یک مدل نوین مبتنی بر شبکههای عصبی عمیق برای برچسبگذاری اجزای واژگانی کلام
نویسندگان
1 گروه کامپیوتر، دانشکده مهندسی کامپیوتر، دانشگاه یزد، یزد، ایران
2 دانشیار، دانشکده مهندسی کامپیوتر دانشگاه یزد - بخش هوش مصنوعی
doi
10.22034/abmir.2022.2660چکیده
برچسبگذاری اجزای واژگانی کلام موضوع تحقیقاتی مهمی در حوزهی پردازش زبان طبیعی است و پایهی بسیاری از دیگر مباحث مطرح در این حوزه است. در این مقاله یک روش نوین برچسبگذاری اجزای واژگانی کلام به کمک شبکههای عصبی عمیق معرفی میگردد. هدف اصلی مدل پیشنهادی، استخراج چسبهای عمیق و سطح بالا از متون و سپس طبقهبندی این ویژگیهای سطح بالا میباشد. روش پیشنهادی متکی بر این ایده است که از شبکهای عصبی عمیق کوچک میتوان برای یافتن ویژگیهای عمیق و تولید خروجی مطلوب بهره برد. روش موردنظر با استفاده از کتابخانههای تخصصی Tensorflow و Keras API در پایتون پیادهسازی و عملکرد آن بر روی مجموعههای داده استاندارد coNLL2000 ارزیابی گردید. نتایج آزمایش حاکی از آن است که روش پیشنهادی قابلیت استخراج ویژگیهای سطح بالای واژگان زبان طبیعی را داشته و قادر است به ازای برچسبهای پرتکرار و پرکاربرد به دقت قابل توجهی برسد. میانگین دقت مدل پیشنهادی به ازای برچسبهای مختلف برابر 80.26% بوده است. بعلاوه، این روش قابلیت استفاده در محیطهای متنوع و بر روی دستگاههای مختلف را نیز دارد.