دوره 16، شماره 4 - ( 12-1398 )                   جلد 16 شماره 4 صفحات 93-112 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Momtazi S, Torabi F. Named Entity Recognition in Persian Text using Deep Learning. JSDP. 2020; 16 (4) :93-112
URL: http://jsdp.rcisp.ac.ir/article-1-831-fa.html
ممتازی سعیده، ترابی فرزانه. تشخیص موجودیت‌های نامدار در متون فارسی با استفاده از یادگیری عمیق. پردازش علائم و داده‌ها. 1398; 16 (4) :93-112

URL: http://jsdp.rcisp.ac.ir/article-1-831-fa.html


دانشگاه صنعتی امیرکبیر
چکیده:   (165 مشاهده)
شناسایی موجودیت‌­های نامدار[1] یکی از فعالیت‌­های زیربنایی در حوزه پردازش زبان طبیعی[2] و به‌طور‌کلی زیر‌مجموعه‌­ای از استخراج اطلاعات[3] است. در فرآیند شناسایی موجودیت‌­های نامدار به‌دنبال یافتن عناصر اسمی در متن و دسته­‌بندی آنها به رده‌­هایی ازپیش‌­تعیین­‌شده از قبیل اسامی اشخاص، سازمان­‌ها، مکان‌­ها، مذاهب، عنوان کتاب­‌ها، عنوان فیلم­ها و غیره هستیم. در این مقاله با بهره­گیری از روش­های نوین در این حوزه مانند استفاده از دو بُردار مختلف بازنمایی معنایی واژگان برمبنای کلمه و حروف تشکیل‌دهنده آن برمبنای شبکه­‌های عصبیو همچنین استفاده از روش‌­های یادگیری عمیق[4] یک سامانه تشخیص موجودیت­‌های نامدار معرفی می‌شود. همچنین در راستای پژوهش حاضر، یک پیکره برچسب­‌گذاری­شده شامل سه‌هزار چکیده از ویکی­‌پدیای فارسی که شامل نود‌هزار واژه است با استفاده از پانزده برچسب مختلف ارائه می‌شود که گام مهمی در ارتقای پژوهش‌­های آینده این حوزه برداشته ­خواهد شد. نتایج حاصل از ارزیابی سامانه پیشنهادی نشان می­‌دهد که می­‌توان با استفاده از داده معرفی­‌شده به دقت 09/72 در معیار F رسید.

[1] Named Entity Recognition
[2] Natural Language Processing
[3] Information Extraction
[4] Deep Learning
متن کامل [PDF 4691 kb]   (51 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش متن
دریافت: ۱۳۹۶/۱۱/۱ | پذیرش: ۱۳۹۸/۳/۲۹ | انتشار: ۱۳۹۹/۲/۱ | انتشار الکترونیک: ۱۳۹۹/۲/۱

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.