رضا بهرامی - دانشگاه صنعتی مالک اشتر تهران، مجتمع فناوری اطلاعات و ارتباطات
مریم حورعلی - دانشگاه صنعتی مالک اشتر تهران، مجتمع فناوری اطلاعات و ارتباطات

در سال های نه چندان دور شاهد افزایش روزافزون الکترونیکی حجم اطلاعات به خصوص برای زبان فارسی بوده ای. از این رو پردازش و بازیابی خودکار اطلاعات را می توان از نیازهای ضروری زبان فارسی نام برد. ریشه یابی کلمات کاربردهای بسیاری را در پردازش زبان طبیعی و در برخی از شاخه های دیگر مانند بازیابی اطلاعات دارد. تاکنون اکثر الگوریتم های ارائه شده برای زبان فارسی مبتنی بر قاعده بوده است. در این مقاله یک ریشه یاب مبتنی بر نوشته جات به فارسی برای زبان فارسی ارائه شده است. به منظور آموزش سیستم مجموعه داده ای از همشهری 2 {9} شامل 521.471 لغت استفاده شده است. برای تشخیص ریش دو دیدگاه مبتنی بر تنوع کلمات با ریش یکسان و فراوانی و زود هر کلمه در نظر گرفته شده است. داده های ارزیابی شامل 1٬100 لغت استخراج شده از داده های متنی فارسی PerTreeBank {10} در نظر گرفته شده است. نتایج به دست آمده نشان از کارایی الگوریتم پیشنهادی بادقت ریشه یابی 92.81 در صد می باشد.

ریشه یاب فارسی ، بازیابی اطلاعات ، پردازش زبان طبیعی