این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه پردازش و مدیریت اطلاعات، جلد ۳۴، شماره ۱، صفحات ۴۷۳-۴۸۶
عنوان فارسی سیستم شناسایی و طبقه‌بندی موجودیت‌های اسمی در متون زبان فارسی بر پایه شبکه عصبی
چکیده فارسی مقاله شناسایی موجودیت‌های اسمی به عنوان یک وظیفه پایه‌ای در حوزه پردازش زبان طبیعی و به طور کلی زیر مجموعه‌ای از استخراج اطلاعات است. در فرآیند شناسایی موجودیت‌های اسمی به دنبال مکان‌یابی عناصر اسمی در متن و دسته‌بندی آن‌ها به رده‌هایی از پیش تعیین شده از قبیل اسامی اشخاص، سازمان‌ها، مکان‌ها، عبارت‌های زمانی، و غیره هستیم. هرچند پژوهش‌هایی گسترده در توسعه سیستم‌های شناسایی موجودیت‌های اسمی در حوزه زبان انگلیسی درطی سال‌های پیشین انجام گرفته است، متاسفانه با توجه به مشکلات موجود، مانند نبود پیکره‌های متنی نشانه‌گذاری شده استاندارد در زبان فارسی، پژوهش‌های بسیار محدودی در زبان فارسی وجود دارد. در این مقاله با بررسی پژوهش‌های انجام گرفته در دیگر زبان‌ها و با بهره‌گیری از روش‌های تازه در این حوزه همانند استفاده از نمایش بردارهای عددی برای کلمات، به توسعه سیستمی برای شناسایی موجودیت‌های اسمی بر پایه شبکه عصبی پرداخته شده است. نتایج بدست آمده از مدل پیشنهادی نشان دهنده این واقعیت است که استفاده از مدل‌های نمایش بردارهای عددی برای کلمات در زبان فارسی، افزون بر مرتفع کردن مشکل انتخاب ویژگی‌ها، می‌تواند به توسعه سیستمی کارآمد منجر شود که کم‌ترین وابستگی را نیز به دامنه دارد.
کلیدواژه‌های فارسی مقاله پردازش زبان طبیعی، شناسایی موجودیت‌های اسمی، شبکه عصبی، نمایش برداری کلمات،
عنوان انگلیسی Named entities recognition and classification system for Persian texts based on neural network
چکیده انگلیسی مقاله Named Entity Recognition (NER) is a fundamental task in natural language processing and also known as a subset of information extraction. We seek to locate and classify named entities in text into predefined categories such as the names of persons, organizations, locations, expressions of times, etc. Named Entity Recognition for English texts has been researched widely for the past years, however only a few limited researches have emphasized on Persian NER due to the absence of resources for Persian named entities and the limited amount of progress made in Persian natural language processing in general. In this paper, a Persian named entity recognition system has been developed based on neural network with the study of researches conducted in other languages and benefiting from the latest methods in this area such as using the vector representation of words. The results from the proposed model show that word embedding features in Persian not only resolve the problem of feature selection, but also it could lead to the development of an efficient system with the least dependence to the domain.
کلیدواژه‌های انگلیسی مقاله پردازش زبان طبیعی, شناسایی موجودیت‌های اسمی, شبکه عصبی, نمایش برداری کلمات
نویسندگان مقاله مجتبی زالی |
دانشگاه آزاد اسلامی واحد تهران جنوب

محسن فیروزبخت |
دانشگاه آزاد اسلامی واحد تهران جنوب

نشانی اینترنتی https://jipm.irandoc.ac.ir/article_699517_a6dd600393ec4afa1ff35fed23d4c05c.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات