيل و رستمي» (1384 ) ابتدا فهرست تقوا، بكلي و سده(2003) را براي صيغهها و زمانهاي مختلف كامل كردند. اين فهرست شامل 204 فعل فارسي است. سپس با كمك مجموعه آزمون استاندارد محك كه بالغ بر 3000 مستند را شامل ميشود، بسامد كلمات مختلف را محاسبه نمودند و از ميان آنها در مرحله مقدماتي كلماتي را كه بسامدي بيشتر از 1000 بار داشته اند انتخاب و سپس فهرست نهايي را كه شامل 34 واژه ميشود، استخراج كردند.
«داورپناه و بلنديان» (1386) پژوهشي را با موضوع نمايهسازي ماشيني متون فارسي براساس قانون زيف انجام دادند. نتايج نشان داد توزيع فراواني واژگان در متون فارسي داراي الگوي پيشبينيپذير است. كاربرد واژههاي با بسامد بالا و بسامد پايين درمقاله هاي فارسي، از قانون زيف پيروي ميكند. همچنين، مشخص شد بسامد واژگاني ميتواند به عنوان معياري براي نمايهسازي ماشيني متون فارسي در نظرگرفته شود. وضعيت همخواني كامل بين بسامد واژگاني و كليدواژههاي موضوعي در شيوة تفكيك صرفا ماشيني بدون دخالت عامل انساني به طور متوسط در كل مقاله هاي مورد بررسي به ميزان 50/21% است. در شيوة تفكيك ماشيني با دخالت عامل انساني، ميزان همخواني به 52% ميرسد. وضعيت همخواني كامل بسامد واژگاني با كليدواژههاي عنواني در شيوة صرفاً ماشيني بدون دخالت عامل انساني، به طور متوسط در كل، مقاله هاي مورد بررسي 20/9% است كه در شيوة ماشيني با دخالت عامل انساني اين ميزان بيشتر از 5 برابر شده و به 14/54% ميرسد.
روش پژوهش، جامعه آماري و حجم نمونه
اين پژوهش با استفاده از روش تحليل محتوا انجام پذيرفت. جامعه آماري اين پژوهش، مقاله هاي مندرج در آخرين شماره منتشر شده در مجله هاي علمي و پژوهشي در رشتههاي علــــومتربيتي، روانشناسي و كتابداري و اطلاعرساني در سال 1385 است. اين مجله ها از فهرست مجله هاي مورد تأييد وزارت علوم، تحقيقات و فناوري در همين سال شناسايي شد كه به شرح ذيل است:
·پژوهش در مسائل تعليم و تربيت/ انجمن ايراني تعليم و تربيت
·نوآوريهاي آموزشي/ وزارت آموزش و پرورش
·آموزش عالي ايران/ انجمن آموزش عالي ايران
·پژوهش و برنامهريزي در آموزش عالي/ مؤسسه پژوهش و برنامهريزي آموزش عالي
·روانشناسي و علومتربيتي/ دانشگاه تهران
·روانشناسي و علومتربيتي/ دانشگاه تبريز
·علوم تربيتي و روانشناسي/ دانشگاه شهيد چمران
·مطالعات تربيتي و روانشناسي/ دانشگاه فردوسي مشهد
·پژوهشهاي روانشناختي/ رضا زماني (بخش خصوصي)
·تازهها و پژوهشهاي مشاوره/ انجمن مشاوره ايران
·روانشناسي/ انجمن ايراني روانشناسي
·كتابداري و اطلاعرساني/ كتابخانه مركزي و مركز اسناد آستان قدس رضوي
با استفاده از جدول تعيين حجم نمونه مورگان، براي 73 عنوان مقاله (كتابداري 20 عنوان، روانشناسي 22 عنوان و علومتربيتي 31 عنوان مقاله) حجم نمونه پژوهش 63 عنوان مقاله است؛ و از آنجا كه تعداد مقاله هاي سه رشته با هم برابر نبود، تعداد مقالههاي هر رشته براساس فرمول زير محاسبه و تعيين شد:
تعداد مقاله هاي هر رشته در نمونه= حجم نمونه×
|
حجم جامعه آن طبقه
|
حجم كل جامعه
|
با روش نمونهگيري تصادفي طبقهاي، در رشته كتابداري 17 عنوان مقاله، رشته روانشناسي 19عنوان و در رشته علومتربيتي 27 عنوان مقاله انتخاب شد.
گردآوري دادهها
براي تهيه سياهة واژههاي غيرمجاز از متون مورد مطالعه، اولين گام، تفكيك واژگان اين متون بود. براي رسيدن به اين هدف، مراحل زير انجام پذيرفت:
1. تهيه متن الكترونيكي
در اولين گام نسخه الكترونيكي مقاله هاي منتشرشده در آخرين شماره مجلههاي علمي و پژوهشي در سه رشته مورد مطالعه در سال 1385 در محيط نرمافزاري Word كه امكان تفكيك واژگان متن در آن وجود دارد، تهيه شد.
2. تفكيك واژگان
براي استفاده از اصول به دست آمده و استخراج واژههاي غيرمفهومي از ميان ديگر واژهها، واژگان هر يك از مقاله هاي حجم نمونه (63 مقاله) تفكيك شد. تفكيك واژگان متن هر يك از مقاله ها به صورت ماشيني و با استفاد از فرامين موجود در نرم افزار Word صورت پذيرفت. سپس واژگان تفكيك شده هر متن براساس معيارهاي زبانشناسي، قواعد دستوري و آيين نگارش فارسي ازلحاظ نوع و بار معنايي به صورت دستي بررسي و ويرايش گرديد. به اين ترتيب، در تايپ مجدد متن مقاله ها و در تفكيك واژگان، معيارهاي زير مورد استفاده قرارگرفت:
·همه صيغهها، وجوه و انواع فعل، بهصورت يك واژه ← فراهم شدهاست، رفته بودم
·افعال مركب بهصورت يك واژه ← بناكرد
·افعال پيشوندي بهصــورت يـك واژه ← ازدســـتدادهاست
·مصدرهاي مركب بهصورت يك واژه ← پيش رفتن
·اسامي مركب بهصورت يك واژه ← آيين نامه
·اسامي پيشوندي بهصورت يك واژه ← بيگناه ، به سرعت
·اسامي ميانوندي بهصورت يك واژه ← خودبهخود
·پارههاي غيرمستقل و واژههاي تركيبي بهصورت يك واژه ← همكار
·عبارتهايي كه بهعنوان گروه اسمي، گروه قيدي، گروه حرف اضافه شناخته ميشوند، چون براساس مفهومي كه حامل آن هستند غيرقابل تفـكـيـك ميباشند، به صورت يك واژه ← محمدحسين دياني، شناي صدمتر
·نامآواها بهصورت يك واژه ← جيكجيك ، وزوز
·فاصله درمورد افعال حذف ميشوند ← ميگيرد
·فاصله درمورد علامت جمع (ها، هاي، هايي) حذف شده و شمارش نميشوند ← ماشينها
·فاصله درمورد تكواژهاي صرفي ( تر، ترين) حذف شده و شمارش نميشوند ← خوشبخت ترين
·آيههاي قرآن و واژههاي انگليسي (خارجي) درصورت وجود به دليل غيرفارسي بودنشان حذف ميشوند.
·اختصارات حذفشده و شمارش نميشوند ← ج. Cm ( داورپناه و بلنديان، 1386)
3.شمارش بسامد واژگان
براي شمارش واژگان مرتبشده هرمتن، از دستور Word Count استفادهشد.
يافتههاي پژوهش
با استفاده از دادههاي گردآوري شده به سؤالهاي پژوهش پاسخ داده شد كه توضيح آن به شرح زير است:
1. معيارهاي نحوي و معنايي شناسايي واژههاي غيرمفهومي در زبان فارسي كدام است؟
با مطالعه متون و كتابهاي مربوط به حوزه زبانشناسي[30]، دستور زبان فارسي[31] و متون مربوط به تهيه و تدوين اصطلاحنــامهها ساخت واژگاني زبان فارسي مورد مطالعه قرارگرفت؛ سپس اصول و قواعدي مشخص و مستدل استـــخراج شد كه با استناد به آنها، شناسايي و استخراج واژههاي كممعنا يا بدون معنا در زبان فارسي امكان پذير خواهد بود. اين اصول و قواعد عبارتند از:
§به كوچكترين واحد معنادار كه در ساخت واژه مشخص مي گردد، تكواژ گفته ميشود.
§تكواژها از ديد كم و بيشي در تعداد بسامد (كاربرد) به دو گروه محدود يا بسته و نامحدود يا باز تقسيم ميشوند.
§تكواژهاي زبان از نظر ايفاي نقش به دو گروه تكواژهاي قاموسي و تكواژهاي دستوري تقسيم ميشوند.
§تكواژهاي قاموسي معناي مستقلي داشته و بر اشيا، اعمال و كيفيات خاص كه قابل حس و لمس و درك هستند دلالت دارند. تعداد اجزا و آحاد اين گروه از واژهها، ثابت، معيّن و محدود نيست و فهرست آنها در زبان باز است.
§تكواژهاي دستوري اغلب به تنهايي بهكار نميروند (كاركرد دستوري دارند) و معناي آنها با پيوستن به تكواژهاي ديگر آشكار ميشود. اين گروه داراي شمار معيّن و ثابتي از اعضا و اجزا هستند. فهرست اين تكواژها بسته و محدود است.
§ هرچه تعداد آحاد و تكواژها بيشتر باشد، بسامد آنها كمتر ميشود.
§هرچه تعداد آحادِ تكواژها كمتر باشد، بسامـد آنها (يعني ميزان كاربرد آنها در جمله هاي مختلف) بيشتر ميشود.
§ تكواژي كه متعلق به گروه محدود و بسامد آن بالا باشد، تكواژ قاموسي است.
§تكواژهاي دستوري شامل ضماير، قيود، حروف، اصوات، اعداد و افعال معين ميباشند.
در پايان، بر اساس معيارهاي ذكر شده در بالا، ميتوان چنين استنباط نمود كه، افعال (معين و همراه شونده)، قيدها، ضماير، حروف، اصوات، اعداد و علايم سجاوندي به عنوان واژه نمايه ها ظاهر نمي شوند. اين قواعد مبنايي را براي شناسايي و تهيه فهرست واژههاي بازدارنده در زبان فارسي فراهمميكند.
2. واژههاي غيرمفهومي در زبان فارسي كه بتواند در نمايهسازي خودكار مدارك فارسي هر يك از حوزه هاي مورد مطالعه ناديده گرفتهشود، كدام است؟
به منظور شناسايي واژه هاي غيرمفهومي با توجه به معيارهاي استخراج شده ذيل سؤال اول پژوهش، ابتدا نوع دستوري واژگان بررسي شد. براي تعيين نوع دستوري واژه ها از فرهنگهاي لغت فارسي به فارسي ـ لغتنامه دهخدا، فرهنگ معين و فرهنگ سخن ـ استفاده شد. در تعيين نو ع دستوري واژه هايي كه در اين سه فرهنگ وجود نداشت، از كتابهاي دستور زبان فارسي و مشورت با صاحب نظران استفاده گرديد. چون برخي از واژهها داراي چندين نقش دستوري هستند، ملاك ما در انتخاب واژه بازدارنده آن نوع دستوري از واژه بود كه براساس اصول استخراج شده در سؤال اول پژوهش، جزء واژههاي غيرمفهومي زبان فارسي قرار ميگيرند. به اين ترتيب، نوع دستوري تكتك 248552 واژه تشكيل دهندة متون مورد مطالعه مشخص شد. فهرست درهمكرد اين واژهها به جهت كوتاه تر شدن، بدون ذكر نوع دستوري، براساس بسامد واژهها به ترتيب از بيشترين به كمترين ميزان تكرار در جدول شماره 1 ارائه شده است.
جدول شماره 1. فهرست درهمكرد واژههاي بازدارنده سه رشته مورد مطالعه
1. و
2. در
3. به
4. كه
5. از
6. اين
7. را
8. است
9. با
10. براي
11. آن
12. خود
13. نيز
14. آنها
15. بر
16. يا
17. بين
18. يك
19. ميشود
20. دو
21. بود
22. تا
23. دارد
24. ديگر
25. شد
26. شدهاست
27. هر
28. هستند
29. دارند
30. ميباشد
31. بنابراين
32. بايد
33. براساس
34. آنان
35. همچنين
36. بيشتر
37. يكي/ يكياز
38. ميان
39. نسبتبه
40. يعني
41. ما
42. ميتواند
43. ميتوان
44. سه
45. نيست
46. بهصورت
47. يك
48. ازنظر
49. برخي/ برخياز
50. چنين
51. بهعنوان
52. اول
53. درباره
54. بسيار
55. درمورد
56. باشد
57. چه
58. شود
59. اگر
60. كلى
61. ميشوند
62. همين
63. چون
64. جهت
65. زير
66. زياد
67. ديگري
68. گرديد
69. اما
70. بسيارى/ بسيارى از
71. دوم
72. كمتر
73. تنها
74. وي
75. هريك/ هريكاز
76. لذا
77. آنچه
78. ميگردد
79. بودهاست
80. بلكه
81. روي
82. بالا
83. حتي
84. شده
85. زيرا
86. پساز
87. اينكه
88. ولى
89. بدون
90. مستقيم
91. بودند
92. همان
93. همه
94. تمام
95. نه
96. يكديگر
97. بهتر
98. بهترتيب
99. شدهاند
100. درنتيجه
101. كم
102. ميتوانند
103. مشخص
104. هم
105. بدين
106. بهويژه
107. پايين
108. چگونه
109. فقط
110. البته
111. بالاتر
112. چهار
113. سوم
114. چند
115. شدند
116. آشكار
117. زماني
118. علاوهبر
119. بعضي/ بعضياز
120. كاملا
121. همانطوركه
122. فوق
123. آيا
124. بطوريكه
125. ميباشند
126. درخصوص
127. ازلحاظ
128. بهوسيله
129. بيشاز
130. كل
131. هيچ
132. برروي
133. خارج/ خارجاز
134. بعداز
135. ازآنجاكه
136. بوده
137. مثلا
138. پس
139. درواقع
140. درست
141. نبود
142. بدينترتيب/ بهاينترتيب
143. عالي
144. كامل
145. عاشقانه
146. ...1
[32]نتايج بررسي اين سوال پژوهشي نشان داد از مجموع 248552 واژه به كار رفته در مقاله هاي مورد بررسي در هر سه رشته 97280 واژه (1291 واژه بدون احتساب بسامد)، به عنوان واژههاي غيرمفهومي در سه رشته مورد مطالعه شناخته شدند. از لحاظ نوع دستوري ميتوان بيانداشت كه قيدها (9/45%)، افعال (04/14%)، حروف ربط (6/09%)، حروف اضافه (7/7%)، اعداد (25/4%)، ضماير (01/4%) و ادات (07/%) به ترتيب بيشترين حجم از واژههاي غيرمفهومي در سه رشته را به خود اختصاص داده اند.
3. واژههاي غير مفهومي چه حجمي از متون زبان فارسي هر يك از حوزههاي مورد مطالعه را تشكيل ميدهند؟
پس از شناسايي و استخراج فهرست واژههاي بازدارنده هر يك از مقاله هاي سه حوزة مورد مطالعه، نسبت واژههاي بازدارنده هر مقاله به تعداد كل واژههاي آن مقاله محاسبه گرديد كه نتايج به دست آمده در جدول شماره 2 نشان داده شدهاست.
جدول شماره 2 .درصد واژههاي بازدارنده هرمقاله درسه رشتة مورد مطالعه
رشتههاي مورد مطالعه
|
بدون احتساب علايم سجاوندي
|
با احتساب علايم سجاوندي
|
واژههاي متن
|
واژههاي
بازدارنده
|
درصد واژههاي بازدازنده
|
واژههاي متن
|
واژههاي بازدارنده
|
درصد واژههاي بازدارنده
|
رشته علوم تربيتي
|
121963
|
48738
|
96/39
|
135956
|
63463
|
67/46
|
رشته روانشناسي
|
63112
|
24344
|
57/38
|
72037
|
33359
|
30/46
|
رشته كتابداري
|
63477
|
24198
|
12/38
|
72224
|
33239
|
02/46
|
هر سه رشته
|
248552
|
97280
|
94/38
|
380217
|
130061
|
41/46
|
يافتههاي جدول بالا نشان ميدهد در رشتة علوم تربيتي 96/39% (بدون احتساب علايم سجاوندي)، در رشته روانشناسي 57/38% (بدون احتساب علايم سجاوندي) و در رشته كتابداري 12/38% از تعداد 248552 واژه (بدون احتساب علايم سجاوندي) از متون اين رشتهها را واژههاي بازدارنده تشكيل ميدهد.
بهطوركلي، از تعداد 248552 واژه ( بدون احتساب علايم سجاوندي) كه پيكرة زباني مورد مطالعه را تشكيل ميدهد، 97280 واژه كه 94/38% كل واژهها را شامل ميشود، جزء واژههاي بازدارنده هستند. درصورتي كه با احتساب علايم سجاوندي، از 380217 واژه مورد بررسي، تعداد واژه بازدارنده به 130061 واژه خواهد رسيد كه 41/46% كل واژهها را تشكيل ميدهد. به اين ترتيب، مشخص ميشود كه علايم سجاوندي حدود 7% از كل يك متن را تشكيل ميدهند.
4. بين سياهه واژههاي غيرمفهومي انگليسي و واژههاي غيرمفهومي به دست آمده در اين پژوهش چه وجوه تشابه و تفاوتي وجود دارد؟
همان گونه كه از پيشينة پژوهش برميآيد، دربارة واژههاي بازدارنده زبان انگليسي مطالــعات گوناگوني صـورت گرفتهاست. فهرست حاصل از مطالعة «فاكس» (1992) و فهــرست استاندارد SMART كه هر دو نمـونههايي از فهرست واژههاي بازدارنده در حوزه عمومي ميباشند، بيشتر از فهرستهاي ديگر در تحقيقات بعدي مورد استناد قرارگرفتهاست. ازآنجاكه فهرست SMART قابل دستيابي نبود، فهرست عمومي فاكس براي مقايسه بين فهرست واژههاي بازدارنده انگليسي و فارسي مورد استفاده قرارگرفت.
مقايسه صورتگرفته بين فهرست پژوهش حاضر و فهرست فاكس نشان داد براي 231 واژه از 421 واژه بازدارنده فهرست فاكس، 363 معادل فارسي در فهرست به دست آمده وجود دارد. همان طوركه قبلاً ذكر شد، فهرست واژههاي بازدارنده حاصل از پژوهش حاضر از ميان واژههاي پيكره زباني سه رشته علوم تربيتي، روانشناسي و كتابداري و اطلاعرساني استخراج شدهاست؛ درحاليكه فهرست حاصل از پژوهش فاكس يك پيكره عمومي است. از سوي ديگر، به دليل اينكه فاكس فهرست خود را براساس بسامد واژه تهيه كرده است، بسياري از صورتهاي مختلف فعلهاي انگليسي و صفتهاي ساده، تفضيلي و عالي نيز در فهرست او ديده ميشود. ليكن پژوهش حاضر چون براساس قواعد دستور زبان تهيه شده است، تنها افعال كمكي و معين را در بين واژههاي بيمعنا و كممعنا قرار داده است؛ به همين دليل اغــلب واژههايي كه در فهرست فاكس فاقد معادل فارسي هستند، جزء گروه افعال مي باشند. ضمن اينكه صفتها از اين حيث مستثنا بوده و همگي جزء كليدواژهها محسوب ميشوند. بيشترين برابري بين واژههاي فهرست فاكس و فهرست فارسي حاصل از پژوهش حاضر، به حروف ربط، اضافه (حروف اضافه ساده) و قيدهاي مختص اختصاص دارد. ضماير متصل «م، ت، ش، مان، تان، شان» معادل واژه هاي منفصل ... Me، His، Her ميباشند كه به دليل اينكه واژه مجزا نيستند، در فهرست واژههاي بازدارنده فارسي قرار نميگيرند.
5. توزيع بسامد واژههاي غيرمفهومي در رشــتههاي علومتربيتي، روانشناسي و كتابداري و اطلاعرساني چگونه است؟
نتايج اجراي آزمون كاي اسكور بر روي فهرست حاصل از سه حوزة مورد مطالعه، نشان داد از ميان 1291 واژه بازدارنده، 379 واژه يعني 35/29% از كل واژهها داراي توزيع يكساني بين سه رشته مورد مطالعه ميباشند. به عبارت ديگر، در عين اينكه اين واژهها در هر سه رشته مورد مطالعه كاربرد دارند، ميزان تكرار آنها (بسامد واژه ها) در هر سه رشته تقريباً مشابه است. اين واژهها جزء واژههاي پربسامد در هر سه رشته مورد مطالعه ميباشند؛ به طوري كه واژههاي «و، در، كه، به، از، است، را، اين، با و براي» 10 واژة پربسامد در هر سه رشته است.
از سوي ديگرP-Value ي 269 واژه يعني 83/20% واژهها، كمتر از 0/05% ميباشد كه نشاندهنده آن است كه اين تعداد واژه فاقد توزيع بسامدي يكسان در سه رشته مورد مطالعه ميباشند. به عبارتي، احتمال رخداد هريكاز واژههاي اين گروه كه از ديد دستور زبان فارسي بيشتر از ميان حروف اضافه، ربط قيود خاص و افعال پربسامد زبان فارسي ميباشند، در يكي از سه رشتة مورد مطالعه بيشتر از دو رشته ديگر است؛ به اين معنا كه احتمال استفاده و كاربرد اين واژه در يك رشته خاص بيشتر از رشتههاي ديگر بوده و در آن رشته متداولتر است. براي 644 واژه باقي مانده، به دليل اينكه تنها در يكي از سه رشته مورد مطالعه رخ داده بودند، آزمون كاي اسكور قابل اجرا نبود. اين دسته از واژهها منحصراً مربوط به همان رشته خاص ميباشند.
نتيجهگيري
از آنجا كه تهية فهرست واژههاي بازدارنده اي كه مبتني بر ساخت زبان مورد مطالعه باشد، مستلزم استخراج معيارهاي نحوي و معنايي زبان مورد مطالعه است، ابتدا اين معيارها شناسايي و مشخص گرديد افعال (معين و همراه شونده)، قيدها، ضماير، حروف، اصوات، اعداد و علايم سجاوندي بهعنوان واژه نمايه ها ظاهر نمي شوند. در ساير پژوهشهاي صورت گرفته، بيشتر از شيوة بسامد واژگاني استفاده شده و تنها ابوالخير (2003) در پاياننامه خود فهرستي عمومي از واژههاي بازدارنده زبان عربي را بر اساس دستور زبان عربي، تهيه نموده است. اما در پژوهشهايي كه بر مبناي بسامد واژگاني بوده است نيز برخي از نقشهاي دستوري به عنوان واژه هاي بازدارنده معرفي شده اند كه با پژوهش حاضر تناسب دارد. به طوريكه «لوان» (نقل شده در :نياكان، 1383)، در پژوهش خود حروف ربط و حروف تعريف را جزء واژههاي بيمعنايي مي داند كه بسامد بالايي دارند. «ساووي» (1999 و 2007) نيز در پژوهشهاي خود پساز تعيين پربسامدترين واژهها و حذف تمامي اسامي و صفاتي كه با موضوعات اصلي پيكره هاي مورد مطالعه مرتبط بودند، حروف اضافه، ربط، تعريف، ضماير ملكي، شخصي و اشكال فعل Be را به عنوان واژههاي پربــسامد و بيمعنا معرفي ميكند.
بررسي واژههاي غيرمفهـومي زبان فارسي در سه حوزة علوم تربيـتي، روانشــناسي و كتابـداري و اطلاعرساني مشخص ساخت از بين مجموع 248552 واژه تشكيل دهنده متن مقاله هاي مورد بررسي در هر سه رشته، 97280 واژه (1291 واژه بدون احتساب بسامد)، به عنوان واژههاي غيرمفهومي در سه رشتة مورد مطالعه شناخته شدند. با مقايسه نتايج پژوهش حاضر و موارد ذكر شده ميتوان به اين مطلب پيبرد كه ميزان واژههاي غيرمفهومي معيّن شده با اين روش بسيار بيشتر از فهرستهايي است كه در ساير پژوهشها استخراج گرديدهاست و اين نتيجه احتمالاً به دليل تفاوت در شيوة استخراج واژههاي غيرمفهومي است؛ به نحوي كه بيشترين ميزان واژههاي غيرمفهومي در زبان انگليسي توسط «فرانسيس و كوسرا» مشتمل بر 425 واژه و تقريباً 33% واژههاي غيرمفهومي شناسايي شده در مطالعه «تقوا» تنها ناظر بر گروه فعلي است و تعداد آنها نيز بسيار اندك ميباشد. در پژوهش «پوراسماعيل و رستمي» نيز تنها 204 واژه فارسي بهعنوان واژه بازدارنده استخراج شده است. ميتوان چنين نتيجه گرفت كه با استفاده از اين شيوه، تعداد واژههايي كه به عنوان واژههاي غيرمفهومي شناسايي مي شوند، افزايش مييابد.
نتايج نشان داد از بين 100 واژه پربسامد در هر رشته، 67 واژه در بين هر سه رشته تكرار شده است و تنها ميزان تكرار آنها اندكي متفاوت است. بررسي حجم واژههاي غيرمفهومي متون زبان فارسي در هر يك از رشتههاي مورد مطالعه نيز نشان داد واژههاي بازدارنده 94/38% كل واژه ها را شامل مي شود. «فراكز و بيزا ـ ياتس» (1992) عنوان كردند واژههاي بازدارنده احتمالا بين 20 تا 30% واژههاي درون يك متن انگليسي را شامل ميشود. «سيروتكين و ويلبور»(1992) با اجراي آزمون آماري خود در مجموعه مدارك مورد بررسي تعداد 203040 واژه موجود در اين مدارك را به 50508 واژه كاهش دادند.«يمـين و ويلبور» (1996) با استـفاده از روش ويلبور و سيروتكين نشان دادند با حذف 87% واژههاي بازدارنده در يكي از چهار مجموعة مورد مطالعة خود، صرفهجويي 63 درصدي زمان، 74 درصدي حجم فايل مقلوب و در نهايت بهبود دقت بازبابي تا 10% حاصل ميگردد. «ساووي»(1999) نشان داد با تعيين واژگان غيرمفهومي حجم فايل مقلوب بين 21 تا 35% كاهش مييابد.ازآنجاكه پژوهش حاضر بر اساس ساختار زباني و واژگاني زبان فارسي صورتگرفته، تعداد واژههايي كه ميتوانند به عنوان واژة بازدارنده در نظرگرفته شود، افزايش مييابد. از سوي ديگر، ميتوان نتيجهگرفت كه ميزان واژههاي بازدارنده در متون زبان فارسي بيشتر از متون زبان انگليسي است. اين نتايج نشان ميدهد ميزان حشو و زوايد در متون زبان فارسي زياد است.
پرداختن به وجوه تشابه و تفاوت بين سياهة واژههاي غيرمفهومي انگليسي و واژههاي غيرمفهومي فارسي نيز يكي ديگر از اجزاي پژوهش حاضر بود. نتايج به دست آمده نشان داد براي 231 واژه از 421 واژه بازدارنده فهرست فاكس، تعداد 363 معادل فارسي در فهرست به دست آمده وجود دارد. بيشترين برابري بين واژههاي فهرست فاكس و فهرست فارسي حاصل از پژوهش حاضر به حروف ربط، اضافه (حروف اضافه ساده) و قيدهاي مختص اختصاص دارد. ضماير متصل «م، ت، ش، مان، تان و شان» معادل واژههاي منفصل ...Her, His, Me است كه به دليل اينكه واژه مجزا نيستند، در فهرست واژههاي بازدارنده فارسي قرار نميگيرند.
بررسي توزيع بسامد واژههاي غيرمفهومي در رشتههاي مورد مطالعه نشان داد P-Value ي 269 واژه يعني 83/20% واژهها، كمتر از 0/05 % است كه به اين معناست كه اين تعداد واژه فاقد توزيع بسامدي يكسان در سه رشته مورد مطالعه ميباشند. به عبارتي، احتمال رخداد هر يك از واژههاي اين گروه كه از ديد دستور زبان فارسي بيشتر از ميان حروف اضافه، ربط قيود خاص و افعال پربسامد زبان فارسي ميباشند، در يكي از سه رشته مورد مطالعه بيشتر از دو رشته ديگر است؛ به اين معنا كه احتمال استفاده و كاربرد اين واژهها در يك رشته خاص بيشتر از رشتههاي ديگر بوده و در آن رشته متداولتر است. بررسي توزيع بسامدي واژه هاي غيرمفهومي شناسايي شده نشان داد تعداد قابل توجهي واژه در اين فهرست وجود دارد كه بسامد پاييني دارند، بنابراين مي توان نتيجه گرفت كه استفاده از روش بسامد واژگاني در شناسايي واژه هاي بازدارنده احتمالا نتواند در زبان فارسي كارايي لازم را داشته باشد.
به طور كلي، ميتوان بيان داشت كه نتايج به دستآمده از پژوهشهاي انجام شده در حوزة ذخيره و بازيابي اطلاعات نشان داد واژههاي بازدارنده بهعنوان يكي از ضروري ترين بخشها در نمايهسازي و چكيدهنويسي پايگاه هاي اطلاعاتي، نقش مهمي در كاهش حجم پايگاه هاي اطلاعاتي و نرمافزارهاي اطلاعرساني ايفا ميكنند و سبب تسهيل در امر بازيابي، افزايش ميزان مانعيت مدارك بازيابي شده، كاهش زمان جستجو و ... ميشوند.
منابع
- پور اسماعيل، كيومرث و نسرين رستمي (1384). ليست كلمات ايست فارسي. بازيابي شده2 در آذر 1385 ازCcc.sharif.edu/~shesmail/resources/stopwords:pdf
- داورپناه، محمدرضا و صديقه بلنديان (1386). تحليل متن مقالات فارسي و امكان نمايه سازي ماشيني آنها براساس قانون زيف. فصلنامه پژوهش در مسائل تعليم و تربيت: ويژه نامه كتابداري و اطلاع رساني، دور دوم.
- گيلوري، عباس (1379). نمايه سازي خودكار: گذشته، حال، آينده. پيام كتابخانه، 10(4)، 25- 17.
- نياكان، شهرزاد (1383). نمايه سازي ماشيني. تهران: مركز اطلاعات و مدارك علمي ايران.
- ويكري، برايان و الينا ويكري (1380). علم اطلاع رساني در نظر و عمل. ترجمه عبدالحسين فرج پهلو، مشهد: انتشارات دانشگاه فردوسي.
- هادسن، گرور(1383). مباحث ضروري و بنيادين زبانشناسي مقدماتي (ضرورت زبانشناسي مقدماتي) (علي بهرامي، مترجم). تهران: رهنما.
- وحيديان كاميار، تقي و غلامرضا عمران (1385). دستور زبان فارسي (1). تهران: سازمان مطالعه و تدوين كتب علوم انساني(سمت).
- ناتل خانلري، پرويز (1359). دستور زبان فارسي (با تجديدنظر). تهران: توس.
- نجفي، ابوالحسن(1380). مباني زبانشناسي و كاربرد آن در زبان فارسي. تهران: نيلوفر.
- مشكوة الديني، مهدي (1382). دستور زبان فارسي برپايه نظريه گشتاري (ويرايش2). مشهد: فاطمي.
- ـــــــــــــــــــــــــــــ (1384). دستور زبان فارسي. واژگان و پيوندهاي ساختي. تهران: سازمان مطالعه و تدوين كتب علوم انساني (سمت).
- معين، محمد (1378). فرهنگ فارسي (متوسط): شامل يك مقدمه و سه بخش لغات، تركيبات خارجي، اعلام .... تهران: اميركبير.
- مرزبان راد، علي (1378). دستور سودمند. تهران: دانشگاه صنعتي اميركبير.
- محتشمي، بهمن (1370). دستور كامل زبان فارسي. تهران: اشراقي.
- صفوي، كورش (1360). درآمدي بر زبانشناسي. تهران: بنگاه ترجمه و نشر.
- صهبا، عبدالرشيد (1371). حرفهاي ربط، اضافه، نشانه در دستور زبان فارسي براي استفاده دانش آموزان، دانشجويان و پژوهندگان. تهران: غزل.
- غلامعلي زاده، خسرو (1374). ساخت زبان فارسي. تهران: احياء الكتاب.
- فرشيدورد، خسرو (1382). دستور مفصل امروز. تهران: سخن.
- فرشيدورد، خسرو (1386). دستور براي لغت سازي: فرهنگ پيشوندها و پسوندهاي فارسي به همراه گفتارهايي درباره دستور زبان فارسي. تهران: زوار.
- كلباسي، ايران (1380). ساخت اشتقاقي در فارسي امروز. تهران: پژوهشكده علوم انساني و مطالعات فرهنگي.
- شفاعي، احمد (1363). مباني علمي دستور زبان فارسي. تهران: نوين.
- دهخدا، علي اكبر (1383). لغتنامه. (با همكاري محمد معين، جعفر شهيدي). تهران: موسسه لغتنامه دهخدا.
- خطيب رهبر، خليل (1379). دستور زبان فارسي: كتاب حرف اضافه و ربط مشتمل بر تعريف و تقسيم و شرح اصطلاحات و معاني و كاربرد حروف. تهران: مهتاب.
- ـــــــــــــــــــــ (1381). دستور زبان فارسي: براي پژوهش دانشجويان و ادب دوستان در آثار شاعران و نويسندگان بزرگ ايران. تهران: مهتاب.
- بابك، علي (1383). دستور زبان فارسي پژوهشي معاصر. مشهد: سخن گستر.
- باطني، محمدرضا (1382). توصيف ساختاري دستوري زبان فارسي بر بنياد يك نظريه عمومي زبان. تهران: اميركبير
- انوري، حسن (1381). فرهنگ بزرگ سخن. تهران: سخن.
- انوري، حسن و حسن احمدي گيوي (1377). دستور زبان فارسي 2 (ويرايش 2). تهران: فاطمي
- احمدي گيوي، حسن (1380). دستور تاريخي فعل. تهران: قطره.
- Savoy, Jacues(1999). A stemming procedure and stop word list for general French corpora. Journal of the American society for information science; 50(1),p. 944-952.
- Savoy, Jacues(2006). Searching strateies for the Bulgarian language. Information retrieval; 10(6), p. 509-529.
- Yang, Yiming; Wilbur, John(1996). Using corpus statistics to remove redundant words in text categorization. Journal of the American Society for Information Science; 47 (5), p.357-69.
- Lahtinen, T. (2000). Automatic Indexing: an approach using an index term corpus and combining linguistic and statistical methods. PhD thesis, University of Helsinki. Retrieved November 29, 2006, from,
- Lazarinis, Fotis(2007). Engineering and utilizing a stop word list in Greek web. Journal of the American society for information science and technology;58(11), p. 1645-1652
- Moens, Marie - Francine(2003). Automation indexing and abstracting of document texts. Second edition. Massachusetts: Kluwer academic publisher.
- Berg, Criage N.(1997). DEVELOPINGA CORPUS SPECIFICSTOP-LIST USING QUANTITATIVE COMPARISON. PhD thesis, Graduate school of
Logistics and acquisition management, Retrieved November 20, 2006, from, research.airuniv.edu/papers/ay1997/afit/berg_cn.pdf/ ethesis.helsinki.fi/julkaisut/hum/yleis/vk/lahtinen/ - 3k
- zou, Feng; wang, Fu lee; Deng,Xiaotie; Han, Song; Wang, Lusheng ( 2006). Stop word list construction in Chinese Langugege Processing. Retrieved November 20, 2006, from, WWW.utdallas.edu /~fxz063000 /- 14k
- Fox, Cristopher(1990). Astoplist forgeneral text. Retrieved November 20, 2006, from, www.informatik.uni-trier.de/ley/indice/a-tree.pdf
- Abu-El Khair, Ibrahim Hassan(2003). PhD thesis, University of Pittsburg, Retrieved June 18 , 2007, from, www.mons.edu.eg. pcvs/13702/13102.asp
- Ho. Tin Kam(1999). Fast identification of stop words for font
5. Marie- Francine Moens.
1. Brian C. Vickery and Elian Vickery.
5. Brian C. Vickery and Elian Vickery.
1. W. John Wilbur and Karl Sirotkin.
2. Yang Yiming an W. John Wilbur.
3. Word - based Matching.
5. H. P. Edmondson and R.E. Wyllys.
3. Jacques Savoy and Rasolofo.
3. Kazem Taghva, Russel Bechley and Mohammad Sadeh.
1. باقري، مهري(1367). «مقدمات زبانشناسي». تبريز: دانشگاه تبريز.
صفوي، كورش(1360). «درآمدي بر زبانشناسي». تهران: بنگاه ترجمه و نشر.
نجفي، ابوالحسن(1380). «مباني زبانشناسي و كاربرد آن در زبان فارسي». تهران: نيلوفر.
هادسن، گرور(1383). «مباحث ضروري و بنيادين زبانشناسي مقدماتي (ضرورت زبانشناسي مقدماتي)». ترجمه علي بهرامي. تهران: رهنما.
پالمر، فرانك(1366). «نگاهي تازه به معني شناسي». ترجمه كورش صفوي. تهران: مركز.
مشكوة الديني، مهدي(1382). دستور زبان فارسي بر پايه نظريه گشتاري (ويرايش 2). مشهد: فاطمي.
2. شفائي، احمد(1363). «مباني علمي دستور زبان فارسي». تهران: نوين.
بابك، علي(1383). «دستور زبان فارسي پژوهشي معاصر». تهران: دانشگاه آزاد اسلامي مشهد: سخن.
مشكوةالديني، مهدي(1384). «دستور زبان فارسي (واژگان و پيوندهاي ساختي)». تهران: سمت.
وحيديان كامكار، تقي؛ عمران، غلامرضا، (1385). دستور زبان فارسي (1). تهران: سازمان مطالعه و تدوين كتب علوم انساني(سمت).
ناتل خانلري، پرويز (1359). دستور زبان فارسي (با تجديدنظر). تهران: توس.
مشكوة الديني، مهدي (1384). دستور زبان فارسي. واژگان و پيوندهاي ساختي. تهران: سازمان مطالعه و تدوين كتب علوم انساني(سمت).
معين، محمد(1378). فرهنگ فارسي (متوسط): شامل يك مقدمه و سه بخش لغات، تركيبات خارجي، اعلام .... تهران: اميركبير.
مرزبان راد، علي(1378). دستور سودمند. تهران: دانشگاه صنعتي اميركبير.
محتشمي، بهمن(1370). دستور كامل زبان فارسي. تهران: اشراقي.
صهبا، عبدالرشيد (1371). حرفهاي ربط، اضافه، نشانه در دستور زبان فارسي براي استفاده دانش آموزان، دانشجويان و پژوهندگان. تهران: غزل.
غلامعلي زاده، خسرو(1374). ساخت زبان فارسي. تهران: احياء الكتاب.
فرشيدورد، خسرو(1382). دستور مفصل امروز. تهران: سخن.
فرشيدورد، خسرو(1386). دستور براي لغت سازي: فرهنگ پيشوندها و پسوندهاي فارسي به همراه گفتارهايي درباره دستور زبان فارسي. تهران: زوار.
كلباسي، ايران(1380). ساخت اشتقاقي در فارسي امروز. تهران: پژوهشكده علوم انساني و مطالعات فرهنگي.
دهخدا، علي اكبر(1383). لغتنامه. (با همكاري محمد معين، جعفر شهيدي). تهران: موسسه لغتنامه دهخدا.
خطيب رهبر، خليل(1379). دستور زبان فارسي: كتاب حرف اضافه و ربط مشتمل بر تعريف و تقسيم و شرح اصطلاحات و معاني و كاربرد حروف. تهران: مهتاب.
خطيب رهبر، خليل(1381). دستور زبان فارسي: براي پژوهش دانشجويان و ادب دوستان در آثار شاعران و نويسندگان بزرگ ايران. تهران: مهتاب.
باطني، محمدرضا(1382). توصيف ساختاري دستوري زبان فارسي بر بنياد يك نظريه عمومي زبان. تهران: اميركبير
انوري، حسن(1381). فرهنگ بزرگ سخن. تهران: سخن.
انوري، حسن؛ احمدي گيوي، حسن (1377). دستور زبان فارسي 2 (ويرايش 2). تهران: فاطمي
احمدي گيوي، حسن(1380). دستور تاريخي فعل. تهران: قطره.
1. براي مشاهده ادامه اين فهرست به نسخه الكترونيكي قرار داده شده در سايت كتابخانه آستان قدس رضوي بخش نشريات مراجعه فرمائيد.
|
فصلنامه كتابداري و اطلاع رساني (اين نشريه در www.isc.gov.ir نمايه مي شود) |
|
48 _ شماره چهارم،جلد12 |