سامانه‌ي ابهام‌زدايي از اطلاعات استخراج‌شده در زبان فارسي

كارشناسي ارشد

اينترنت حجم عظيمي از اطلاعات با ساختارهاي گوناگون را در خود جاي داده است. مدت‌هاست كه دانشمندان روي سامانه‌هاي استخراج اطلاعات از متون ساختارنيافته كار مي‌كنند؛ سامانه‌هايي كه به‌صورت انعطاف‌پذير و قابل‌اطمينان، صفحات وب را به ساختارهاي مناسبي براي سامانه‌هاي نرم‌افزاري تبديل كنند. يكي از رويكردهاي بزرگ براي دستيابي به اين هدف استخراج آزاد اطلاعات است. سامانه‌هاي استخراج اطلاعات اغلب اطلاعات را به‌صورت يك رابطه به همراه مجموعه آرگومان‌هايش استخراج مي‌نمايند. با اجراي اين فرآيند در دامنه وسيعي از داده‌ها مثل وب، مي‌توان صدها مجموعه به‌صورت مذكور به‌دست آورد كه شامل ميليون‌ها رابطه‌ي متفاوت به همراه آرگومان‌هايش باشد. عليرغم پيشرفت‌هاي عظيمي در استخراج اطلاعات، همچنان مسائلي در حوزه‌هاي كيفيت، قابليت اطمينان و ... وجود دارند كه سامانه‌ها و روش‌هاي استخراج اطلاعات را در عمل دچار چالش نموده‌اند. مسئله‌ي مهم اين است كه رابطه‌هايي كه از لحاظ معنايي يكسان هستند با نام‌هاي متفاوتي استخراج مي‌شوند؛ درواقع هر مفهوم ممكن است در قالب مجموعه‌اي از كلمات متفاوت در متن بيان شده باشد. ما چالش وجود نام‌هاي هم‌معني در اطلاعات استخراج‌شده را «ابهام» در اطلاعات استخراج‌شده مي‌ناميم و مسئله‌ي تشخيص نام‌هاي هم‌معني در موجوديت‌ها را به‌عنوان «ابهام‌زدايي از اطلاعات استخراج‌شده» مطرح مي‌كنيم. پژوهش پيش‌رو تلاشي در راستاي توسعه‌ي سامانه‌اي براي ابهام‌زدايي از اطلاعات استخراج‌شده در زبان فارسي است. در اين پژوهش به بررسي چالش‌هاي موجود در پيش‌روي اين سامانه و همچنين چالش‌هاي ابهام‌زدايي از مضمون واژه‌ها در زبان فارسي مي‌پردازيم. پس‌ازآن سعي در ايجاد سامانه‌اي شده است كه بتواند از آرگومان‌هاي اطلاعات استخراج‌شده در زبان فارسي ابهام‌زدايي نموده و هم‌زمان با استفاده از روش‌هايي اين اطلاعات را به موجوديت‌ها و مفاهيم پايگاه‌دانش بيبل‌نت كه يك دانشنامه‌ي چندزبانه‌ي است متصل نموده و به اين شكل اطلاعات را از صورت واژه‌اي خود فراتر برده و آن را به سطح معنايي نزديك‌تر كند. در پايان سامانه‌اي براي نمايش نتايج و همچنين انجام پرس‌وجوهاي مختلف بر روي اطلاعات طراحي گرديده كه نتايج آن قابل مشاهده است.

190267

دانشگاه علم و صنعت ايران

نرم افزار

دكتر بهروز مينايي بيدگلي