قرار دادن جستجو درون سایت

سلام دوستان
من ميخام توي سايتم امکان جستجو بذارم
که کاربر بتونه با هر کلمه اي توي سايت search کنه
براي اين کار بايد چيکار کنم؟
ممنونم از راهنماييتون
در پناه حق باشيد.

به طور کلي دو نمونه جستجو وجود داره:

جستجوي کلمه به کلمه (يا جستجوي دقيق: Exact Search)
جستجوي معنايي

منظور از جستجوي معنايي هموني هست که در موتورهاي جستجوي انجام ميشه.
اما جستجوي دقيق کاري هست که به سادگي در نرم افزاري مثل Notepad انجام ميشه.

منظور از جستجوي معنايي اينه که مثلا يک کلمه جستجو "کودک" باشه، متوني که در اونها کلمه "بچه" هم بکار رفته، مورد توجه قرار بگيرند. و يا اگر کلمه "خورد" در جستجوي کاربر (query) قرار گرفته باشه، متوني که در اونها کلمات "خوردني" "خوراک" "ميخوريم" و ... بکار رفته باشه، به عنوان نتيجه جستجو برگردونده بشند.

جستجوي معنايي انگليسي مساله اي هست که از سالها پيش مورد توجه قرار گرفته و ميشه گفت تقريبا حل شده، موتورهاي جستجوي قدرتمندي هم مثل گوگل گواهي بر اين مدعاست. اما "جستجوي معنايي فارسي" که اين روزها کم بودش واقعا احساس ميشه، مساله اي هست که مستلزم تحقيقات دانشگاهي و سرمايه گزاري و حمايت نهادهاي دولتي است.

براي اطلاعات بيشتر درباره روشهاي جستجو (بازيابي اطلاعات متني) يک منبع خوب، تز کارشناسي ارشد آقاي "يوسفان" هست که خوندنش رو توصيه ميکنم.

جناب آقا يا خانم مسافر! البته مطالبي که الان نوشتم هيچ کمکي به شما نميکنه.
اينها رو نوشتم تا يادمون نره کجا هستيم Sad

يک دليل ديگه هم داشت:

يکي از دانشجوها از آقاي يوسفان که بعد از يک و نيم سال کار مداوم، تزش رو تموم کرد، پرسيده بود شما نرم افزار Word مايکروسافت رو ديده بودي؟ فکر ميکنم اون هم بتونه جستجوي فارسي انجام بده!!! Mr. Green

)

سايت http://www.asp101.com درباره برنامه جستجو و تنظيمات سيستم براي Index Server Search engine با asp توضيح کامل داده.

در اين سايت http://www.asp101.com توضيحاتي درباره Index Server Search engine داده شده اما گفته شده نتايج مورد انتظار از جستجو وقتي بدست مياد که noise words از متوني که بايد index شوند، حذف شوند.

منظور از noise words همون کلمات سراسري يا stop words (اصطلاحي که در علم IR به کار ميره) نظير a، at، and و ... هست. همون طور که قبلا گفتم براي انگليسي (وساير زبانهاي اروپايي) ليست کاملي از "کلمات سراسري" وجود داره، و الگورتيم هايي هم براي تشخيص کلمات سراسري ساخنه شدند. اما براي فارسي ...

در اينجا چند خط از پايان نامه آقاي "يوسفان" رو عينا نقل ميکنم:

" بر طبق نظريه‌ي لان ، واژه‌هايي که بيشترين تکرار را دارند ، واژه‌هاي سراسري هستند که ارزش به کار گيري آنها کم است. اين روش در فارسي پاسخ شايسته‌اي نمي‌دهد. زيرا بسياري از واژه‌هاي سراسري در زبان فارسي فراواني چنداني در نوشته‌ها ندارند. حتي با گردآوري بيش از يک GB صفحه‌هاي فارسي از شبکه‌ي جهاني و به کار گيري فراواني واژه‌هاي درون آنها ، باز پاسخ گرفته شده بر پايه‌ي اين روش به هيچ وجه کامل نيست. به کارگيري اين روش نمي‌تواند بسياري از واژه‌هاي سراسري فارسي را بردارد."

متاسفانه همون طور که در اين پايان نامه ذکز شده، ليستي آماده از کلمات سراسري فارسي هم وجود نداره:

" شناسايي واژه‌هاي سراسري به کمک فهرست آماده:
در اين روش يک فهرست از واژه‌هاي سراسري آماده مي‌شود تا اين واژه‌ها از نوشته‌ها برداشته شوند. اين روش نيز نمي‌تواند همه‌ي واژه‌هاي سراسري فارسي را با يک فهرست کوچک درآورد. بزرگترين فهرست در [فرهودي,۱۳۸۰] ديده شد که باز کامل نبود. به خاطر ويژگي ترکيبي واژه‌هاي فارسي ،‌ فهرست آماده شده بايد بزرگتر از اندازه‌هاي کنونيِ خود باشد”

--------------------
من با Index Server Search engine کار نکردم و اصلا نميدونم چيه، اما به نظرم مياد براي فارسي چيزي بيشتر از يک Exact Search ساده انجام نده.

اينها رو هم که الان نوشتم به اين دليل بود که فکر نکنيم Word مايکروسافت همه کارها رو انجام ميده. بعضي وقتها ما هم بايد زحمت بکشيم، و بعضي وقتها علم و دانش هم چيز خوبيه. :vic: