این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های زبان شناسی تطبیقی، جلد ۱۱، شماره ۲۲، صفحات ۲۷۱-۲۸۹
عنوان فارسی معرفی یک پیکره متنی تخصصی: پیکره پژوهش‌نامه
چکیده فارسی مقاله بسیاری از پژوهش‌های زبان‌شناسی و برنامه‌ریزی‌های زبانی با استفاده از پیکره‌های زبانی انجام می‌شود. در این پژوهش پیکره‌ای با استفاده از متون مقاله‌های پژوهش‌نامه پردازش و مدیریت اطلاعات ساخته شده است. این پیکره شامل بیش از 600 مقاله (بیش از چهار میلیون واژه) است. موضوع این مقاله‌ها کتابداری و اطلاع‌رسانی، علم اطلاعات و دانش‌شناسی، فناوری اطلاعات، زبان‌شناسی، زبان‌شناسی رایانشی، اصطلاح‌شناسی، هستان‌شناسی و سایر حوزه‌های پردازش اطلاعات است. متون مقاله‌ها تخصصی و میان‌رشته‌ای است و برای پردازش‌هایی که مستلزم بهره‌گیری از متون تخصصی است، ارزشمند است. برای ساخت پیکره پس از نمونه‌گیری و وارد کردن داده‌ها در پیکره، فراداده مقاله‌ها وارد پیکره شد. سپس نرمال‌سازی ماشینی و به دنبال آن برچسب‌گذاری ماشینی (نوعاً برچسب‌گذاری اجزای واژگانی کلام) انجام شد. در نهایت تعداد قابل توجهی از فایل‌های برچسب‌خورده در پیکره به صورت رندوم انتخاب شد و الگوهای زبانی برای اصلاح ماشینی و دستی برچسب‌ها استخراج و در پیکره به کار برده شد.
کلیدواژه‌های فارسی مقاله پیکره، نرمال‌سازی، برچسب‌گذاری اجزای واژگانی کلام،
عنوان انگلیسی introducing a specialized corpus: Pazhooheshname
چکیده انگلیسی مقاله Numerous linguistic studies as well as language planning involves the use of corpus to analyze different aspects of language. In present study a corpus was built from published articles of the journal of information processing and management. The corpus include more than 600 articles and 4000000 words. The articles cover hot topics including information science, information technology,, linguistics, computational linguistics, terminology, ontology and the like; so, actually the corpus is the specialized one which could be considered as a prerequisite for specific language processing. After sampling, in present study, data as well as metadata was inserted to corpus, Then, normalization and POS tagging were done via available software and finally some files were randomly chosen for checking their POS tags which led to extracting some rules for correcting wrong tags. Then the rules were applied to corpus.
کلیدواژه‌های انگلیسی مقاله پیکره, نرمال‌سازی, برچسب‌گذاری اجزای واژگانی کلام
نویسندگان مقاله الهام علایی ابوذر |
استادیار پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)

نصراله پاک‌نیت |
استادیار پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)

علی‌اصغر حجت‌پناه |
رئیس اداره سامانه‌های اطلاعاتی پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)

مجتبی زالی |
پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)

محمدهادی آقالویی آغمیونی |
پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)

نشانی اینترنتی https://rjhll.basu.ac.ir/article_4360_a11bdbb224d90143d8ffd5a3a5eb6371.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