توسعه سيستم تشخيص هم ارجاع براي بهبود نتايج استخراج آزاد اطلاعات

كارشناسي ارشد

فرآيند تعيين عبارت‌هاي اسمي هم‌ارجاع، يكي از بخش‌هاي كليدي در تحليل گفتمان و ساير كاربردهاي پردازش زبان‌هاي طبيعي مانند استخراج اطلاعات، ترجمه ماشيني و خلاصهسازي متون مي‌باشد به‌طوري‌كه كارايي بسياري از اين كاربردها وابستگي مستقيمي به صحت خروجي‌هاي توليدشده توسط فرآيند تعيين عبارت‌هاي اسمي هم‌ارجاع دارد. يكي از مهم‌ترين زير بخش‌هاي اين سامانه‌ها، فرآيند تشخيص مرجع ضمير مي‌باشد كه در آن تنها تعيين مرجع ضماير مورد توجه قرارگرفته است. روش‌هاي تعيين مرجع ضماير را مي‌توان به‌طوركلي به دو دسته روش‌هاي زبان‌شناسي و يادگيري ماشين تقسيم‌بندي نمود. روش‌هاي زبان‌شناسي به اطلاعات زبان‌شناسي بسياري نياز دارند كه به دست آوردن اين اطلاعات فرآيندي پرخطا و زمان‌بر است، در طرف ديگر روش‌هاي يادگيري ماشين قرار دارند كه به اطلاعات زبان‌شناسي كمتري نياز داشته و با استفاده از پيكره‌هاي آموزشي نتايج نسبتا بهتري حاصل توليد كرده‌اند. در اين پژوهش، با استفاده از پيكره‌ي PCAC-2008 سامانه‌اي جهت به‌كارگيري تكنيك‌هاي يادگيري ماشين در فرآيند تعيين مرجع ضماير منفصل فارسي ارائه‌شده و در آن از يك معماري جديد براي استخراج نمونه‌هاي آموزشي استفاده‌شده است. در ادامه با استفاده از درخت وابستگي ويژگي‌هاي معنايي جديدي به سيستم اضافه‌شده و تأثير آن‌ها بر روي كارايي سيستم تشخيص مرجع ضمير بررسي شده‌اند. نتايج بدست آمده در اين پژوهش نشان داده است كه سيستم پيشنهادي توانسته معيار F را براي فرآيند تشخيص مرجع ضمير در زبان فارسي، حدود 11.2 درصد بهبود دهد.

190241

دانشگاه علم و صنعت ايران

هوش مصنوعي

دكتر بهروز مينايي بيدگلي