یک مدل نوین مبتنی بر شبکه های عصبی عمیق برای برچسب گذاری اجزای واژگانی کلام
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 267
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ABMIR-1-1_003
تاریخ نمایه سازی: 1 بهمن 1401
Abstract:
برچسب گذاری اجزای واژگانی کلام موضوع تحقیقاتی مهمی در حوزه ی پردازش زبان طبیعی است و پایه ی بسیاری از دیگر مباحث مطرح در این حوزه است. در این مقاله یک روش نوین برچسب گذاری اجزای واژگانی کلام به کمک شبکه های عصبی عمیق معرفی می گردد. هدف اصلی مدل پیشنهادی، استخراج چسب های عمیق و سطح بالا از متون و سپس طبقه بندی این ویژگی های سطح بالا می باشد. روش پیشنهادی متکی بر این ایده است که از شبکه ای عصبی عمیق کوچک می توان برای یافتن ویژگی های عمیق و تولید خروجی مطلوب بهره برد. روش موردنظر با استفاده از کتابخانه های تخصصی Tensorflow و Keras API در پایتون پیاده سازی و عملکرد آن بر روی مجموعه های داده استاندارد coNLL۲۰۰۰ ارزیابی گردید. نتایج آزمایش حاکی از آن است که روش پیشنهادی قابلیت استخراج ویژگی های سطح بالای واژگان زبان طبیعی را داشته و قادر است به ازای برچسب های پرتکرار و پرکاربرد به دقت قابل توجهی برسد. میانگین دقت مدل پیشنهادی به ازای برچسب های مختلف برابر ۸۰.۲۶% بوده است. بعلاوه، این روش قابلیت استفاده در محیط های متنوع و بر روی دستگاه های مختلف را نیز دارد.
Keywords:
Authors
فریبا تقی نژاد
گروه کامپیوتر، دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایران
محمد قاسم زاده
دانشیار، دانشکده مهندسی کامپیوتر دانشگاه یزد - بخش هوش مصنوعی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :