بکارگیری دسته بندی کننده و رتبه بندی کننده آنتروپی بیشینه در فرایند تعیین مرجع ضمایر زبان فارسی
Publish place: 14th Annual Conference of Computer Society of Iran
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,505
This Paper With 8 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:
ACCSI14_023
تاریخ نمایه سازی: 26 مهر 1387
Abstract:
تعیین عبارات اسمی هم -مرجع یکی از شاخه های تحقیقاتی مطرح در زمینه پردازش زبا ن های طبیعی است و نقش موثری در کاربردهایی همچون ترجمه ماشینی، خلاصه سازی خودکار متون، پاسخگویی خودکار به سوالات و استخراج اطلاعات دارد که در هر یک از آن ها درک صحیحی از متن حائز اهمیت است. تعیین عبارات اسمی هم -مرجع به فرایندی اطلاق می شود که در آن تمام عبارات اسمی که به یک موجودیت واحد اشاره دارند، تعیین می گردند. فرایند تعیین عبارات اسمی هم- مرجع را می توان به دو دسته روش های زبانشناسی و روش های یادگیری ماشین تقسیم نمود. روش های زبان شناسی به اطلاعات زبان شناسی بسیاری نیاز دارند که بدست آوردن این اطلاعات فرایندی پر خطا و زمان بر است . ولی روش های یادگیری ماشین به اطلاعات زبان شناسی کمتری احتیاج دارند و با بکارگیری آن ها نتایج بهتری حاصل می شود. فرایند تعیین مرجع ضمایر، یک زیر بخش مهم و چالش انگیز از فرایند تعیین عبارات اسمی هم -مرجع است که در آن تنها تعیین مرجع ضمایر مورد توجه قرار می گیرد. در این مقاله، ابتدا روش های یادگیری ماشین بکار رفته در حوزه تعیین عبارات اسمی هم مرجع /تعیین مرجع ضمایر دسته بندی و شرح داده می شوند و سپس نحوه اعمال دو روش بر روی زبان فارسی، ارائه شده و نتایج آن ها گزارش خواهد شد.
Keywords:
پردازش زبان طبیعی , یادگیری ماشین , تعیین عبارات اسمی هم- مرجع , تعیین مرجع ضمایر , دسته بندی , رتبه بندی
Authors
نفیسه سادات موسوی
دانشگاه صنعتی شریف دانشکده مهندسی کامپیوتر
غلام رضا قاسم ثانی
دانشگاه صنعتی شریف دانشکده مهندسی کامپیوتر
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 :