การประชุมวิชาการระดับชาติมหาวิทยาลัยทักษิณ 2559 - page 265

264
ตำรำงที่ 1 เปรียบเที ยบแบบความแตกต่างของแบบจาลองระบบค้นคืนสารสนเทศ
แบบจาลอง รูปแบบการทางาน จุดเด่น ข้ อจากัด
1. บูลีน 1. คาค้ นถูกแสดงแทนด้ วย
นิพจน์ ทางตรรกศาสตร์
2. คาค้ นถูกเชื่อมด้ วยนิพจน์
AND, OR และ NOT
1. ง่ ายต่ อการพัฒนาและง่ าย
ต่อการใช้งาน
2. รูปแบบกาหนดของคาค้ นที่
ง่าย ไม่ซั บซ้อน
3. เป็ นการหาข้อมูลในลักษณะ
ใช่ / ไม่ใช่
1. ไม่ มี การจั ดลาดั บของ
เอกสาร
2. ใช้ กั บคาค้ นที่ ต้ องการ
ความซับซ้อนไม่ ได้และไม่ มี
ความยืดหยุ่น
3. ยากต่อการควบคุมจานวน
ของเอกสาร
2. เวกเตอร์สเปซ 1. เอกสารและคาค้นแสดงอยู่
ในรูปแบบของเวกเตอร์
2. ให้ ความสาคัญกับความถี่
ของคาที่ปรากฏอยู่ในเอกสาร
และมี ผลต่อการให้ค่าน้าหนัก
ของคา
3 . ใ ช้ วิ ธี ก า ร ห า ค่ า ค ว า ม
คล้ายคลึง
1. ใช้ คณิตศาสตร์ เรียบง่ายใน
การคานวณ
2. การให้ค่าน้าหนั กคาช่วย
เพื่ อประสิทธิภาพในการค้นคื น
3. มีการจั ดลาดับความสาคัญ
ของเอกสาร
4. ใช้ กั บเอกสารที่ มี ข้ อมู ล
มากๆ ได้ดี
ไม่สนใจคาที่มีความหมาย
เหมือนกัน (Synonymy)
3. ความน่าจะเป็น ฟั งก์ ชั นสมาชิกหรื อฟั งก์ชั่ น
ตัดสิ นที่ถู กใช้เป็นแบบความ
น่าจะเป็น
1. การคานวณความน่ าจะเป็น
ที่ได้รั บการยอมรับโดยคานวณ
ความน่ าจะ เป็ นจากข้ อมู ล
ความถี่ของคา
2. มีการจัดลาดับความเอกสาร
ด้วยค่าความน่าจะเป็น
1. จะต้องมีฐานข้อมูลที่ มีการ
ตัดคาที่ถู กต้อง และกาหนด
หน้ าที่ของคา เพื่อที่ จะ
นาไปใช้ในการสร้างสถิติ
2. จะต้องมี การคาดเดาค่า
ความน่าจะเป็น
การให้น้าหนักของคา (Term Weighting) ซึ่งคาที่มีความสาคัญหรื อใช้เป็นตัวแทนของเอกสารที่ดี ควรจะ
ปรากฏอยู่เป็นจานวนมากในเนื้ อหาเอกสารเฉพาะฉบับนั้นและปรากฏอยู่น้อยมากในชุดเอกสารที่เหลือทั้ งหมด แต่ถ้าคานั้น
ปรากฏอยู่ เป็นจานวนมากในทุกๆ เอกสาร แสดงว่ าคาดั งกล่าวไม่ สามารถเป็นตัวแทนของเอกสารใดๆ ได้ ซึ่งคาเหล่านี้
เรี ยกว่า คาหยุด (Stop Word) เช่น คาว่า ที่ , และ, ซึ่ง เป็นต้ น ดังนั้นการให้ค่าน้าหนักคาในเอกสารฉบับหนึ่ง จะพิจารณา
จากการนับความถี่ของคาที่ปรากฏในเอกสารนั้น และจานวนของเอกสารทั้งหมดที่มีคาๆ นั้นปรากฏอยู่ [7] โดยมี วิธีการให้
ค่าน้าหนักคาที่ นิยมใช้กันมาก คื อ การกาหนดค่าน้ าหนักคาในเอกสารตามแนวคิ ดของซอลตัน (Salton) ซึ่งมีรายละเอียด
ดังนี้
1. การวั ดความคล้ายคลึงกันของเอกสาร (Similarity Measurement of Document)
วิธีที่นิยมสาหรั บการคานวณความคล้ายคลึ งระหว่างเอกสารและคาค้น (Query) เรียกว่ าวิธีการวัดความคล้ายคลึง
แบบโคไซน์ (Cosine Similarity) เป็ นวิธีการเปรียบเทียบความคล้ายคลึงของเอกสารสองเอกสาร โดยแต่ละเอกสารจะถู ก
แทนด้วยเวกเตอร์ (N-Dimensional Vector) ซึ่งเก็บค่าน้ าหนักคาแต่ละในเอกสารนั้น (Term Space) การเปรียบเที ยบ
ความคล้ายคลึงของเอกสารจะเปรี ยบเทียบโดยดูจากมุมโคไซน์ ของมุมระหว่าง 2 เวกเตอร์ของเอกสาร หากเอกสารทั้งสอง
เอกสารคล้ายคลึงกันมาก เวกเตอร์ของเอกสารทั้ง 2 จะซ้อนทับกันเกือบสนิท มุมจึงมีค่าน้อย ค่าโคไซน์ที่ได้จะมีค่ามาก ซึ่ง
คานวณได้ดังสมการที่ 1 Cosine θ(Q,Di) = Q▪Di ‖Q‖×‖D i ‖ = ∑ Q×Di ni=1
√∑ Q2 ×∑ D2 ni=1 ni=1 (1)
โดยที่ Qi คือ น้ าหนักของคาค้ น Q คาศัพท์ ที่ I , Di คือ น้ าหนักของเอกสาร D คาศัพท์ ที่ i และQ▪Di คือ ผล
คูณสเกลาร์ และ ‖Q‖×‖Di‖ คือ ผลคูณขนาดของเวกเตอร์ Q กั บ Di
ทั้งนี้ ค่าความคล้ายคลึงสูงสุดที่วัดด้วยวิธีนี้ มีค่าเท่ ากับ 1 โดยมีความหมาย คื อ เวกเตอร์ทั้งสองทามุมระหว่าง
กั น 0 องศา นั่นคือ เวกเตอร์ทั้งสองมี ทิศทางเดียวกันหรื อมีความคล้ายคลึงกัน