این پژوهش مروری است که به بـررسی پـــردازش زبـان طبیـعی بر روی بازیابی اطلاعات انجام شده است که به بیان فنون پردازش زبان طبیعی و سطوح پردازش زبان طبیعی شـامل آواشناسی، واج‌شناسی‌، ریخت‌شناسی‌، نحو‌شناسی‌، معنا‌شناسی‌، کاربرد‌شناسی‌، گفتمان‌شناسی‌، و ساخـتار زبان فارسی از نظر ریخت‌شناسی و مشکلات زبان فارسی در بـازیابی اطلاعـات می‌پردازد‌. در شبـکه وب رویـکرد زبان طبیعی کارآیی بیشتر دارد و برای انجام جستـجوهایی که جامعیـت نتایج حاصـل اهمیت چندانی دارد و هدف دقت نتایج و به‌دست آردن پیشـینه‌های مرتبط است رویکرد زبان طبـیعی مزیت بـیـشتری دارد و دارای ریزش کاذب کمـتری است. آنچه بیش از همه مد نظر پژوهشگران بوده مسئله «پیوسته یا جدانویسی»، «تنوع نشانه‎های جمع»، «تفاوت در آوا/ اعراب‎گذاری»، «تنوع دگرنوشته‎ها»، «الف کوتـاه»، «فاصلة بین حروف واژه»، و «نگارش از راست به چپ» بوده است. برخی از چالش‌ها نیز کمتر مورد توجه قرار گرفته یا به‌طور کلی نادیده گرفته شده است. با توجه به اینکه در هر گروه ممکن است بیش از دو شکل املایی روی دهد، آشکار خواهد شد نگارش فارسی اصولاً به شیوه‎ای بسیار متنوع صـورت می‎گیرد. آشکار است که این گونـه‎گونی نگارشی به نایکـدستی و دگـرگـونی بسیار در نـگارش فارسی می‎انجامد که می‎تواند اثربخشی بازیابی را به‌ویژه از منظر کاهش دقت یا ریزش کاذب و نیز کاهش جامعیت بازیابی، متأثر سازد.

کلمات کلیدی