شناسایی میلیون‌ها واژه فارسی در جستجوگر ملی

مدیر پروژه ملی موتور جستجوگر ملی از شناسایی 100 میلیون واژه منحصر به فرد فارسی توسط این جستجوگر بومی خبر داد.

به گزارش روابط عمومی پروژه ملی موتور جستجوگر، علی‌محمد زارع‌بیدکی با اعلام این خبر افزود:  برنامه نویسان و محققان نخبه کشورمان در بخش تحقیق و توسعه پردازش زبان موفق شدند، ظرفیت و توانایی این جستجوگر بومی را برای پردازش زبانی به یکصد میلیون کلمه یکتا (اعم از درست یا نادرست) در صفحات فارسی ارتقا دهند که البته این فرایند همچنان در حال توسعه است.

وی با اشاره به اینکه کمتر از 10 درصد این کلمات دارای ارزش اطلاعاتی و پردازشی هستند، گفت: از مجموع یکصد میلیون واژه شناسایی شده حدود 10 میلیون کلمه از لحاظ املائی و مفهومی صحیح است که البته پردازشگر زبان پارسی جو می تواند حتی عبارت های نادرست را شناسایی و آن را به شکل صحیح جستجو کند.

زارع‌بیدکی به یکی دیگر از قابلیت های ویژه این موتور جستجوگر ایرانی پرداخت و ادامه داد: بخش پردازش زبان پارسی جو توانایی استخراج دوازده هزار جفت کلمه مترادف از محتوای وب را دارد که قابلیت مذکور این امکان را به کاربر خواهد داد تا کلمات، واژه ها و حتی عبارات هم معنی فارسی را به طور یکجا جستجو کند.

مدیر پروژه موتور جستجوگر ملی تشخیص افعال صرفی در این حوزه را یکی دیگر از ویژگی های بی بدیل این جستجوگر ایرانی برشمرد و اضافه کرد: پارسی جو قادر است بیش از 9 هزار شکل صرفی از افعال را تشخیص و آنها را به یکدیگر تبدیل کند، امکانی که باعث می شود کاربران فارسی زبان، نه تنها یک عبارت و جمله بلکه اشکال مختلف صرفی (انشایی) یک جمله را به طور همزمان جستجو کنند.

وی خاطر نشان کرد: ماشینی کردن فرایند درک و برداشت مفاهیم از یک زبان طبیعی بزرگترین چالش در جستجوگرهای بومی محسوب می شود که البته دانشمندان و نخبگان کشورمان در حوزه فناوری اطلاعات موفق شدند این مانع بزرگ را در موتور جستجوگر ملی به قابلیتی خاص مبدل سازد، به طوری که هم اکنون زبان فارسی در این موتور جستجوگر به طور کامل ماشینی شده و می تواند مفاهیم عبارات کاربر را درک و پس از پردازش آن را جستجو کند.

زارع‌بیدکی بزرگترین دلیل موفقیت موتورهای بومی را موضوع زبان دانست و افزود: با نگاهی دقیق به موتورهای جستجو در دنیا به این نکته پی می بریم که مرز ایجاد موتورهای جستجو و استفاده کاربران از آنها جغرافیایی نبوده است بلکه زبان یک عامل تعیین کننده در استفاده از این ابزار نوین است به گونه ای که موتور جستجوی "یاندکس" روسیه علت موفقیت خود را فهم و پردازش بهتر زبان روسي می داند، به طوری که کاربران روسی زبان کشورهای اوکراین، قزاقستان، آذربایجان و بلاروس را نیز جذب کرده و از  این طریق درآمدزایی هنگفتی می کند.

وی در ادامه ابراز کرد :با قدرت گرفتن موتورهای بومی در ایران، این فرصت وجود دارد تا این جستجوگرها در کشورهای فارسی زبان نیز مورد استفاده قرار گیرد و بدین وسیله از منافع اقتصادی بازار بزرگ و بکر موتور جستجو در این کشورها بهره مند شد.

مدیر پروژه موتور جستجوگر پارسی جو در پایان تاکید کرد: به طور کلی قابلیت ویژه موتورهای بومی شناخت صحیح زبان مادری یک کشور و  بهره مندی از ابزارهای پردازش زبان بومی و دسترسی به زبان شناسان آن کشور است که البته همین امر باعث خواهد شد تا موتورهای جستجوگر داخلی بتوانند به نیازهای ایرانیان خارج از کشور مانند دریافت اطلاعات و اخبار روزانه و یا خدمات رسانی در مراودات متنوع پاسخ دهند.

یکی از معضلاتی که با گسترش فضای مجازی و به‌ویژه شبکه‌های اجتماعی فعال نمود بیش‌تری یافت، آسیب‌های وارده به زبان و نگارش فارسی است که بیش از همه نسل نو را از زبان و رسم‌الخط معیار دور می‌کند، از این رو وجود یک جستجوگر فارسی که عبارات نادرست را شناسایی و آن را به شکل صحیح جستجو کند، بسیاری ضروری است و می‌تواند به آموزش زبان فارسی به عنوان بخشی از هویت ملی ایران کمک کند.