تشخیص حضور عبارات کنایه دار در جملات زبان فارسی

کنایه را می توان استفادهای خلاقانه از ویژگی های زبان جهت ابراز منظور به روش غیرمستقیم دانست. اخیرا تشخیص خودکار کنایه درزمینه اندیشه کاوی نظرات در شبکه های اجتماعی توجه زیادی را به خود جلب کرده است. در این پژوهش داده های سه سایت خبری موردبررسی قرار گرفته و ویژگی هایی برای تشخیص حضور عبارات کنایه دار در جملات زبان فارسی استخراج شده است. در ویژگی های به کاررفته علاوه بر توجه به کلمات به صورت مستقل، به ارتباط میان کلمات هم اهمیت داده شده است. دستهبندهای درخت تصمیم، k نزدیک-ترین همسایه و دو روش پایه بیزین ساده و کیسه کلمات برای تشخیص کنایه به کار رفتهاند که طبق نتایج به دست آمده درخت تصمیمساخته شده مقدار 0.65 را برای معیار f و خطای 0.02 را دارد. با روش k نزدیکترین همسایه و تقسیم بندی به روش holdout مقدار0.73 را برای معیار f و خطای 0.001 به دست آمده است. روش k نزدیکترین همسایه در روشهای دیگر تقسیم بندی هم نتایج خوبیداشته است. این در حالی است که روشهای پایه خطاهای بالا و معیارهای f پایین دارند. علت این امر این است که در روش کیسه کلمات،هر کلمه به طور مستقل در نظر گرفته می شود و در روش بیزین ساده هم فرض استقلال ویژگی ها وجود دارد.

Keywords:

تشخیص کنابه , زبان فارسی , درخت تصمیم , اندیشه کاوی , پردازش زبان طبیعی