پاسخ‌دهي به سوال‌هاي فارسي با استفاده از داده‌هاي پيوندي

دكتري

چالش سيستم‌هاي پرسش-پاسخ فارسي مبتني بر پايگاه دانش، كمبود داده‌هاي ساختارمند براي زبان فارسي مي‌باشد. در اين رساله، براي مساله پاسخ به سوال¬هاي فارسي با استفاده از پايگاه دانش انگليسي، زير مساله تشخيص رابطه براي سوال¬هاي تك رابطه¬اي به تفصيل بررسي شده است. در اين نوع از سوال‌ها، پاسخ از يك سه¬تايي به شكل < فاعل، گزاره¬نما، مفعول> استخراج مي¬شود. براي انجام اين كار دو مرحله اصلي وجود دارد، اولي پيوند نهاد و دومي تشخيص رابطه است. در مرحله اول نهاد شناسايي شده در سوال به يك فاعل يا مفعول از يك سه‌تايي نگاشت شده و در مرحله دوم يك گزاره‌نما كه نشان دهنده رابطه معنايي موجود در سوال است مشخص مي‌شود. در اكثر روش‌هاي قبلي پس از مشخص شدن نهاد، همه رابطه‌هايي كه براي آن در پايگاه دانش وجود دارد، به عنوان رابطه‌هاي نامزد در مرحله تشخيص رابطه در نظر گرفته شده و بهترين آنها انتخاب مي‌شود. در روش پيشنهادي اين تحقيق، مرحله تشخيص رابطه، مستقل از پيوند نهاد انجام شده و از ساختار سلسله مراتبي رابطه‌هاي پايگاه دانش براي استخراج مستقيم رابطه‌ها بهره گرفته مي‌شود. رابطه يك سوال در سه مرحله به وسيله سه شبكه عصبي BiGRU استخراج مي¬شود. براي ايجاد ورودي¬هاي شبكه‌هاي عصبي، سوال‌ها به روش وان¬هات در سطح حروف كدگذاري مي¬شوند. براي افزايش دقت و پرهيز از نياز به مجموعه داده‌هاي آموزشي خيلي بزرگ، بعد از هر كلمه برچسب POS نظير آن اضافه مي¬شود. آزمايش‌ها نشان مي¬دهد كه دقت روش پيشنهادي براي تشخيص مستقيم رابطه‌ها %5/89 است. علاوه بر اين دقت روش پيشنهادي براي تشخيص غيرمستقيم رابطه‌ها %3/96 است كه از همه روش¬هاي پيشرفته بالاتر مي‌باشد. براي زبان فارسي دقت¬هاي تشخيص مستقيم و غيرمستقيم به ترتيب %72 و %90 مي¬باشد. همچنين در آزمايش‌ها مختلف، تاثير استفاده از برچسب¬هاي POS بررسي شده است. در اين پژوهش از مجموعه داده SimpleQuestions كه شامل سوال‌هاي زبان انگليسي است، براي انجام آزمايش‌ها استفاده شده است. به منظور ارزيابي روش پيشنهادي براي زبان فارسي، اين مجموعه داده به روشي موثر با استفاده از مترجم گوگل به زبان فارسي ترجمه شده است. يك سيستم براي پاسخ به سوال¬هاي فارسي با پايگاه دانش ويكي¬ديتا پيشنهاد شده است كه براي پيوند نهاد از تركيب سه روش مستقل و براي تشخيص رابطه از تركيب دو روش مستقيم و غيرمستقيم بهره مي¬گيرد.

229584

دانشگاه اصفهان

هادي خسروي

مهندسي كامپيوتر - نرم افزار

محمدعلي نعمت بخش , رضا رمضاني