رفع ابهام معنایی کلمات فارسی با استفاده از رویکرد نظارتی ،یادگیری مبتنی بر نمونه، و مقایسه سه دسته ماتریس ویژگی
Publish place: کنفرانس بین المللی مهندسی کامپیوتر و فناوری اطلاعات
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 734
This Paper With 10 Page And PDF and WORD Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCOMP01_298
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
در هر زبان کلماتی مبهم وجود دارند که دارای معانی متفاوتی هستند. مساله یافتن معنای صحیح کلمه ی دارای معانی متعدد، از مسایل جاری در حوزه پردازش زبانهای طبیعی محسوب میشود. انتخاب معنی درست ممکن است برای انسان بسیار واضح و آسان باشد ولی تشخیص اینکه کدام یک از معانی موجود برای یک کلمه بایستی در جمله خاص انتخاب شود برای ماشین دشوار است. در این مقاله، مدلی برای رفع ابهام معنایی کلمات با استفاده از روش یادگیری مبتنی بر نمونه که بر اساس رویکرد نظارتی است ارائه میدهیم. برای ایجاد این مدل از سه دسته ویژگی مبتنی بر کلمات موضوعی استفاده شده است. دسته اول وجود و عدم وجود کلمات موضوعی در هر جمله را نشان میدهد، دسته دوم مجموع وزن کلمات موضوعی در هر جمله را مشخص می کند و دسته سوم وجود و عدم وجود کلمات موضوعی را وابسته به وزن هر کلمه موضوعی تعیین میکند. بعد از انجام عملیات پیش پردازش روی نمونه های ذخیره شده برای هر کلمه سه ماتریس ویژگی استخراج میشود. میانگین صحت عملکرد روش پیشنهادی 88.31% می باشد.
Keywords:
Authors
منیر خیرمندپاریزی
دانشجوی کارشناسی ارشد کامپیوتر، دانشگاه آزاد اسلامی ، واحد سیرجان ، ایران
رضا نورمندی پور
دکتری معماری کامپیوتر، گروه کامپیوتر واحد سیرجان ، دانشگاه آزاد اسلامی ، واحد سیرجان ، ایران
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 :