الخلاصة
حازت قضية إيجاد وحساب أوجه التشابه بين الوثائق النصية على اهتمام خاص ومتزايد في كثير من المجالات، مثل كشف وحماية النسخ، وكشف السرقات الأدبية والعمل على حمايتها، وإدارة وتحليل الملفات، تصفية وتنقيح نتائج محركات البحث وغيرها، كما أنها لفتت انتباه أعداد كبيرة من الباحثين في مجالات مختلفة لما لها من تطبيقات متعددة.
يطمح هذا المشروع إلى استخدام نهج جديد يجمع في عمله بين استخدام بنية النص و تراكيب الجمل في النصوص والمعروفة بأجزاء الكلام. مع بعض تقنيات موافقة و مماثلة السلاسل النصية، كإيجاد السلسلة الثانوية الأطول، لتحليل وحساب التشابه بين الوثائق النصية؛ حيث يهدف هذا النهج إلى تمثيل أفضل للوثائق النصية، ويعمل هذا التمثيل على المحافظة على بعض معاني الكلمات والمتبدي في المحافظة على الترتيب والنمط لتراكيب هذه النصوص.
يعد النموذج الأولي، والذي تم بناءه في هذا المشروع، تطبيقا لهذا النهج المقترح، بغرض تقصي إمكانية تحقيق هذه الفكرة المقترحة، ودراسة جدوى وفائدة تطبيقها. ومن أجل ذلك، تم إعداد وإجراء عددا من التجارب المصادقة على فعالية هذا النهج. حيث استعمل في هذه التجارب مجموعات متنوعة من البيانات ومن مجالات مختلفة؛ حيث تم استخدام بنياتها النصية و تراكيب جملها لحساب التشابه فيما بينها باستخدام تقنية موافقة و مماثلة السلاسل النصية، وبالأخص إيجاد السلسلة الثانوية الأطول. وتجدر الإشارة إلى أن عملية قياس التشابه بين الوثائق المقارنة قد تمت على أساس حساب وتبسيط حجم أطول سلسلة ثانوية مشتركة بينها. هدف هذا المشروع إلى تقصي تأثير اختلاف أحجام المجموعات المكونة لعلامات أجزاء الكلام والمستخدمة في تكوين السلاسل الممثلة الوثائق النصية على دقة النتائج المرجوة من هذا النظام. كما أنه قام بدراسة جدوى تطبيق هذا النهج في كشف النصوص المكررة وشبه المكررة بين مجموعة من الوثائق، وتصفية وتنقيح نتائج محرك البحث. أظهرت نتائج التجارب جدوى تطبيق هذا النهج في إيجاد وحساب التشابه بين الوثائق الكتابية، كما أنها أوضحت أن أسلوب كاتب النص يمكن اكتشافه باستخدام مجموعة صغيرة من العلامات المميزة الأجزاء الكلام. إضافة إلى ذلك، أثبتت هذه التجارب قدرة هذا النهج على إيجاد النصوص المكررة وشبه المكررة بين الوثائق، و قدرته على تجميع الوثائق المتشابهة على أساس حساب معيار التشابه بينها. وعلاوة على ذلك، بينت النتائج بديهية استخدام هذا النهج في تصفية نتائج محركات البحث. أخيرا، فإن لهذا المشروع مساهمة فاعلة، والمتمثلة في تطوير نسختين معدلتين لتقنية إيجاد السلسلة الثانوية المشتركة الأطول، حيث أثبتتا هاتين النسختين دقتهما وأدائهما الأفضل. كما أنه أبرز حقيقة أن هذا النهج ذا قيمة وجدوى مرجوة من حيث الدقة في المقارنة بين الوثائق النصية.