استخراج روابط محلی وابسته به ترتیب کلمات با استفاده از یک مدل سلسلهمراتبی بیز
عنوان مقاله: استخراج روابط محلی وابسته به ترتیب کلمات با استفاده از یک مدل سلسلهمراتبی بیز
شناسه ملی مقاله: JR_TJEE-50-3_022
منتشر شده در در سال 1399
شناسه ملی مقاله: JR_TJEE-50-3_022
منتشر شده در در سال 1399
مشخصات نویسندگان مقاله:
مرضیه رحیمی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات - دانشگاه صنعتی شاهرود
مرتضی زاهدی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات - دانشگاه صنعتی شاهرود
هدی مشایخی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات - دانشگاه صنعتی شاهرود
خلاصه مقاله:
مرضیه رحیمی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات - دانشگاه صنعتی شاهرود
مرتضی زاهدی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات - دانشگاه صنعتی شاهرود
هدی مشایخی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات - دانشگاه صنعتی شاهرود
در این مقاله، یک مدل سلسله مراتبی بیز برای استخراج روابط محلی کلمات معرفی شدهاست. این مدل را میتوان یک مدل برای زبان دانست. مدلهای زبانی کنونی به دلیل وابستگی به ترتیب دقیق کلمات، به شدت از مشکل تنکی رنج میبرند. مدل پیشنهادی قادر است ضمن نادیده نگرفتن ترتیب کلمات، این مشکل را تخفیف دهد. در مدل پیشنهادی که یک مدل مولد است، فرض میشود که هر کلمه از یکی از کلمات قبلی خود در یک بازه محدود یا بهبیاندیگر، یک پنجره با طول ثابت، تولید شدهاست. بهاینترتیب، هر کلمه خود توزیعی بر روی کلمات است. برخلاف مدلهای n-gram که توزیعی بر روی دنبالههای کلمات هستند و درنتیجه دنبالههای دقیقاً مرتب کلمات را میشمرند، در مدل پیشنهادی به دنبال زوجکلماتی هستیم که ممکن است با فاصلههای مختلف از یکدیگر رخ داده باشند. بهاینترتیب مشکل تنکی تا حد زیادی تخفیف مییابد. مدل پیشنهادی از نظر تواناییش در مدل کردن دادهها با استفاده از معیار perplexity با مدل n-gram مقایسه شدهاست و برای پنجرههایی با طولهای مختلف، بهتر از مدل n-gram عمل کردهاست.
کلمات کلیدی: مدلهای سلسله مراتبی بیز, مدلهای گرافیکی, نمونهبرداری گیبس, مدلهای زبانی, زنجیره مارکوف مونت کارلو, روابط کلمات
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1124072/