بهبود روش‌هاي باناظر براي ارتباط‌دهي موجوديت‌ها در زبان فارسي

كارشناسي ارشد

در سال‌هاي اخير، با افزايش روزافزون داده‌ها در اينترنت، وب به يكي از بزرگ‌ترين مخازن داده تبديل شده است. مقادير زيادي از اين داده‌ها در قالب زبان طبيعي است؛ اما اين زبان، بسيار مبهم است. يكي از دلايل اين ابهام وقوع مكرر موجوديت‌ها است. زيرا ممكن است، يك موجوديت داراي چند نام باشد يا يك نام به چند موجوديت اشاره كند. اين حجم بالا از داده‌هاي متني كه همه روزه در حال افزايش است، نيازمند روش‌هاي خودكار جهت پردازش، خلاصه‌سازي و درك معنايي متون است. يك قدم اساسي براي رسيدن به اين هدف، ارتباط‌دادن موجوديت‌هاي متن اسناد با موجوديت‌هاي مرتبط با آن‌ها در پايگاه دانش است. فرآيند ذكر شده، ارتباط‌دهي موجوديت‌ها ناميده مي‌شود. اين پژوهش به معرفي يكي از اولين مدل‌هاي ارتباط‌دهي موجوديت‌ها به كمك روش‌هاي باناظر در زبان فارسي مي‌پردازد. در مدل معرفي شده، براساس چارچوب سيستم‌هاي ارتباط‌دهي موجوديت‌ها، ابتدا موجوديت‌هاي نامزد را از گراف دانش فارسي استخراج و از تركيب مدل ParsBERT و تابع تبديل دوخطي بر روي متن مرتبط با هر موجوديت و مقايسه آن با متن ورودي، براي رتبهبندي نامزد‌هاي هر موجوديت استفاده مي‌شود. و به كمك يك حد آستانه تعريف شده، موجوديت‌هاي غير قابل نگاشت را تشخيص داده و از ديگر موجوديت‌ها با برچسب NL، جدا مي‌كند. مدل معرفي شده، توانسته به نرخ صحت 90% بر روي مجموعه داده ParsEL-Social كه اولين مجموعه داده برچسب‌گذاري شده براي ارتباط‌دهي موجوديت‌‌ها در زبان فارسي است، دست يابد. اين مدل، بهترين عملكرد را بين معدود سيستم‌هاي ارتباط‌دهي موجوديت در زبان فارسي دارد. و نتايج مدل نسبت به بهترين مدل پيشين، حدود 10 درصد در معيار‌ صحت پيشرفت داشته است. نتايج به‌دست آمده، قابل قياس با هر سيستم ارتباط‌دهي موجوديتي است كه بتواند بر روي زبان فارسي پياده‌سازي شود.

207484

دانشگاه علم و صنعت ايران

مهندسي كامپيوتر - هوش مصنوعي و رباتيكز

دكتر بهروز مينايي بيدگلي