سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

برچسب زنی خودکار نقش معنایی جملات فارسی با رویکرد مبتنی بر پیکره

Publish Year: 1388
Type: Conference paper
Language: Persian
View: 2,341

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دانلود نمایند.

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

CSICC15_089

Index date: 18 October 2009

برچسب زنی خودکار نقش معنایی جملات فارسی با رویکرد مبتنی بر پیکره abstract

در این مقاله یک سیستم برچسبزنی خودکار نقش معنایی برای متون فارسی با رویکرد یادگیری ماشین ارائه شده است. سیستم پیشنهادی از دو فاز تشکیل شده؛ در فاز اول با تجزیه نحوی جمله، حدو مرز سازه و همچنین نوع گروه نحوی این اجزا در جمله مشخص می شود. این اطلاعات به عنوان ورودی در فاز دوم مورد استفاده قرار می گیرد. فاز دوم سیستم مربوط به تخصیص نقشهای معنایی مناسب به سازههای مشخص شده در مرحله قبل میباشد. برای این منظور ازویژگیهای نحوی و ساختاری هر سازه بهره گرفته میشود. نتایج بدست آمده نشان دهنده F-score=81.6% برای زیرسیستم تجزیه نحوی، و F-score=%87.4 برای زیرسیستم تخصیص نقش معنایی در حالتیکه ورودیهای سیستم بصورت دستی تصحیح شده باشند.همچنین کارایی کل سیستم F-score=%73.8 را برای سیستم کامل برچسبزنی معنایی، یعنی تجزیه نحوی و تخصیص نقش نشان میدهد

برچسب زنی خودکار نقش معنایی جملات فارسی با رویکرد مبتنی بر پیکره Keywords:

برچسب زنی معنای ی , تجزیه سطحی معنای ی , تجزیه سطحی نحوی , یادگیری مبتنی بر حافظه

برچسب زنی خودکار نقش معنایی جملات فارسی با رویکرد مبتنی بر پیکره authors

آزاده کامل قالی باف

دانشجوی کارشناسی ارشد گروه هوش مصنوعی،دانشگاه آزاد اسلامی مشهد، ای

سعید راحتی قوچانی

استادیار گروه هوش مصنوعی، دانشگاه آزاد اسلامی مشهد، ایران

اعظم استاجی

استادیار گروه زبانشناسی همگانی، دانشگاه فردوسی مشهد، 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 :
Marquez Lluis, Carreras Xavier, Litkowski Kenneth, Stevenson Suzanne, "Semantic Role ...
Gerwert Stevens , " Automatic semantic role labeling in a ...
Chinese". In Proceedings of NAACL 2004 ...
Gilda Daniel, Jurafsky Daniel, "Automatic Labeling Of pp.245-288. 2002 ...
Pradhan Sameer, Jurafsky Daniel, "Support Vector Learning for Semantic Argument ...
Lim Joon-Ho, Hwang Young-sook. Park So-young, and Rim Hae-chang. "Semantic ...
Ratnaparkhi Adwait, " A linear observed time statistical parser based ...
Sadr-Mousav Maryam, Shamsfard Mehrnoush, "Thematic Role Extraction Using Shallow Parsing", ...
نمایش کامل مراجع

مقاله فارسی "برچسب زنی خودکار نقش معنایی جملات فارسی با رویکرد مبتنی بر پیکره" توسط آزاده کامل قالی باف، دانشجوی کارشناسی ارشد گروه هوش مصنوعی،دانشگاه آزاد اسلامی مشهد، ای؛ سعید راحتی قوچانی، استادیار گروه هوش مصنوعی، دانشگاه آزاد اسلامی مشهد، ایران؛ اعظم استاجی، استادیار گروه زبانشناسی همگانی، دانشگاه فردوسی مشهد، ایران نوشته شده و در سال 1388 پس از تایید کمیته علمی پانزدهمین کنفرانس کامپیوتر سالانه انجمن کامپیوتر ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله برچسب زنی معنای ی، تجزیه سطحی معنای ی،تجزیه سطحی نحوی، یادگیری مبتنی بر حافظه هستند. این مقاله در تاریخ 26 مهر 1388 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 2341 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در این مقاله یک سیستم برچسبزنی خودکار نقش معنایی برای متون فارسی با رویکرد یادگیری ماشین ارائه شده است. سیستم پیشنهادی از دو فاز تشکیل شده؛ در فاز اول با تجزیه نحوی جمله، حدو مرز سازه و همچنین نوع گروه نحوی این اجزا در جمله مشخص می شود. این اطلاعات به عنوان ورودی در فاز دوم مورد استفاده قرار ... . این مقاله در دسته بندی موضوعی چسب و رزین طبقه بندی شده است. برای دانلود فایل کامل مقاله برچسب زنی خودکار نقش معنایی جملات فارسی با رویکرد مبتنی بر پیکره با 4 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.