ساخت واژهنامه جستوجوی فارسی؛ نیمفاصله، املای نامها و مترادفها
خبرهای فارسی همیشه یک نام را یکسان نمینویسند. فاصله، نیمفاصله و صورت عربی حروف میتوانند متفاوت باشند. نام لاتین محصول هم گاهی کنار نام فارسی میآید.
چرا واژهنامه لازم است؟
خبرهای فارسی همیشه یک نام را یکسان نمینویسند. فاصله، نیمفاصله و صورت عربی حروف میتوانند متفاوت باشند. نام لاتین محصول هم گاهی کنار نام فارسی میآید. واژهنامه این صورتها را به موضوع واحد مرتبط میکند. هدف، اصلاح متن نویسنده نیست؛ هدف یافتن شواهد مرتبط است.
از نمونه واقعی شروع کنید
چند خبر شناختهشده درباره موضوع موردنظر جمع کنید. صورت نام را همانطور که منتشر شده ثبت کنید. صورت معیار را در ستون دیگری بنویسید. پیوند نمونه را کنار هر نگارش نگه دارید. واژه بدون شاهد ممکن است جستوجو را بیجهت شلوغ کند.
فاصله و نیمفاصله
نام محصول را با شکلهای رایج جدانویسی بررسی کنید. رفتار جستوجو در برابر این شکلها را فرض نکنید. بعضی سامانهها متن را نرمال میکنند و بعضی نمیکنند. نتیجه هر صورت را در یک آزمون کوچک ببینید. فقط تفاوتهای مؤثر را به قواعد اجرایی اضافه کنید.
حروف و اعداد
تفاوت «ی» و «ي» یا «ک» و «ك» را بررسی کنید. شماره مدل ممکن است با رقم فارسی یا لاتین بیاید. متن خام را برای ارجاع و نمایش حفظ کنید. نسخه نرمالشده میتواند جداگانه برای تطبیق استفاده شود. تبدیل بیبرگشت متن، پیگیری اختلاف با منبع را دشوار میکند.
مترادف با هممعنایی کامل فرق دارد
دو واژه نزدیک الزاماً در تمام خبرها معادل نیستند. «قرارداد» و «تفاهمنامه» میتوانند مرحلههای متفاوت همکاری را نشان دهند. آنها را برای کشف کنار هم بگذارید، نه برای نتیجهگیری یکسان. نوع رابطه هر واژه با موضوع را ثبت کنید. واژهنامه خوب تفاوت معنایی را هم حفظ میکند.

نام مستعار و مخفف
مخفف سازمان ممکن است با نام نهاد دیگری مشترک باشد. برای آن، زمینه یا نام کامل همراه تعریف کنید. نام قدیمی را با دوره استفاده مشخص نگه دارید. نام تجاری و شخصیت حقوقی را بیتوضیح یکی نگیرید. این دقت برای پروندههای چندساله اهمیت بیشتری پیدا میکند.
ساختار جدول واژهنامه
ستونهای موضوع، صورت معیار، صورت جایگزین و شاهد بسازید. نوع رابطه و وضعیت تأیید را نیز اضافه کنید. مسئول بازبینی و تاریخ تغییر باید مشخص باشد. نسخه جدول را در گزارشهای مهم ثبت کنید. این ساختار اجازه میدهد تغییر نتیجه را توضیح دهید.
آزمون اضافه کردن واژه
هر واژه تازه را ابتدا جداگانه جستوجو کنید. چند نتیجه اول و نمونهای از نتایج بعدی را بخوانید. نسبت نتایج مفید را بهصورت مقدماتی ثبت کنید. اگر نویز زیاد است، واژه را با زمینه محدود کنید. بزرگتر شدن واژهنامه نباید هدف مستقلی باشد.
نگهداری دورهای
برای موضوعهای فعال، زمان بازبینی ثابت تعیین کنید. واژههای کماستفاده را با برچسب نگه دارید، نه حذف عجولانه. تغییر محصول یا سازمان میتواند واژه تازهای ایجاد کند. پیشنهاد کاربران را با شاهد بررسی و تأیید کنید. دفتر تغییرات، حافظه مشترک تیم را حفظ میکند.
اجرای واژهنامه با khapi
صورتهای منتخب را ابتدا در پنل khapi آزمایش کنید. از نتیجه برای اصلاح عبارتهای ذخیرهشده استفاده کنید. در API، چند درخواست ساده شاید از عبارت نامطمئن روشنتر باشد. تعداد درخواست و محدودیت طرح را در طراحی لحاظ کنید. واژهنامه باید کیفیت بازیابی را بهتر کند، نه فقط حجم خروجی را.
منابع و ادامه مطالعه
این مطلب چطور به کار شما بیاید؟
مفاهیم این مقاله را مستقیم در پنل khapi امتحان کنید:
آماده شروع هستید؟
۳ روز استفادهٔ رایگان از پنل تحلیلگر، مطابق محدودیتهای دورهٔ آزمایشی و بدون نیاز به کارت بانکی.