آرزو ساعدی - دانشکده مهندسی کامپیوتر، دانشگاه اصفهان ، اصفهان
مهدی جبل عاملی - دانشکده مهندسی کامپیوتر، دانشگاه اصفهان ، اصفهان
محمدعلی نعمت بخش - دانشکده مهندسی کامپیوتر، دانشگاه اصفهان ، اصفهان

روزانه کاربران زیادی برای دستیابی به پاسخ پرسش های خود در حوزه ی پزشکی و درمان، به وب سایت های مربوطه مراجعه می کنند. در سال 2015 کتابخانه ی ملی پزشکی آمریکا سیستم پرسش و پاسخی برای پاسخگویی به پرسش های پزشکی کاربران عادی که به زبان انگلیسی مطرح می شوند، ارایه نمود. دسته بندی پرسش ، یک بخش کلیدی در طراحی این نوع سیستم ها است. با توجه به کوتاه بودن متون پرسش های کاربران عادی، تحلیل های سطحی نمی تواند اطلاعات کافی از پرسش های آن ها به دست دهد؛ همچنین آگاهی کم کاربران در مورد واژگان تخصصی، منجر به بیان غیر دقیق پرسش ها و شباهت زیاد در پرسش های مربوط به دسته های مختلف می شود و دسته بندی این پرسش ها را دشوار می کند. در این پژوهش روشی برپایه ی یادگیری ماشین برای دسته بندی پرسش های پزشکی کاربران عادی، براساس طبقه بندی ارایه شده در کتابخانه ملی پزشکی آمریکا، پیشنهاد شده است. در مدل پیشنهادی، از ویژگی های فریم های معنایی پرسش براساس فریم نت، چندتایی نحوی و ویژگی هایی برای نشان دادن هم رخدادی چند عنصر پرسش، استفاده شده است. به دلیل تاثیر قابل توجه دسته بندی پرسش در کیفیت سیستم پرسش و پاسخ نهایی، دو دسته بند با دو مجموعه متفاوت از ویژگی ها استفاده شده است تا پرسش ها از زوایای مختلفی بررسی شوند. نتایج تجربی نشان می دهد که دقت دسته بندی پرسش ها در روش پیشنهادی نسبت به بهترین روش موجود، افزایش یافته است.

دسته بندی پرسش ، پرسش های پزشکی کاربران عادی، سیستم پرسش و پاسخ، ویژگی نحوی، ویژگی معنایی، دسته بند