امیرشهاب شاهمیری - دانش آموخته کارشناسی ارشد دانشکده مهندسی کامپیوتر- دانشگاه صنعتی امیرکبیر - تهران- ایران
رضا صفابخش - استاد دانشکده مهندسی کامپیوتر- دانشگاه صنعتی امیرکبیر- تهران- ایران
رسول دژکام - دانش آموخته کارشناسی ارشد دانشکده مهندسی کامپیوتر- دانشگاه صنعتی امیرکبیر- تهران- ایران

ارایه راهی برای تصحیح غلط های املایی نگاشته شده توسط انسان یکی از اهداف مورد توجه در دانش هوش مصنوعی، متن کاوی و پردازش زبان طبیعی است . بیشتر روش های موجود برای تصحیح غلط های املایی بر پایه الگوریتم های جست و جو در فرهنگ واژگان و تعیین نسبت شباهت واژگان درست موجود در فرهنگ واژگان با واژه نادرست مورد نظر کار می کنند. در این پژوهش طراحی، پیاده سازی و ارزیابی یک مصحح املایی به کمک شبکه های عصبی مصنوعی هاپفیلد و پرسپترون چند لایه با رویکرد ویژه به غلط های تایپی کاربر ارایه می شود. نتایج به دست آمده نشان می دهند که برای یادگیری واژه نامه ای مشتمل بر 4 تا 256 واژه 4 تا 6 حرفی و تصحیح غلط های مربوط به آنها، شبکه هاپفیلد به دقتی بین 55 % و 100 % درستی و شبکه پرسپترون چندلایه که در این تحقیق عمل یادگیری را در قالب دسته بندی انجام می دهد - به دقتی بین 80 % و 100 % درستی دست یافته، که این مقدار با به کارگیری شبکه های ترکیبی به نزدیک به 80 % دقت درستی برای بیش از 3000 واژه افزایش یافته است.

صحیح خودکار غلط تایپی فارسی، غلط املایی، شبکه عصبی مصنوعی هاپفیلد، پرسپترون چند لایه، فاصله کلید