الگوهای فراکتال کلمات در یک متن: روشی برای استخراج کلمات کلیدی خودکار

یک متن را می توان به عنوان یک آرایه از کلمات یک بعدی در نظر گرفت. مکان های هر نوع کلمه در این آرایه یک الگوی فراکتال با بعد فراکتال خاص را تشکیل می دهد. ما مشاهده می کنیم که کلمات مهم مسئول انتقال معنای یک متن ابعاد قابل توجهی با یک متفاوت دارند ، در حالی که ابعاد فراکتال کلمات بی اهمیت نزدیک به یک است. ما یک شاخص را معرفی می کنیم که اهمیت کلمات را در یک متن معین با استفاده از ابعاد فراکتال آنها تعیین می کند و سپس آنها را با توجه به اهمیت آنها رتبه بندی می کند. این شاخص تفاوت بین الگوی فراکتال یک کلمه در متن اصلی را نسبت به نسخه تغییر یافته اندازه گیری می کند. از آنجا که متن تغییر یافته بی معنی است (یعنی کلمات هیچ اهمیتی ندارند) ، می توان از تفاوت بین متن اصلی و تغییر یافته برای تعیین میزان شکستگی استفاده کرد. از درجه Fractality ممکن است برای تشخیص خودکار کلمات کلیدی استفاده شود. کلمات با میزان شکستگی بالاتر از مقدار آستانه فرض می شود که کلمات کلیدی بازیابی شده متن هستند. ما کارآیی روش خود را برای استخراج کلمات کلیدی اندازه گیری می کنیم ، و مقایسه ای بین روش پیشنهادی ما و دو روش مشهور دیگر استخراج کلمات کلیدی خودکار انجام می دهیم.

استناد: Najafi E ، Darooneh AH (2015) الگوهای فراکتال کلمات در یک متن: روشی برای استخراج خودکار کلمات کلیدی. PLOS ONE 10 (6): E0130617. https://doi. org/10. 1371/joual. pone. 0130617

ویراستار: Francisco J. Esteban ، دانشگاه Jaén ، اسپانیا

دریافت: 25 ژوئن 2014 ؛پذیرفته شده: 21 مه 2015 ؛منتشر شده: 19 ژوئن 2015

کپی رایت: © 2015 Najafi ، Darooneh. این یک مقاله دسترسی آزاد است که تحت شرایط مجوز انتساب Creative Commons توزیع شده است ، که اجازه استفاده ، توزیع و تولید مثل بدون محدودیت را در هر رسانه ای می دهد ، مشروط بر اینکه نویسنده و منبع اصلی اعتبار داشته باشند

در دسترس بودن داده ها: متن نمونه از http://www.gutenberg. org/files/22764/ در دسترس است و واژه نامه متن از http://literature. org/authors/darwin-charles/the-origin- در دسترس استاز گونه ها/واژه نامه.html.

بودجه: نویسندگان هیچ پشتیبانی و بودجه ای برای گزارش ندارند.

منافع رقابتی: نویسندگان اعلام کرده اند که هیچ منافع رقابتی وجود ندارد.

معرفی

زبان توانایی انسان برای ارتباط از طریق علائم صوتی یا تصویری است. زبان را می توان به عنوان یک سیستم پیچیده در نظر گرفت [1] ، که در آن کلمات ترکیب کننده هایی هستند که با یکدیگر در تعامل هستند تا الگوهای خاصی را تشکیل دهند. چنین الگوهای بیانگر افکار ، احساسات ، اراده و دانش انسان است که به آن معنی می گویند. زبان انسانی در بین سایر سیستم های ارتباطی بی نظیر است ، زیرا کلمات زیادی برای بیان مفاهیم غیرمادی و فکری وجود دارد. علاوه بر این ، وجود مترادف ، پلی سمی و غیره باعث افزایش پیچیدگی آن می شود. متون ، به عنوان شکل مکتوب زبان ، پیچیدگی خود را به ارث می برند. یک متن را می توان تا حدودی از طریق عادی بودن در توزیع مکانی کلمات و فرکانس های آنها درک کرد. تحقیقات نشان داده است که منظم بودن در یک متن می تواند به عنوان یک رابطه قانون قدرت بیان شود. یکی از مشهورترین قوانین قدرت ، قانون ZIPF است که نشان می دهد اگر کلمات را از متنی از رایج ترین تا کمترین متن رتبه بندی کنیم ، فرکانس هر کلمه به طور معکوس متناسب با رتبه آن است [2]. یک قانون مرتبط ، قانون Heaps ، یکی دیگر از ویژگی های جهانی متون را نشان می دهد: تعداد کلمات متمایز در یک متن (یعنی تعداد انواع کلمات) ، با اندازه متن (یعنی تعداد توکن ها) به شکل a تغییر می کندقانون قدرت [3]. سطح دیگری از نظم فقط از طریق الگوی کلمات در طول یک متن مشهود است. متن فقط یک مجموعه تصادفی از کلمات نیست. ما فقط می توانیم این مجموعه را متنی بنامیم. به عبارت دیگر ، کلمات در یک متن باید به ترتیب خاصی قرار بگیرند تا معنی آن را بیان کنند. بسیاری از قوانین قدرت نمی توانند این واقعیت را به خود جلب کنند: هر فرآیند جابجایی تصادفی به طور چشمگیری معنای یک متن را از بین می برد ، اما قانون Zipf بدون تغییر باقی می ماند و قانون پشته ها فقط کمی کمی تغییر می کند [4].

ترتیب خاص کلمات به ترتیب خاص به دو دلیل بوجود می آید. اول ، قوانین گرامری تعیین می کنند که کلمات باید در یک جمله قرار بگیرند و موقعیت افعال ، اسم ها ، قیدها و سایر بخش های گفتار را مشخص کنند. قوانین گرامری ارتباطات کوتاه را بین توالی کلمات در یک جمله ایجاد می کند. ثانیا ، یک متن از نحوه ترتیب کلمات در کل معنی می گیرد. این ترتیب ترتیب معنایی نامیده می شود و در کل محدوده متن عمل می کند ، از این رو همبستگی دوربرد بین موقعیت های هر کلمه مشاهده می شود. معنای گسترده یک متن همچنین به این معنی است که انواع کلمات مختلف در یک متن از اهمیت متفاوتی برخوردار هستند. ما می توانیم بین دو نوع کلمه محتوا را در یک متن تشخیص دهیم: مواردی که مربوط به موضوع متن است (یعنی کلمات مهم) و سایر مواردی که نسبت به آن بی ربط هستند. برای متنی در کیهان شناسی ، کلماتی مانند جهان ، فضا ، بزرگ و تورم کلمات مهمی هستند. کلمات دیگر مانند واقعیت ، اتفاق و غیره ، برای موضوع متن بی ربط نیستند. یافتن شاخص برای تعیین اهمیت کلمات در یک متن معین برای تشخیص خودکار کلمات کلیدی بسیار مهم است و یک نقطه شروع بسیار مفیدی برای جمع بندی متن ، طبقه بندی اسناد ، ترجمه دستگاه و سایر موارد مربوط به بازیابی اطلاعات خودکار فراهم می کند. خودکار سازی این فرایندها با توجه به افزایش اندازه اطلاعات موجود و در عین حال محدود قدرت انسان ، از اهمیت فزاینده ای برخوردار است.

در مقاله حاضر ، ما از مفهوم Fractal استفاده می کنیم تا مقدار اهمیت را به هر کلمه در یک متن معین اختصاص دهیم. فراکتال یک شیء ریاضی است (به عنوان مثال ، مجموعه ای از نقاط در فضای اقلیدسی) که در هر مقیاس الگوهای تکرار شونده دارد ، به این معنی است که در هر بزرگنمایی یک قطعه کوچکتر از جسم وجود دارد که شبیه به کل است. این خاصیت خود را به خودی خود گفته می شود. بعد فراکتال نشان می دهد که چگونه جزئیات یک الگوی فراکتال با مقیاس تغییر می کند. از آن به عنوان شاخص پیچیدگی استفاده می شود. بعد فراکتال یک مجموعه برابر یا کمتر از بعد توپولوژیکی فضا است که مجموعه در آن تعبیه شده است. ما ادعا می کنیم که موقعیت های یک نوع کلمه در آرایه متن یک الگوی فراکتالی با ابعاد مشخصی تشکیل می دهند که یک مقدار مثبت کمتر از یا مساوی است. بر اساس این واقعیت ، یک فهرست برای رتبه بندی کلمات واژگان یک متن معین ارائه شده است. تفاوت بین الگوی یک کلمه در متن اصلی در مقابل یک نسخه تصادفی به طور تصادفی اهمیت آن را نشان می دهد: کلمات با دیفرانسیل بیشتر بین متون اصلی و متلاشی شده از اهمیت بیشتری برخوردار هستند. ما این رویکرد را با سایر روشهای شناخته شده تر استخراج کلمات کلیدی مقایسه می کنیم.

در بخش زیر ما تحقیقات قبلی را بررسی می کنیم که نوعی ساختار فراکتالی در متون را نشان می دهد ، تا نشان دهیم که روش ما جدید است. سپس ما برخی از ایده های اساسی را برای استخراج کلمات کلیدی که برای درک اصول مختلف در حال حاضر در کار در این زمینه مفید هستند ، مرور می کنیم. سرانجام ، ما روش خود و چگونگی ارزیابی آن را شرح می دهیم و نتایج را برای یک کتاب نمونه گزارش می دهیم.

پیش زمینه و آثار مرتبط

ساختارهای فراکتال در متون

در سال 1980 G. Altma فرمولی برای تعیین کمیت قانون Menzerath ساخت [5]. قانون Menzerath-Altma می گوید بین اندازه یک سازه و اندازه نمایندگان آن رابطه وجود دارد. سیستمی مانند یک زبان دارای سطوح یا سازه های مختلفی مانند هجا ، کلمات ، ساخت و سازهای نحوی ، بندها ، جملات و سازه های معنایی است. طبق قانون Menzerath-Altma ، هنگامی که اندازه یک سازه افزایش می یابد ، اندازه ترکیبات آن کاهش می یابد و این در هر سطح است. بنابراین ، یک نوع خاص از خود شنیع برای هر سطح وجود دارد [6 ، 7]. بعد فراکتال را می توان برای هر سطح محاسبه کرد. بعد فراکتال یک متن معین مقدار متوسط بعد فراکتال سطوح است [8].

برای محاسبات کمی ، متون معمولاً در سری زمانی ترسیم می شوند. یک متن را می توان به عنوان یک آرایه یک بعدی در نظر گرفت که در آن عناصر می توانند شخصیت ها ، کلمات یا جملات باشند. Ausloos با جایگزینی هر کلمه در متن به طول یا فرکانس آنها دو سری زمانی ساخت [9 ، 10]. وی با بررسی الگوی فراکتال از سریال های طول و فرکانس مربوطه ، پیچیدگی را در یک متن کتبی اندازه گیری کرد و کشف کرد که الگوهای فراکتالی حاصل ممکن است به عنوان یک شاخص نویسندگی استفاده شود. علاوه بر این ، این سریال های طول و فرکانس نیز نشانه هایی از پیچیدگی معنایی متن را نشان می دهد.

Eftekhari به جای کلمات به عنوان ترکیبات یک متن روی حروف کار می کرد ، و می دانست که اگر انواع نامه ها در یک متن از رایج ترین تا کمترین رتبه بندی شوند ، فرکانس هر نوع حرف به طور معکوس متناسب با رتبه آن خواهد بود [11]، Simillar به قانون Zipf). اگر فرکانس انواع نامه ها در مقابل رده های آنها در مقیاس لگاریتمی مضاعف ترسیم شود ، یک خط مستقیم به دست می آید. او شیب این بعد Zipf را نامید. وی همچنین روشی را برای محاسبه ابعاد فراکتال متون پیشنهاد کرد و اعلام کرد که اگر انواع نامه ها به ترتیب حروف الفبا رتبه بندی شوند و فرکانس انواع نامه ها در برابر صفوف آنها ترسیم شود ، شیب چنین نمودار می تواند بعد فراکتال ادبیات باشد. با این وجود ، از آنجا که داده هایی که استفاده می شود بیش از حد پراکنده است ، وی از ابعاد فراکتال به اصطلاح استفاده کرده است. وی همچنین نشان داد که متون در ابعاد فراکتال مشابه ابعاد ZIPF مربوطه که با توجه به اندازه متن متفاوت است ، تغییر می کنند.

اصول استخراج کلمات کلیدی

اولین روش مبتنی بر تجزیه و تحلیل ZIPF از فرکانس کلمه برای استخراج کلمات کلیدی توسط Luhn ارائه شده است [12]. وی نمودار Zipf از کلمات را ترسیم کرد ، سپس کلمات را با فرکانس های زیاد و پایین از بین برد و اظهار داشت که کلمات باقی مانده در فرکانس های میان رده مهمترین کلمات یک متن هستند. برخی از مشکلات در این روش وجود دارد. این کلمات مهم را که فرکانس بسیار کمی دارند ، حذف می کند ، و همچنین ممکن است به اشتباه برخی از کلمات مشترک را با فرکانس های میان رده به عنوان کلمات کلیدی مصرف کند. برای غلبه بر این کمبود ، Ortuño و همکاران. روشی را بر اساس مفهوم ارائه داد که کلمات مهم خوشه ها را تشکیل می دهند [13]. آنها از انحراف استاندارد فاصله بین وقایع متوالی یک کلمه خاص به عنوان اندازه گیری خوشه بندی کلمه استفاده کردند. کلمات با انحراف استاندارد بزرگ تمایل به تشکیل خوشه دارند و بنابراین از اهمیت بیشتری برخوردار هستند. Carpena و همکاران. این روش را بهبود بخشید و مقدار C را برای اندازه گیری اهمیت کلمات [14] بر اساس توزیع خوشه بندی آنها معرفی کرد (ما این روش را در بخش پیوست بر خلاف خودمان بررسی می کنیم). روش دیگری که مبتنی بر خوشه بندی است توسط ژو و اسلاتر ارائه شده است [15]. آنها از نوسانات چگالی کلمات به عنوان اندازه گیری خوشه بندی استفاده کردند. این روش برای کاهش اهمیت کلمات مشترک مفید بود. Mihalcea و Tarau از روشی مبتنی بر تئوری نمودار برای تشخیص کلمات کلیدی استفاده کردند [16]. متن به عنوان نمودار با گره های انواع کلمات در نظر گرفته می شود که لبه هایی بین دو کلمه وجود دارد که در آن در متن مجاور هستند. برای استخراج کلمات کلیدی ، آنها مفهوم TexTrank را معرفی کردند ، که به طور مشابه با PageRank محاسبه می شود که در موتور جستجوی Google برای رتبه بندی صفحات وب استفاده می شود. TexTrank با شمارش تعداد و وزن پیوندها به یک گره برای تعیین اهمیت گره کار می کند. گره های مهمتر احتمالاً پیوندهای بیشتری را از گره های دیگر دریافت می کنند. کلمات با مقادیر بالاتر TexTrank از اهمیت بیشتری برخوردار هستند. هررا و پوری یک روش آنتروپیک برای رتبه بندی کلمات را بر اساس فرکانس نسبی کلمات در هر قسمت از متن پیشنهاد کردند [17] (این روش نیز بر خلاف خود ما در پیوست بررسی شده است). مهری و داروون از چندین معیار آنتروپیک برای استخراج کلمات کلیدی استفاده کردند [18]. به طور خاص ، آنها دریافتند که توزیع تجمعی فاصله بین وقایع متوالی یک نوع کلمه به شرح زیر است: (1) جایی که x فاصله بین وقایع متوالی یک نوع کلمه است ، β ثابت است و Q یک مقدار مثبت است. آنها کلمات را با توجه به ارزش Q رتبه بندی کردند.

مقدار q در مورد کلمات مهم بزرگتر از مورد کلمات مشترک است [19].

مواد و روش ها

میزان شکستگی

متن ترتیب خاصی از کلمات در یک آرایه بعدی است که دارای یک معنی است. هرگونه تغییر تصادفی از کلمات در متن به طور قابل توجهی معنی آن را کاهش می دهد ، از این رو ترتیب کلمات برای بازنمایی معنی مهم است. به عبارت دیگر ، معنی نوعی نظم را در یک متن نشان می دهد. این منظم همچنین خود را در الگوی وقایع هر کلمه در آرایه متن تجلی می دهد. اگر آرایه متن را به عنوان یک فضای یک بعدی در نظر بگیریم ، الگوی مکانی وقایع هر کلمه واژگان یک مجموعه فراکتال یا به سادگی یک فراکتال را تشکیل می دهد. ما می توانیم با استفاده از روش عملی شمارش جعبه ، یک بعد فراکتال را به هر کلمه در یک متن معین اختصاص دهیم. با استفاده از این روش ، بعد فراکتال یک کلمه به طور کلی بین 0 تا 1 است.

در جعبه شمارش فضا به جعبه ها تقسیم می شود. هر جعبه ای که حاوی یک جزء از مجموعه فراکتال است ، یک جعبه پر شده نامیده می شود. قانون فراکتال یک رابطه قانون قدرت بین تعداد جعبه های پر شده و اندازه جعبه است [20]._{برای محاسبه ابعاد فراکتال یک کلمه با استفاده از روش جعبه ، آرایه متن به جعبه های اندازه S تقسیم می شود ، ما هر کلمه متوالی را در یک جعبه قرار می دهیم. تعداد چنین جعبه ها n است}حرف_{= n / s که در آن n طول متن است. اگر کلمه در نظر گرفته شده در یکی از جعبه ها ظاهر شود ، آن جعبه یک جعبه پر شده است ، n}شرح_{= n / s که در آن n طول متن است. اگر کلمه در نظر گرفته شده در یکی از جعبه ها ظاهر شود ، آن جعبه یک جعبه پر شده است ، n}شرح

(ها) در مقابل s. شایان ذکر است که در اینجا اندازه جعبه یک عدد صحیح است و در عمل انتظار داریم رفتار قانون قدرت را برای اندازه های بزرگ جعبه مشاهده کنیم.

همانطور که قبلاً نیز اشاره کردیم ، بعد فراکتال برای هر کلمه بین 0 تا 1 است. وقتی همه وقایع یک کلمه به طور یکنواخت در متن توزیع می شوند ، همه جعبه ها احتمال یکسان بودن یک نشانه کلمه را دارند. بنابراین ، در این مورد خاص ، تعداد جعبه های پر شده حداکثر مقدار ممکن را دارد. در موارد دیگر ، برخی از جعبه ها ممکن است حاوی بیش از یک مورد باشد. این باعث می شود برخی از جعبه های دیگر خالی بمانند و تعداد جعبه های پر شده کمتر از این مقدار محدود کننده باشد._{= n / s که در آن n طول متن است. اگر کلمه در نظر گرفته شده در یکی از جعبه ها ظاهر شود ، آن جعبه یک جعبه پر شده است ، n}شرح

(ها) در مقابل S نزدیک به یک ؛حد بالایی برای شیب. معادله زیر حدس ما را در مورد تعداد جعبه های پر شده برای یک کلمه در متن تغییر یافته در برابر اندازه جعبه نشان می دهد ، مطابق با واقعیت های فوق.(3) جایی که m فرکانس کلمه ω است._{بعد فراکتال شیب خط بهترین تناسب در طرح ورود به سیستم تعداد جعبه های پر شده در برابر اندازه جعبه است. در عمل ، انتخاب دامنه اتصالات بسیار مهم است و قطعاً در ارزش بعد فراکتال تأثیر دارد. متأسفانه ، هیچ راهی برای انتخاب خودکار مناسب ترین محدوده مناسب وجود ندارد. به جای ابعاد فراکتال ، ما شاخصی را پیشنهاد می کنیم که برای تعیین کمیت شکستگی الگوی کلمه به روش دیگری استفاده می شود. میزان فراکتیکی به عنوان (4) که ω یک کلمه خاص است تعریف شده است. میزان شکستگی ، D}f

، تفاوت بین الگوی وقایع یک کلمه را در متن اصلی و تغییر یافته اندازه گیری می کند. ما از لگاریتم در تعریف این شاخص استفاده می کنیم تا از تسلط بر مقادیر برای اندازه جعبه های کوچک جلوگیری کنیم. میزان فراکتیکی مقدار مناسبی برای رتبه بندی کلمات یک متن است. در محاسبه میزان شکستگی ، فقط باید تعداد جعبه های پر شده را برای هر مقیاس پیدا کنیم. بر خلاف فرآیند محاسبه بعد فراکتال ، رگرسیون داده ها لازم نیست. علاوه بر این ، ما با مشکل تعیین دامنه مناسب برای هر کلمه روبرو نیستیم. مقدار بزرگتر برای میزان آتش سوزی به معنای الگوی توزیع یک کلمه با توزیع یکنواخت تفاوت بیشتری دارد.

ارزیابی روش

میزان فراکتیکی برای هر نوع کلمه در یک متن معین ارزش اهمیت دارد. با استفاده از این مقدار ، ما می توانیم کلمات را از بیشترین اهمیت تا کم اهمیت لیست کنیم. کلمات برتر لیست به عنوان کلمات کلیدی فرض می شوند.

مقایسه با یک لیست دستی از کلمات کلیدی ایجاد شده امکان ارزیابی تقریبی از کارآیی روش ما را فراهم می کند. این مهم است که بدانید لیست کلمات کلیدی مربوطه برای یک کتاب معین چگونه تهیه شده است. در تجربه ما فرض می کنیم که واژه نامه ساخته شده دستی یک کتاب کاندیدای خوبی برای ارائه کلمات کلیدی مربوط به کتاب است. واژه نامه یک کتاب باید توسط نویسنده یا برخی از کارشناسان این زمینه تهیه شود ، بنابراین قابل انتخاب به عنوان داده های مرجع ما است._{دو موضوع زیر زمانی مهم است که ما بین لیست کلمات کلیدی مربوطه و بازیابی شده مقایسه کنیم. در مرحله اول ، مهم است که اگر هر دو اندازه یکسان باشند ، در این دو لیست چه تعداد کلمه مشترک هستند. دوم ، چه کسری از لیست بازیابی شده باید انتخاب شود تا تمام کلمات کلیدی مربوطه را در بر بگیرد؟در تجزیه و تحلیل طبقه بندی باینری ، فراخوان و دقت دو معیار هستند که موضوعات فوق را در نظر می گیرند. فراخوان و دقت به شرح زیر با توجه به پیشنهاد هررا و پوری محاسبه می شود [17]. اینها معیارهای شناخته شده ای برای ارزیابی روشهای استخراج کلمات کلیدی هستند.(5) (6) جایی که n}تشییع_{اندازه لیست کلمات کلیدی مربوطه (واژه نامه) ، n است}جف_{دو موضوع زیر زمانی مهم است که ما بین لیست کلمات کلیدی مربوطه و بازیابی شده مقایسه کنیم. در مرحله اول ، مهم است که اگر هر دو اندازه یکسان باشند ، در این دو لیست چه تعداد کلمه مشترک هستند. دوم ، چه کسری از لیست بازیابی شده باید انتخاب شود تا تمام کلمات کلیدی مربوطه را در بر بگیرد؟در تجزیه و تحلیل طبقه بندی باینری ، فراخوان و دقت دو معیار هستند که موضوعات فوق را در نظر می گیرند. فراخوان و دقت به شرح زیر با توجه به پیشنهاد هررا و پوری محاسبه می شود [17]. اینها معیارهای شناخته شده ای برای ارزیابی روشهای استخراج کلمات کلیدی هستند.(5) (6) جایی که n}تشییع_{و n}آخر

مخفف آخرین موقعیت کلمات کلیدی مربوطه در لیست کلمات بازیابی شده است. شایان ذکر است که این معیارها دقیقاً نمی توانند صحت روشهای تشخیص کلمه کلیدی را تعیین کنند. با توجه به تجربه ما ، آنها به داده های پردازش شده (کتاب منتخب ، ژانر آن) و نحوه تهیه لیست کلمات کلیدی مربوطه بستگی دارند._{دو موضوع زیر زمانی مهم است که ما بین لیست کلمات کلیدی مربوطه و بازیابی شده مقایسه کنیم. در مرحله اول ، مهم است که اگر هر دو اندازه یکسان باشند ، در این دو لیست چه تعداد کلمه مشترک هستند. دوم ، چه کسری از لیست بازیابی شده باید انتخاب شود تا تمام کلمات کلیدی مربوطه را در بر بگیرد؟در تجزیه و تحلیل طبقه بندی باینری ، فراخوان و دقت دو معیار هستند که موضوعات فوق را در نظر می گیرند. فراخوان و دقت به شرح زیر با توجه به پیشنهاد هررا و پوری محاسبه می شود [17]. اینها معیارهای شناخته شده ای برای ارزیابی روشهای استخراج کلمات کلیدی هستند.(5) (6) جایی که n}تشییع_{اندازه لیست کلمات کلیدی مربوطه (واژه نامه) ، n است}جف_{تعداد کلمات کلیدی است که بین واژه نامه و درصد منتخب لیست بازیابی یکسان است. حرف}با استفاده از

اندازه لیست بازیابی شده به کل اندازه واژگان در درصد است.

نتایج

خصوصیات جهانی متون