تصحیح املا خطا های تایپی حساس به زمینه مبتنی بر یادگیری عمیق

هدف این مطالعه حل مشکل خطا ی املایی حساس به متن برای اسناد انگلیسی است. دو نوع خطای املایی در زبان انگلیسی وجود دارد: خطاهای املایی غیرکلمه ای و خطاهای املایی حساس به متن. خطا های املایی غیرکلمه ای به سادگی قابل تصحیح هستند، زیرا تنها با تطبیق کلمات موجود در جملات با کلمات موجود در فرهنگ لغت می توان آن ها را تشخیص داد. با این حال، تشخیص خطاهای املایی حساس به متن دشوار می باشد زیرا رابطه بین کلمه ای که باید تصحیح شود و کلمات اطراف آن باید شناخته شود. خطاهای املایی در هر زمینه ای که از اطلاعات متنی استفاده می کند نویز در نظر گرفته می شود و پیش پردازش از طریق تصحیح سند برای به حداقل رساندن این مشکل ضروری است. خطاهای املایی حساس به زمینه عبارتند از: خطاهای همفون که استفاده نادرست از کلماتی است که صداهای مشابه دارند، اما املای متفاو تی دارند ، خطاهای تایپی ناشی از زدن یک کلید نادرست روی صفحه کلید ، خطاهای گرامری که زمانی رخ می دهد که کاربر رخ می دهد. قواعد گرامریصحیح را نمیداند، و خطاهای مرز ی کلمات متقاطع که از فاصله گذاری نادرست بین کلمات ناشی می شوداین مطالعه بر روی اشتباهات تایپی تمرکز دارد. مشکل خطای املایی حساس به متن با استفاده از روش یادگیری عمیق، که یک روش آماری موجود نیست، حل میشود. رویکرد تصحیح مبتنی بر مدل زبان یادگیری عمیق به چهار بخش تقسیم میشود، یعنی تصحیح بر اساس اطلاعات جاسازی کلمه، اطلاعات جاسازی متنی، یک مدل زبان رگرسیون خودکار AR و یک مدل زبان رمزگذاری خودکار AE . در این مطالعه، بهترین عملکرد تصحیح برای رویکرد مبتنی بر مدل زبان AE به دست آمد و عملکرد آن را از طریق یک آزمون تصحیح دقیق تا یید شده است.

Keywords:

تصحیح خطای املایی , پردازش زبان طبیعی , رگرسیون خودکار , رمزگذاری خودکار