فهرست نشریات علمی دسترسی آزاد ایران

طبقه‌بندی متون فارسی، به‌ویژه نثرهای ادبی کلاسیک که سرشار از ساختارهای زبانی پیچیده و لایه‌های معنایی عمیق هستند، یکی از چالش‌های کلیدی در پردازش زبان طبیعی[1]محسوب می‌شود. این پژوهش با هدف ارزیابی روش‌های مختلف یادگیری ماشین و مدل‌های زبانی گوناگون برای طبقه‌بندی موضوعی نثرهای ادبی فارسی انجام شده است. در این مطالعه افزون‌بر شیوه‌های رایج طبقه‌بندی (مانند استفاده از مدل‌های از پیش‌آموزش‌دیده مانندmBERT،ParsBERT  و  RoBERTa)، از رویکردهای نوآورانه‌ای نیز بهره گرفته شده است. این رویکردهای نوین شامل ترکیب تعبیه‌سازی[2]های دو مدل با هم یا استفاده از توکن‌های عددی استخراج‌شده از یک مدل برای طبقه‌بندی با مدل دیگر هستند که با هدف بهینه‌سازی عملکرد و تجزیه‌وتحلیل نتایج به کار رفته‌اند. همچنین، تکنیک‌های سنتی تعبیه‌سازی همچون TF-IDF، Bag of Words و FastText به کار گرفته شدند و برای ارزیابی عملکرد، بردارهای استخراج‌شده به مدل‌های متنوع طبقه‌بندی، ازجمله مدل‌های شبکه عصبی بازگشتی LSTM و GRU و همچنین مدل‌های طبقه‌بندی برداری (مانند SVM[3] ،Random Forest و Logistic Regression) ارائه شدند. نوآوری این پژوهش در ترکیب تعبیه‌های مدل‌های ترنسفورمری با یکدیگر و با بردارهای ویژگی دیگر یا طبقه‌بندی آن‌ها با مدل‌های طبقه‌بندی‌برداری است که نتایج به‌دست‌آمده، بهبود معنادار معیارهای صحت، بازخوانی و امتیاز F1 را نشان می‌دهد. این رویکرد، افزون‌بر بهبود طبقه‌بندی متون فارسی، امکان شناسایی الگوهای زبانی و معنایی در نثرهای کلاسیک فارسی را فراهم می‌کند. همچنین، این پژوهش می‌تواند نقش مدل‌های زبانی و الگوریتم‌های یادگیری ماشین را در مطالعات ادبی گسترش دهد و آن‌ها را با نیازهای خاص متون ادبی سازگارتر و ازنظر عملکرد، دقیق‌تر از روش‌های پیشین سازد.[1]. NLP[2]. Embedding[3]. Support Vector Machine