سازوکاری برای بهینه سازی استخراج ویژگی برای تشخیص هممرجعی ضمیر و اسم اشاره در زبان فارسی

تشخیص هم مرجعی یکی از پایه های مهم در پردازش زبانطبیعی می باشد. کاربردهای مهمی در حوزه هایی مانند پاسخ گویی به سوال،ترجمه ماشین، خلاصه سازی اتوماتیک و استخراج موجودیت نامدار دارد.وظیفه ی تشخیص هم مرجعی حل و فصل عبارت های اسمی و ضمایر در متناست که به موجودیت یکسان ارجاع می دهد. روش های تشخیص هم مرجعیرا می توان به دو دسته ی روش های زبان شناسی و روش های یادگیری ماشینتقسیم نمود. روش های زبان شناسی بیشتر به اطلاعات زبانشناسی نیاز دارند،البته مشکلی که این روشها دارند این است که احتمال خطا در آنها بیشتراست همچنین اجرای این روشها زمان بر می باشند، درحالی که روش هاییادگیری ماشین کمتر به اطلاعات زبانشناسی نیاز دارند. در این مقالهسیستمی ارائه می شود که اسم های هم مرجعی موجود در متن را شناساییکرده و با درنظرگرفتن ویژگی های مشخص شده نمونه های مثبت و منفی رااز پیکره استخراج می کند. از جمله نوآوری هایی که انجام شد اضافه کردنویژگی هایی به سیستم می باشد که از آن ها برای عمل تشخیص مرجعضمیر استفاده می شود. این ویژگی ها از نقش نحوی عبارت اسمی کاندید وضمیر استفاده کرده است. با تغییر دادن این ویژگی ها در سیستم دربهترین حالت میتوان به دقت 59.4 درصد دست پیدا کردیم.

Keywords:

پردازش زبان طبیعی , پیکره زبان فارسی , تشخیص مرجع ضمیر , یادگیری ماشین