ارائه الگوريتمي براي مفهوم بندي شبكه واژگاني وردنت

كارشناسي ارشد

استفاده گسترده از وردنت به عنوان يك پايگاه داده واژگاني برخط و داراي قابليت خوانايي توسط انسان در سال‌هاي اخير تأثيرات مثبت بي‌شماري بر كارهاي مرتبط با پردازش زبان طبيعي داشته است و همچنان در كانون توجهات قرار دارد. اما بسياري از محققان ايرادهايي را بر وردنت وارد مي‌دانند. يكي از مهم‌ترين ايرادهاي مطرح شده ريزدانه بودن آن است. محققاني كه اين ادعا را دارند بر اين باور هستند كه ريزدانه بودن وردنت مي‌تواند سبب كاهش كارآيي در تعدادي از كارهاي مرتبط با پردازش زبان‌هاي طبيعي شود. بنابراين آن‌ها به دنبال روش‌هايي هستند تا بتوانند وردنت را به شكل مناسبي درشت‌دانه كنند. از ديگر ايرادهاي مهم كه محققان به آن اشاره دارند كامل نبودن وردنت است. به همين جهت تمايل زيادي به استفاده از منابع خارجي براي پيوند با وردنت در جهت تقويت آن وجود دارد. در اين پژوهش‌ ما دو رويكرد را به منظور حل مشكلات مطرح شده ارائه مي‌دهيم. در رويكرد اول روشي جديد براي تهيه هم‌نشيم‌هاي بزرگ به منظور درشت‌دانه كردن وردنت با استفاده از جاسازي و خوشه‌بندي ارائه مي‌دهيم و در رويكرد دوم نيز روشي براي توسعه وردنت و كنار هم قرار دادن هم‌نشيم‌هاي مرتبط بدون استفاده از منابع خارجي ارائه مي‌كنيم. در حقيقت ما به جاي استفاده از منبع خارجي براي مفهوم‌بندي و تقويت وردنت از ساختار متني موجود در هم‌نشيم‌ها استفاده مي‌كنيم. براي ارزيابي وردنت‌هاي جديد ايجاد شده در دو رويكرد مطرح شده، از يك ابهام‌زدا بهره‌ برده‌ايم. در رويكرد اول به جاي استفاده از 117 هزار هم‌نشيم استاندارد موجود در وردنت از 45 هم‌نشيم بزرگ استفاده كرده‌ايم. با توجه به كاهش ابعاد وردنت جديد ايجاد شده، سرعت اجراي ابهام‌زدا 556 برابر بيشتر از زماني است كه از وردنت استاندارد استفاده مي‌كند و اين در حالي است كه سنجه-اف تنها در حدود 1% كاهش را از خود نشان مي‌دهد. همچنين، هم‌نشيم‌هاي بزرگ ايجاد شده توسط ما دقت بالاتري را نسبت به هم‌نشيم‌هاي بزرگ ايجاد شده توسط انسان ارائه مي‌دهند. در رويكرد دوم نيز وردنت تقويت شده را به عنوان ورودي به ابهام‌زدا مي‌دهيم. نتايج حاصل شده از اين رويكرد بيانگر آن است كه سنجه-اف‌ پس از اضافه كردن روابط مرتبط به مقدار مشخص به وردنت 0.1% افزايش مي‌يابد.

194407

دانشگاه علم و صنعت ايران

نرم‌افزار

دكتر بهروز مينايي بيدگلي