این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه پردازش و مدیریت اطلاعات، جلد ۳۴، شماره ۲، صفحات ۸۹۷-۹۲۲
عنوان فارسی بررسی پیکره-بنیاد هم‌نگاره‌های اسمی و صفتی فارسی جهت کمک به برچسب‌گذاری صحیح اجزای کلام
چکیده فارسی مقاله      در تهیه سامانه­ های برچسب­ گذاری اجزای کلام در زبان فارسی، بررسی ساخت­واژی اسم ­ها  و صفت ها از دو نظر حائز اهمیت است: 1- اگر کلمه ­ای قبلاً در پیکره آموزشی ظاهر نشده باشد، نمی ­توان از پیکره آموزشی اطلاعات دقیقی راجع به آن کلمه به دست آورد . بنابراین، اگر در یک پیکره متنی فارسی، کلمه ­ای در واژگان حضور نداشته باشد (کلمه خارج از واژگان)، نمی ­توان برچسب­ های مربوط به کلمه را بازیابی کرد. در این صورت، برچسب کلمه را تنها می ­توان با توجه به شکل کلمه (انواع پیشوندها و پسوندهایی که به کلمات متصل می­ شوند) یا بافتی که کلمه در آن ظاهر می­شود، یا هر دو، حدس زد. 2- زبان فارسی ظرفیت بالایی برای ساخت هم ­نگاره ­های جدید که از ساخت­واژه فارسی نشأت می­گیرند، را نیز دارد بنابراین، بررسی ساخت­واژی اسم ­ها و صفت ها، به منظور تفکیک آن­ها از هم ضروری به نظر می­رسد، زیرا اکثر صفت­ ها در بافت­ های گوناگون، با صورت نوشتاری یکسان، می­ توانند برچسب «اسم» بگیرند. در تحقیق حاضرساخت­واژه اسم ­ها و صفت ­ها در فارسی  بررسی شده است. نظام نوشتاری زبان فارسی نیز مورد بررسی  قرار گرفته است تا از این رهگذر بتوان به شناسایی انواع هم ­نگاره ­ها در زبان فارسی پرداخت. سپس، انواع هم ­نگاره ­ها در زبان فارسی مورد مطالعه  قرار گرفته است و در نهایت از طریق جستجو به دو روش ماشینی و دستی، فهرست مبسوطی از هم ­نگاره ­ها از پیکره ­های "پیکره متنی زبان فارسی"، "پایگاه دادگان زبان فارسی" و "پیکره وابستگی نحوی زبان فارسی" تهیه شده است. بررسی کلی هم ­نگاره ­ها در پیکره­ های مورد مطالعه نشان می­دهد که بیشتر هم­ نگاره­ ها، فراوانی بالایی در پیکره­ های متنی فارسی دارند و اکثر آن­ها در اثر یکسان بودن نمود نوشتاری تکواژ یاء نکره، یاء اسم­ساز، شناسه دوم شخص مفرد، یاء صفت ­ساز و یاء متصل به گروه اسمی، ایجاد شده­ اند.  
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A Corpus-based study of Persian noun and adjective homographs to help right POS tagging
چکیده انگلیسی مقاله Present research studies morphological structure of nouns and adjectives; there are two main reasons for studying them in the process of making any POS tagger system for tagging nouns: 1. If the system faces an out of vocabulary word (OOV word), one way to identify its tag would be considering its morphological structure. 2. In Persian, lots of homographs are made due to Persian complex morphology; studying morphological structure of nouns in order to distinguish them from adjectives seems to be necessary, since many adjectives, having the same orthographic forms of nouns, would be wrongly tagged as "noun" or vice versa. After studying morphological structure of nouns and adjectives in present study, Persian writing system is studied; then definition of homographs and the related classifications are presented. Finally, the study uses different famous Persian corpora (including Bijankhan, and syntactical dependency corpus (vabastegi ye nahvi) for searching for homographs (using search tools) and Data center for Persian language (Paygah e Dadegan) whose non-tagged file was available (the homographs are searched and tagged manually)) to make a list of homographs. The result of studying the mentioned list showed that the frequency of homographs, especially those which are made due to identical orthographic form of indefinite morpheme, adjective-maker morpheme and second person inflectional morpheme is high is Persian corpora which makes POS tagging difficult.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله الهام علایی ابوذر | Elham Alayiaboozar
Iranian Research Institute for Information Science and Technology (IranDoc)
پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)

نشانی اینترنتی http://jipm.irandoc.ac.ir/browse.php?a_code=A-10-3228-3&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1504/article-1504-1364751.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده فناوری اطلاعات
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات