%0 Journal Article %A Esmaeeli Gohari, Elham %A Zarifzadeh, Sajjad %A Hasanvand, Saeed %T A Hybrid Method for Query Recommendation in Recommender Systems %J Journal of Health and Biomedical Informatics %V 4 %N 3 %U http://jhbmi.ir/article-1-234-fa.html %R %D 2017 %K Medical recommendation system, query recommendation, Search engine, Information retrieval, %X مقدمه: رشد روزافزون اطلاعات موجود در اینترنت و سربار زیاد اطلاعاتی، چالش مهمی برای کاربران در جهت دسترسی به اطلاعات موردنیازشان ایجاد کرده است. امروزه توصیه‌گرهای پرس‌وجو به یک جزء جدایی‌ناپذیر سیستم‌های بازیابی اطلاعات تبدیل شده‌اند. یکی از کاربردهای این توصیه‌گرها در زمینه علوم پزشکی است. این سیستم‌ها با به کارگیری فرایندهای شخصی‌سازی سعی در تسکین مشکل سرریز اطلاعات در وب و سرعت بخشیدن به جستجوی اطلاعات پزشکی کاربران دارند. روش: این پژوهش از نوع کاربردی و توصیفی است. در این پژوهش سعی شد با استفاده از ویژگی‌های محتوایی پرس‌وجوها و نتایج جستجو روشی ارائه شود که ضمن حفظ ارتباط معنایی با پرس‌وجوی اصلی، کاربران را سریع‌تر به نیازهای اطلاعاتی‌شان برساند. به منظور خوشه‌بندی پرس‌وجوها از الگوریتم K-means استفاده شد. پیاده‌سازی روش پیشنهادی با استفاده از زبان برنامه‌نویسی جاوا و نرم‌افزار NetBeans IDE صورت گرفت. نتایج: با توجه به سیستم پیشنهادی، استفاده توامان از ویژگی‌های ساختاری پرس‌وجوها و نتایج جستجو حاوی اطلاعاتی مفیدی برای تشخیص پرس‌وجوهای مشابه است. از آن‌جا که امکان وجود کلمات چندمعنا در پرس‌وجوی کاربران وجود دارد، استفاده از نتایج جستجو می‌تواند در امر تشخیص هدف کاربر از پرس‌وجو مفید باشد. نتیجه­ گیری: نتایج حاصل از ارزیابی روش پیشنهادی با دادگان واقعی مربوط به موتور جستجوی بومی پارسی‌جو، بیانگر مؤثر بودن این روش در بهبود دقت توصیه نسبت به سایر روش‌‌ها است. طبق ارزیابی‌های انجام‌شده، دقت سیستم پیشنهادی برابر با 24/77% است که در مقایسه با مطالعات مطرح در این زمینه، 10% بهبود داشته است. %> http://jhbmi.ir/article-1-234-fa.pdf %P 201-215 %& 201 %! Query Recommendation %9 Original Article %L A-10-302-1 %+ Ph. D. in Computer Engineering, Assistant Professor of Computer Engineering, Computer Engineering Dept., Technical and Engineering Campus, Yazd University, Yazd, Iran %G eng %@ 2423-3870 %[ 2017