بهبود تشخيص‌ موجوديت‌هاي‌ اسمي در زبان فارسي با استفاده از نشانه‌هاي خاص زبان

كارشناسي ارشد

سامانه تشخيص‌ ‌موجوديت‌هاي‌ اسمي ابزاري براي پردازش‌ زبان طبيعي است. اين ابزار، موجوديت‌هاي اسمي يا همان اسامي خاص موجود در متن، مانند اسامي افراد، سازمان‌ها و مكان‌ها را از متون بدون ساختار استخراج مي‌نمايد. امروزه با وجود كارهاي محدودي كه در اين ضمينه براي زبان فارسي انجام شده است، روش‌هاي موجود نتوانسته‌اند به دقت‌هاي مطلوبي نسبت به زبان‌هايي اروپايي مانند زبان انگليسي دست يابند. يكي از دلايل اصلي اين مسئله كمبود پيكره‌هاي متني مناسب بوده است كه تا حدودي در سال‌هاي اخير مرتفع شده است. دليل ديگر اين مسئله عدم توجه كافي پژوهشگران حوزه پردازش زبان فارسي به استفاده از روش‌هاي به‌روز، به خصوص روش‌هاي مبتني بر شبكه‌هاي عصبي عميق است. اين در حالي است كه استفاده از شبكه‌هاي عصبي عميق در حوزه‌هايي مانند پردازش تصوير، سيگنال، زبان طبيعي و حتي بسياري از حوزه‌هاي ديگر منجر به بهبودهاي قابل توجهي شده است. به همين دليل در اين پايان‌نامه چندين معماري مبتني بر يادگيري عميق براي تشخيص موجوديت‌هاي اسمي در زبان فارسي ارائه شده است. در توسعه اين معماري‌ها از دو رويكرد مبتني بر نشانه‌هاي خاص زبان و مبتني بر بافتار استفاده شده است. رويكرد اول سعي در استفاده از ويژگي‌هاي حاصل از نشانه‌هاي نحوي، ساختاري، واژگاني و معنايي در تشخيص موجوديت‌هاي اسمي به منظور قدرت‌بخشي بيشتر به اين سامانه را دارد. در واقع اين رويكرد بر استفاده از تعبيه اطلاعات حاصل از اين نشانه‌هاي خاص زبان شامل اطلاعات مبتني بر درخت وابستگي، ادات سخن، واژه‌نامه‌ها و خود معناي كلمات استوار است. اين رويكرد توانسته با رسيدن به 79.98درصد در معيار F1، دقت مرزهاي دانش را به ميزان 2.53 درصد افزايش دهد. اين در حالي است كه رويكرد دوم تلاش دارد با بهره‌گيري از يادگيري انتقالي از بردارهاي تعبيه كلمات ساخته شده براي مدل زباني در مدل برت براي استفاده از اطلاعات مبتني بر بافتار جملات استفاده كند كه توانسته با رسيدن به دقت 80.17 درصد در معيارF1 دقت مرزهاي دانش را به ميزان 2.72 درصد در حوزه تشخيص موجوديت‌هاي اسمي زبان فارسي بهبود دهد.

193665

دانشگاه علم و صنعت ايران

دكتر محمد طاهر پيله ور

هوش مصنوعي و رباتيك

دكتر بهروز مينايي بيدگلي