این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه پردازش و مدیریت اطلاعات، جلد ۳۱، شماره ۱، صفحات ۱۰۹-۱۲۴
عنوان فارسی ساخت هستانشناسی دانش عرفی زبان فارسی با رویکردی تلفیقی
چکیده فارسی مقاله تجهیز رایانه‌ها به دانش عرفی بشر همواره یکی از جاه‌طلبانه‌ترین اهداف علم هوش مصنوعی بوده است. میلیون‌ها دلار هزینه و هزاران ساعت‌ زمان صرف شده تا رایانه‌ها بفهمند که “اشیا بالا نمی‌روند، بلکه می‌افتند” و “دویدن از راه رفتن سریع‌تر است”. پایگاه‌های دانش عظیمی ساخته شد، روش‌های خودکار و نیمه‌خودکار متن‌کاوی پیشنهاد شده و از انگیزه همکاری کاربران عادی اینترنت به نفع اکتساب این دانش بهره‌ها برده شده است. ولی رسیدن به روشی خودکار، مؤثر و کم خطا همچنان به‌صورت چالشی بزرگ پیش روی جامعه هوش مصنوعی باقی‌مانده است. هدف این تحقیق ساخت هستان‌شناسی دانش عرفی فارسی به کمک سه روش مبتنی بر الگو، ترجمه ماشینی و استفاده از منابع ساخت‌یافته است. با کمک سه پیکره مختلف فارسی هفت نوع رابطه و در مجموع هفتاد هزار اظهار (رابطه) استخراج شده و در قالب یک هستان‌شناسی ارائه گشت. نتایج بررسی گویش‌وران فارسی نشان داد که میانگین دقت روابط استخراج‌شده این هستان‌شناسی برابر با 75% برای روش مبتنی بر الگو، 70% برای ترجمه ماشینی و 100% برای اطلاعات استخراج‌شده از جعبه اطلاعات بود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Commonsense knowledge extraction for Persian language: A combinatory approach
چکیده انگلیسی مقاله Putting human commonsense knowledge into computers has always been a long standing dream of artificial intelligence (AI). The cost of several tens of millions of dollars and times have been covered so that the computers could know about “objects falling, not rising.”,” running is faster than walking. The large database was built, automated and semi-automated methods were introduced and volunteers’ efforts were utilized to achieve this, but an automated, high-throughput and low-noise method for commonsense collection still remains as the holy grail of AI. The aim of this study was to build commonsense knowledge ontology using three approaches namely Hearst method, machine translation and using structured resources. Using three Persian corpuse and Applying aforementioned methods, we could extract 7 different relations. 70000 assertions have been extracted. Finally, average accuracy of Hearst, MT and structured resource were 75%, 75% and 100% respectively.
کلیدواژه‌های انگلیسی مقاله Commonsense knowledge, ontology, relation extraction
نویسندگان مقاله مهدی مرادی | mehdi moradi
sharif university of technology
دانشگاه صنعتی شریف، ساختمان ابن سینا، طبقه چهارم، مرکز زبان ها و زبان شناسی
سازمان اصلی تایید شده: دانشگاه صنعتی شریف (Sharif university of technology)

بهرام وزیرنژاد | bahram vazirnezhad
sharif university of technology
دانشگاه صنعتی شریف، ساختمان ابن سینا، طبقه چهارم، مرکز زبان ها و زبان شناسی
سازمان اصلی تایید شده: دانشگاه صنعتی شریف (Sharif university of technology)

محمد بحرانی | bahrani mohammd
sharif university of technology
دانشگاه صنعتی شریف، ساختمان ابن سینا، طبقه چهارم، مرکز زبان ها و زبان شناسی
سازمان اصلی تایید شده: دانشگاه صنعتی شریف (Sharif university of technology)

نشانی اینترنتی http://jipm.irandoc.ac.ir/browse.php?a_code=A-10-2773-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1504/article-1504-252237.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