بررسی مقایسه‌ای تاثیر نمایه‌سازی متن‌محور و فولکسونومی تصاویر بر میزان بازیابی تصاویر در موتور جستجوی گوگل

نویسندگان
شهناز خادمی زاده
فریده عصاره
خدیجه مبینی
دانشگاه شهید چمران، اهواز
چکیده
هدف: هدف از این پژوهش مقایسه تاثیر استفاده از دو روش نمایه سازی متن محور و فولکسونومی یا نمایه سازی مردمی تصاویر بر میزان بازیابی موفق این تصاویر در جستجو با استفاده از موتور جستجوی گوگل است.

روش: پژوهش حاضر از نوع کاربردی است و روش آن، پژوهش مبتنی بر فناوری و تجربی است. نمونه پژوهش 30 تصویر منتخب از کتاب «آناتومی گری» بود. این پژوهش در 4 مرحله انجام شده است. در مرحله اول تصاویر نمونه پژوهش توسط 600 مخاطب در شبکه اجتماعی اینستاگرام برچسب گذاری شدند. در مرحله دوم این تصاویر با دو روش نمایه سازی متن محور و مردمی در دو وبلاگ بارگذاری شدند. در مرحله سوم با انتخاب تصادفی 118 نفر از کارشناسان یک بیمارستان، به هر کاربر یک تصویر ارائه شد تا آن را در موتور جست‌وجوی گوگل جست‌وجو کند. در مرحله چهارم رتبه تصاویر بازیابی شده از دو وبلاگ بررسی و نتایج جست‌وجوی کاربران در دو سطح توصیفی و استنباطی تحلیل شد.

یافته‌ها: در مقایسه روشهای نمایه سازی مردمی و متن محور، در میزان بازیابی تصاویر نمایه سازی شده آناتومی پزشکی، آزمون مجذور‌‌ کای مربوط به مقایسه میزان بازیابی تصاویر نمایه‌شده به روش نمایه سازی مردمی و روش متن‌محور در موتور کاوش گوگل، تفاوت معناداری را بین این دو گروه نمایه سازی نشان داد.

نتیجه‌گیری: بر اساس یافته های این پژوهش می‌توان گفت استفاده از روش مردمی برای نمایه‌سازی تصاویر، سبب ارتقای میزان بازیابی آن‌ها توسط موتور جست‌و جوی گوگل می‌شود و نسبت به روش نمایه‌سازی متن‌محور، اثر بخشی بیشتری در میزان بازیابی تصاویر دارد.


کلیدواژه‌ها
نمایه‌سازی تصاویر
فولکسونومی
نمایه‌سازی مردمی
نمایه‌سازی متن محور
ذخیره و بازیابی تصاویر
موتور جست‌وجوی گوگل
شبکه اجتماعی
رتبه بندی تصاویر
برچسب گذاری

عنوان مقاله English

A Comparing between the impacts of text based indexing and folksonomy on ranking of images search via Google search engine

نویسندگان English

shahnaz khademizadeh
farideh osareh
Khadijeh Mobini
Shahid Chamran University of Ahvaz
چکیده English

Background and Aim: The purpose of this study was to compare the impact of text based indexing and folksonomy in image retrieval via Google search engine.

Methods: This study used experimental method. The sample is 30 images extracted from the book “Gray anatomy”. The research was carried out in 4 stages; in the first stage, images were uploaded to an “Instagram” account so the images are tagged with 600 contacts. In the second stage, the images were uploaded onto 2 blogs using text-based and folksonomy indexing, respectively. In the third stage, 118 medical experts were asked to find one of the images in Google’s image search engine. Finally, in the fourth stage, the rank of the retrieved images from the 2 blogs was reviewed.

Results: Based on the findings; in descriptive analysis, the scores of retrieved images was calculated and in the inferential analysis, independent Chi2 test was used to compare the search results of two blogs. The reported difference was significant.

Conclusion: The results showed that the folksonomy improves images’ retrieval by Google search engine compared to the text-based indexing.


کلیدواژه‌ها English

Image indexing
Folksonomy
image storing and retrieval
social platform
text-based Image Indexing
Google search engine
images ranking
social tagging
Abbas pour, J. (2005). Image Indexing: Challenges & Approaches. Quarterly Journal of Knowledge Studies, 39 (44), 167-178 (Persian).
Dillon, Catherine. (2014). “Tagging one image at a time: How folksonomy affected the discovery of images”. The state university of New York publications, 36(3), 86-98.
Guy, M., & Tonkin, E. (2006). Tidying up tags. D-lib Magazine, 12(1), 1082-9873.‌
Hariri, N. & Ahmadi, S. (2014). The impact of Indexing Language on Image Ranking in Google Search Engine. Quarterly Journal of Knowledge Studies, 48 (2), 243-261 (Persian).
Mardani, A. (2009). Folksonomy: by users, for users. Journal of National Studies on Librarianship and Information Organization, 20 (3), 239-260 (Persian).
Mauta Siak, k. k. (2006). Toward user-centered indexing in digital image collections. OCLC systems & services: international digital library perspectives, 22(4): 283-293.
Menard,E. (2007). "Image indexing: how can I find a nice pair of shoes? ", Bulletin of the American society for information science & technology, 34(1), 21-25.
Norozi, Y. & soori, F. (2015). Evaluate search engines to retrieve images based on text and content-based indexing. Quarterly Journal of library and information, 1 (17), 183-205 (Persian).
Panofsky, E. (1939). The Neoplatonic Movement in Florence and North Italy. Studies in Iconology: Humanistic Themes in the Art of the Renaissance, 129-69
Rahimi, S. (2015). Common viewpoints on indexing and retrieving images on the web. Journal of National Studies on Librarianship and Information Organization, 26 (1), 1-182 (Persian).
Rahimi, S.& Farhadi, M. (2015). A Survey of the Impact of Concept-Based Image Indexing on Image Retrieval via Google. Research on Information Science and Public Libraries, 20 (4), 731-749 (Persian).
Rui, Y., Huang, T. S., Ortega, M., & Mehrotra, S. (1998). Relevance feedback: a power tool for interactive content-based image retrieval. IEEE Transactions on circuits and systems for video technology, 8(5), 644-655.‌
Sabzi por. (2008). The use of folksonomy in the representation of digital images: a new approach to user-indexing. Quarterly Journal of library and information, 11 (20), 143-160 (Persian).
Willy, Erric. (2011) “A cautious partnership: the growing accepetance of folksonomy as a compelement to indexing digital images and catalogs”. Faculty & staff publications- Minler library. 57.
تعامل انسان و اطلاعات
دوره 5، شماره 3
پاییز 1397
صفحه 15-27