جست‌وجوی خوب از یک کادر جست‌وجو آغاز نمی‌شود؛ از توافق تیم بر سر نام‌گذاری، شناسنامه و واژگان مشترک آغاز می‌شود. هیچ الگوریتمی به‌تنهایی نمی‌تواند همه خطاهای داده ناقص را جبران کند.
سناریوی واقعی کار
فایلی با عنوان «راهنمای استفاده از نرم‌افزار» در کتابخانه است. کارمند دیگری «دفترچه کاربری محصول»، «User Guide» و نام اختصاری محصول را جست‌وجو می‌کند و نتیجه‌ای نمی‌بیند. فایل وجود دارد اما زبان شناسنامه با زبان جست‌وجو هم‌خوان نیست.
مدل فراداده را لایه‌ای تعریف کنید
لایه اول باید میان همه دارایی‌ها مشترک باشد: شناسه، عنوان، توضیح، مالک، تاریخ، نوع، وضعیت، نسخه و مجوز. لایه دوم به نوع رسانه وابسته است؛ برای تصویر، ابعاد و صاحب عکس و برای ویدئو، مدت و زیرنویس اهمیت پیدا می‌کند. لایه سوم فیلدهای اختصاصی پروژه یا صنعت است.
| لایه | نمونه فیلد | اصل طراحی |
|---|---|---|
| مشترک | عنوان، مالک، وضعیت، مجوز | کوتاه و اجباری |
| وابسته به نوع | ابعاد تصویر، مدت ویدئو | فقط برای رسانه مربوط |
| سازمانی | محصول، شعبه، کمپین | واژگان و مالک تعریف‌شده |
زبان فارسی چه چالش‌هایی ایجاد می‌کند؟
تفاوت حروف عربی و فارسی، فاصله و نیم‌فاصله، جمع‌ها، اختصارها، نام لاتین و اعداد فارسی یا انگلیسی می‌توانند نتیجه را تغییر دهند. تیم پیاده‌سازی باید فهرست پرسش‌های واقعی کاربران را جمع‌آوری کند و برای هر کدام نتیجه مورد انتظار تعریف نماید. ادعای «جست‌وجوی فارسی» بدون این آزمون کافی نیست.
جلوگیری از انفجار برچسب‌ها
اگر هر کاربر بتواند بدون قاعده برچسب جدید بسازد، برای یک موضوع ممکن است ده‌ها شکل نوشتاری ایجاد شود. راهکار، فهرست واژگان پیشنهادی، مترادف‌های تعریف‌شده، مالک طبقه‌بندی و بازبینی دوره‌ای واژگان است. انعطاف باید حفظ شود، اما زبان مشترک از بین نرود.
آزمون پذیرش
ده جست‌وجوی پرتکرار و ده جست‌وجوی دشوار را ثبت کنید. برای هر عبارت، فایل‌هایی که باید و نباید در نتیجه باشند مشخص شود. سپس درصد موفقیت و زمان یافتن نتیجه را روی نسخه واقعی سامانه بسنجید. آزمون باید با داده فارسی سازمان انجام شود، نه صرفاً داده نمایشی انگلیسی.
مسیر اجرای پیشنهادی
مدانت برای آغاز یک فرهنگ واژگان کوچک، شناسنامه پایه و فهرست جست‌وجوهای واقعی پیشنهاد می‌کند. سپس در MedaDAM ثبت، بازیابی، فیلتر و جست‌وجوهای ذخیره‌شده در سناریوهای نمونه بررسی می‌شوند.
