Fuzzy Sets in Information Retrieval and Cluster Analysis

تک نگاری حاضر قصد دارد پیوند محکمی بین سه زمینه ایجاد کند: نظریه مجموعه های فازی، بازیابی اطلاعات، و تجزیه و تحلیل خوشه. نظریه مجموعه‌های فازی مفاهیم و روش‌های جدیدی را برای دو حوزه دیگر ارائه می‌کند و چارچوب مشترکی را ارائه می‌کند که می‌توان آنها را در آن سازمان‌دهی مجدد کرد. چهار گروه اصلی از خوانندگان فرض می‌شود: محققان یا دانشجویانی که به (الف) کاربرد مجموعه‌های فازی، (ب) نظریه بازیابی اطلاعات یا پایگاه‌های اطلاعاتی کتابشناختی، (ج) خوشه‌بندی سلسله مراتبی، و (د) کاربرد روش‌ها در علم سیستم‌ها علاقه‌مند هستند. . خوانندگان گروه (الف) ممکن است متوجه شوند که تئوری مجموعه های فازی مورد استفاده در اینجا بسیار ساده است، زیرا فقط به مجموعه های محدود پرداخته می شود. این ساده‌سازی، حداکثر جبر حداقل را قادر می‌سازد تا با روابط فازی و ماتریس‌ها به عنوان موجودیت‌های معادل برخورد کند. نمودارهای فازی نیز برای توصیف ویژگی های نظری روابط فازی استفاده می شوند. این فرض مجموعه های محدود برای اعمال مجموعه های فازی در بازیابی اطلاعات و تحلیل خوشه ای کافی است. این بدان معنی است که نظریه کمی، فراتر از نظریه پایه مجموعه های فازی، مورد نیاز است. اگرچه خوانندگان گروه (ب) با پیشینه کمی در تئوری مجموعه های فازی ممکن است با چند بخش مشکل داشته باشند، آنها همچنین در این تک نگاری به اندازه کافی برای حمایت از درک شهودی این مفهوم جدید بازیابی اطلاعات فازی خواهند یافت. فصل 4 بازیابی فازی را بدون استفاده از نمادهای ریاضی ارائه می دهد. همچنین، نمودارهای فازی به عنوان کمکی برای درک شهودی روابط فازی عمل خواهند کرد.

The present monograph intends to establish a solid link among three fields: fuzzy set theory, information retrieval, and cluster analysis. Fuzzy set theory supplies new concepts and methods for the other two fields, and provides a common frame­ work within which they can be reorganized. Four principal groups of readers are assumed: researchers or students who are interested in (a) application of fuzzy sets, (b) theory of information retrieval or bibliographic databases, (c) hierarchical clustering, and (d) application of methods in systems science. Readers in group (a) may notice that the fuzzy set theory used here is very simple, since only finite sets are dealt with. This simplification enables the max­ min algebra to deal with fuzzy relations and matrices as equivalent entities. Fuzzy graphs are also used for describing theoretical properties of fuzzy relations. This assumption of finite sets is sufficient for applying fuzzy sets to information retrieval and cluster analysis. This means that little theory, beyond the basic theory of fuzzy sets, is required. Although readers in group (b) with little background in the theory of fuzzy sets may have difficulty with a few sections, they will also find enough in this monograph to support an intuitive grasp of this new concept of fuzzy information retrieval. Chapter 4 provides fuzzy retrieval without the use of mathematical symbols. Also, fuzzy graphs will serve as an aid to the intuitive understanding of fuzzy relations.