تشخيص موجوديت‌هاي نامدار فارسي با استفاده از شبكه‌هاي عصبي عميق

چكيده يادگيري عميق عرصه‌ي جديدي از پژوهش‌ها در زمينه‌ي يادگيري ماشين است. از يادگيري عميق در حيطه‌هاي مختلف پردازش سيگنال‌ها و داده‌ها استفاده شده است. مدل‌هاي عميق (شبكه‌هاي عصبي عميق) در بعضي از مسائل مانند پردازش تصوير و بينايي ماشين نسبت به روش‌هاي سنتي عملكرد بسيار چشم‌گيري داشته‌اند. از يادگيري عميق در كاربردهاي مختلف پردازش زبان طبيعي استفاده شده است. گروه‌هاي پژوهشي بسياري در اين زمينه فعاليت دارند. در بعضي زمينه‌ها مانند مدل‌سازي زبان موفقيت‌هاي چشمگيري بدست آمده است. در زمينه‌هاي ديگر نيز نتايج مناسب هستند. در اين پژوهش يك معماري عميق براي تشخيص موجوديت‌هاي نامدار فارسي ارائه مي‌شود. اين معماري مبتني بر شبكه‌هاي عصبي برگشتي است. همچنين در اين معماري چندين لايه براي يادگيري بردارهاي واژگان وجود دارد. معماري (مدل) پيشنهادي با استفاده از پيكرۀ موجوديت‌هاي نامدار فارسي آموزش داده شده و عملكرد آن مورد ارزيابي قرار گرفته است. آزمايش‌ها نشان مي‌دهند با استفاده از متن خام و روش‌هاي ايجاد بردار واژگان مي‌توان عملكرد روش پيشنهادي را به شدت افزايش داد؛ همچنين مي‌توان از يك معماري واحد براي تشخيص برچسب اجزاي سخن و تشخيص موجوديت‎هاي نامدار فارسي بهره برد. در اين پژوهش از روش‌هاي پيشنهادي براي سايز زبان‌ها استفاده شده است. اين موضوع نمايانگر كارايي روش‌هاي پيشنهادي براي سايز زبان‌ها در زبان فارسي است. همچنين يكي ديگر از نتايج اين پژوهش، اهميت ويژگي‌هاي ظاهري و ريخت‌شناسي واژگان فارسي است. واژه‌هاي كليدي: يادگيري عميق، شبكه‌هاي عصبي عميق، شبكه‌ي برگشتي، موجوديت نامدار، تعبيه واژه

189388

دانشگاه علم و صنعت ايران

هوش مصنوعي و رباتيك

دكتر مرتضي آنالويي