fa jalali 1394 12 1 gregorian 2016 3 1 12 4 online 1 fulltext

fa الگوریتم انطباق مرزی ترکیبی و سریع برای اختفای خطای زمانی داده‌های ویدئویی با وجود روش‌های مقاوم‌سازی داده‌ها در برابر خطا که در طرف فرستنده روی داده‌های ویدئو اعمال می‌شوند، بروز خطا در حین انتقال داده‌های ویدئویی از کانال‌های مخابراتی اجتناب‌ ناپذیر است. اختفای خطا، شیوهای موثر جهت ارتقای کیفیت ویدئوهای آسیب‌دیده در طرف گیرنده است. در این مقاله، یک الگوریتم انطباق مرزی ترکیبی و سریع جهت تخمین دقیق‌تر بردارهای حرکت آسیب‌دیده ویدئوی دریافتی ارائه می‌شود. الگوریتم پیشنهادی، اختفای خطا برای هر ماکروبلاک آسیب‌دیده را به ترتیب لیست اولویت اختفای خطایی که تعیین می‌کند انجام می‌دهد.سپس،اعوجاج مرزی برای هر ماکروبلاک نامزد به‌صورت ترکیبی از دو معیار انطباق مرزی کلاسیک و انطباق مرز خارجی برای هر پیکسل مرزی محاسبه می‌گردد. پس از بازسازی هر ماکروبلاک آسیب‌دیده، لیست اولویت بروز رسانی می‌شود. همچنین، وابسته به صحت هریک از مرزهای مجاور ماکروبلاک آسیب‌دیده، وزن خاصی به آن‌ها در فرایند تطبیق داده می‌شود. در نهایت، بردار حرکت نامزد با کمترین اعوجاج مرزی به‌عنوان بردار حرکت ماکروبلاک آسیب‌دیده انتخاب می‌شود. نتایج تجربی نشان می‌دهد که الگوریتم پیشنهادی بدون افزایش قابل ملاحظه‌ی زمان محاسبات، ضمن بهبود کیفیت ویدئوهای بازسازی‌شده، مقدار متوسط PSNR برای دنباله‌های مختلف آزمون بیش از dB 1/8 در مقایسه با روش‌های مرجع افزایش می‌دهد. Despite data resilient methods against error that are applied on video data in transmitter side, occurringerror along video data transferring for communication channels is inevitable. Error concealment is a useful method for improving the quality of damaged videos in receiver side. In this paper, a fast and hybrid boundary matching algorithm is presented for more accurate estimating of damaged motion vectors (MVs) from received video. The proposed algorithm performs the error concealment for each damaged macroblock (MB) according to the preference list of error concealment that it assigns. Then, boundary distortion for each candidate MBis calculated with classic and outer boundary matching criterionsfor each boundary pixel. After reconstructing of each damaged MB, the list of preference is updated. Moreover, depending on accuracy of each adjacent boundary from damaged MB, a special weight is given to them, through match process. Finally, the candidate MVwith the lowest boundary distortion is selected as MV of damaged MB. Experimental results show that the proposed algorithm increases the average of PSNR for different test sequences more than 1.8 dB in comparison with reference methods and without significant increasing in calculation time and with improving the quality of reconstructed videos. Temporal Error Concealment, Motion Vector Estimation, Hybrid Boundary Matching Algorithm, Macroblock اختفای خطای زمانی, تخمین بردار حرکت, الگوریتم انطباق مرزی ترکیبی, ماکروبلاک 3 15 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-253-2&slc_lang=fa&sid=1 2013/10/7 1392/7/15 2016/01/5 1394/10/15 Seyed Mojtaba Marvasti-Zadeh Yazd University سید مجتبی مروستی‌زاده mojtaba.marvasti@stu.yazd.ac.ir 0031947532846002456 0031947532846002456 No دانشگاه یزد Hossein Ghanei yakhdan Yazd University حسین قانعی یخدان hghaneiy@yazd.ac.ir 0031947532846002457 0031947532846002457 Yes دانشگاه یزد

fa آشکارسازی افتادن با استفاده از روش نوین ردیابی بر پایۀ الگوریتم اصلاح شدۀ کانتور در جوامع توسعه یافته یا در حال توسعه تعداد افراد سالمند رو به افزایش است. این افراد به علت کهولت سن و ناتوانی‏ جسمی معمولاً در معرض اتفاقات خطرناکی از جمله‏ افتادن هستند که این امر لزوم مراقبت از این افراد را نشان می‏‌دهد. یکی از روش‌های مراقبت، نظارت هوشمند ویدئویی است که قادر است در هنگام وقوع حادثه مراقبین را با سرعت زیادی مطّلع نماید. این مقاله با استفاده از روش ردیابی نوینی بر پایۀ الگوریتم اصلاح شدۀ کانتور، افراد را ردیابی و افتادنِ آن‌ها را در دنباله‌های ویدئویی آشکار می‏نماید. از مزایای روش ارائه شده، آشکار سازی افتادن در شرایط نسبتاً واقعی و در حضور چندین شئ می‏باشد. شبیه‏سازی‌ها نشان میدهد که الگوریتم ارائه شده با دقّت و سرعت بالایی قادر است افتادن را در دنباله‏های ویدئویی شناسایی و آشکار نماید. The population of elderly people has growing trend in the developed or developing countries. Since the elderly are mainly associated with disability, this group of people exposed to dangerous events such as falling down. It is therefore needed to take care of these people against dangerous events. Intelligent video monitoring is a approach that may be able to give quick notification to the caregivers. For this purpose, in this paper, an approach using a novel tracking method based on modified contour algorithm is presented. The new method is able to conduct tracking and falling down detection in a realistic conditions in the presence of multiple motions. Simulations indicate that the proposed algorithm is able to identify the fall-down event with high accuracy and speed. fall detection algorithm, contour, machine vision, tracking, intelligent surveillance systems. آشکارسازی افتادن, الگوریتم کانتور, بینایی ماشین, ردیابی, سیستم‌های هوشمند مراقبت. 17 31 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-89-1&slc_lang=fa&sid=1 2013/10/72013/11/24 1392/9/3 2016/01/52015/09/12 1394/6/21 Hamid Rajabi University of Guilan حمید رجبی hamidrajabi2010@yahoo.com 0031947532846002458 0031947532846002458 Yes دانشگاه گیلان Manoochehr Nahvi University of Guilan منوچهر نحوی , nahvi@guilan.ac.ir 0031947532846002459 0031947532846002459 No دانشگاه گیلان

fa بهبود حمله حدس و تعیین اکتشافی به سامانه های رمز جریانی TIPSY و SNOW1.0 حملات حدس و تعیین از جمله حملات عام به سامانه های رمز جریانی است. این حملات به دو دسته ی حملات حدس و تعیین اقتضایی و اکتشافی تقسیم بندی می‌شوند. مزیت روش اکتشافی نسبت به روش اقتضایی در قدرت تحلیل و ارائه ی الگوریتمی برای دسته بزرگی از رمزهای جریانی با فرض یکسان بودن اندازه متغیرها است. در این مقاله از معادلات فرعی علاوه بر معادلات اصلی به عنوان ورودی حمله ی حدس و تعیین اکتشافی برای حمله به سامانه های رمز جریانیTIPSY و SNOW 1.0 استفاده شده است. براساس مفهوم پایه ی حدس تعداد حدس ها در حمله اکتشافی و بهبودیافته به سامانه یTIPSY شش مورد است، لیکن پیچیدگی حمله حدس و تعیین اکتشافی بهبود یافته از O(2102) به O(296) کاهش یافته است. این پیچیدگی با پیچیدگی حمله ی اقتضایی برابر است، اما حمله پیشنهادی، اندازه ی پایه ی حدس را از 7 به 6 بهبود داده است. همچنین، در حمله ی حدس و تعیین به SNOW 1.0 پیچیدگی حمله اکتشافی با پایه ی حدس با اندازه ی 6 و اقتضایی با اندازه ی 7 به ترتیب O(2202) و بوده O(2224) است که در حمله ی پیشنهادی به پایه ی حدس با اندازه ی 5 و پیچیدگی از مرتبه ی O(2160) کاهش یافته است. Guess and determine attacks are general attacks on stream ciphers. These attacks are classified into ad-hoc and Heuristic Guess and Determine (HGD) attacks. One of the Advantages of HGD attack algorithm over ad-hoc attack is that it is designed algorithmically for a large class of stream ciphers while being powerful. In this paper, we use auxiliary polynomials in addition to the original equations as the inputs to the HGD attack on TIPSY and SNOW 1.0 stream ciphers. Based on the concept of guessed basis, the number of guesses in both HGD attack and the improved one on TIPSY is six, however the attack complexity is reduced from O(2102)to O(296). This amount is equal to that of ad-hoc attack, but the size of the guessed basis is improved from seven to six. Also, the complexity of GD attack on SNOW 1.0 of heuristic one with the guessed basis of size 6 and ad-hoc attack with the guessed basis of size 7areO(2202) and O(2224), respectively. However, the complexity and the size of guessed basis of the improved HGD attack are reduced to O(2160) and 5, respectively. Stream Cipher, Guess and Determine attack, TIPSY, SNOW 1.0, Computational Complexity رمز جریانی, حمله‌ی حدس و تعیین, رمز جریانیSNOW 1.0, رمزجریانیTIPSY, پیچیدگی محاسباتی حمله 33 42 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-597-1&slc_lang=fa&sid=1 2013/10/72013/11/242014/07/21 1393/4/30 2016/01/52015/09/122015/05/4 1394/2/14 Mohammad Sadegh Nemati Nia محمد صادق نعمتی نیا r.t1390razavie@chmail.ir 0031947532846002460 0031947532846002460 Yes مجتمع فن آوری اطلاعات، ارتباطات و امنیت، دانشگاه صنعتی مالک اشتر، تهران، ایران ترانه اقلیدس 0031947532846002461 0031947532846002461 No مجتمع فن آوری اطلاعات، ارتباطات و امنیت، دانشگاه صنعتی مالک اشتر، تهران، ایران علی پاینده 0031947532846002462 0031947532846002462 No مجتمع فن آوری اطلاعات، ارتباطات و امنیت، دانشگاه صنعتی مالک اشتر، تهران، ایران

fa ویرایش‌گر متن شریف: سامانۀ ویرایش و خطایابی املایی زبان فارسی در مقالۀ حاضر سامانه‌ای هوشمند جهت ویرایش و خطایابی املایی متون فارسی معرفی شده‌است. هدف از طراحی و ایجاد این سامانه، ویرایش متون فارسی برای کاربردهای پردازش زبان طبیعی است. این سامانه بر مبنای یک رویکرد مهندسی قابل توسعه، از سه زیرسامانه تشکیل شده‌است: ویرایش‌گر متن فارسی معیار، خطایاب املایی خودکار زبان فارسی و ستاک‌یاب واژگان زبان فارسی. این سه بخش با یکدیگر در تعاملند؛ بدین شکل که ابتدا ستاک واژه‌های متن شناسایی می‌شود و در صورت عدم وجود ستاک در فهرست واژه‌های زبان، واژۀ مذکور به عنوان واژه‌ای نادرست شناسایی خواهد‌شد و سپس خطایاب خودکار فهرستی از واژه‌های جایگزین را پیشنهاد خواهد‌کرد. در زیرسامانۀ ویرایش‌گر، متن موجود ویرایش شده و متنی یکپارچه که منطبق بر معیارهای مصوب فرهنگستان زبان و ادب فارسی است، به کاربر ارائه خواهد شد. نتایج ارزیابی نشان‌دهندۀ دقتی بسیار خوب در حدود 95% در ستاک‌یابی کلمات، 92% در ویرایش و 96% در خطایابی املایی زبان فارسی است. In this paper, we will introduce an intelligent system to edit and spell check Persian texts. The goal is editing and preprocessing Persian texts for natural language processing tasks. This system is based on an expandable and engineering approach and is composed of three subsystems: Persian text editor, spell checker and stemmer. These parts interact with each other to edit texts. To do this, the stemmer subsystem process each word in the text if the subsystem could not find a stem in the lexicon, the word will be recognized as an incorrect word. Then, the spell checker provides a list of suggestions to correct the wrong word. Subsequently, the editor subsystem edits the text based on the standards of the Academy of Persian Language and Literature. Our evaluation shows nearly 92%, 95% and 96% precision numbers for editor, stemmer and spell checker subsystems, respectively. Key words: Natural Language Processing, automatic spell checking, text editor, stemmer واژگان کلیدی: پردازش زبان طبیعی, خطایاب املایی خودکار , ویرایشگر متن فارسی معیار, ستاک‌یاب 43 52 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-84-4&slc_lang=fa&sid=1 2013/10/72013/11/242014/07/212014/06/14 1393/3/24 2016/01/52015/09/122015/05/42015/04/3 1394/1/14 بهرام وزیرنژاد bahram@sharif.edu 0031947532846002463 0031947532846002463 Yes دانشگاه صنعتی شریف فاطمه سلطانزاده 0031947532846002464 0031947532846002464 No دانشگاه صنعتی شریف محسن مهدوی 0031947532846002465 0031947532846002465 No دانشگاه صنعتی شریف مهدی مرادی 0031947532846002466 0031947532846002466 No دانشگاه صنعتی شریف

fa مدل ترکیبی تحلیل مؤلفه اصلی احتمالاتی بانظارت در چارچوب کاهش بعد بدون اتلاف برای شناسایی چهره در این مقاله ابتدا مدل بانظارت روش ترکیبی تحلیل مؤلفه اصلی احتمالاتی (SPPCAMM) ارائه شده است. سپس با در نظر گرفتن جریمه نگاشت در یادگیری مدل پیشگو روشی برای شناسایی چهره با استفاده از یک رویکرد کاهش بعد بدون اتلاف ارائه شده است. در روش پیشنهادی ابتدا یک منیفولد زیربنایی محلی خطی با استفاده از مدل ترکیبی تحلیل مؤلفه اصلی احتمالاتی بانظارت از نمونه داده ها به دست می آید. سپس دسته بند ماشین بردار پشتیبان با اعمال جریمه نگاشت به عنوان مدل پیشگوی مذکور با استفاده از این منیفولد محلی خطی آموزش داده میشود. بدین ترتیب از مزایای کاهش بعد در مدل پیشگو استفاده میشود، و در عین حال جلوی از دست رفتن اطلاعات مفید گرفته میشود. برای آموزش و ارزیابی روش پیشنهادی، از پایگاه داده های چهره شناخته شده استفاده شده است. روش استخراج ویژگی گابور بر روی تصاویر به کار گرفته شده است. نتایج آزمایشها نشان میدهد که روش پیشنهادی نسبت به بسیاری از روشهای معمول که کاهش بعد را انجام داده و سپس دسته بند را آموزش میدهند، و همچنین نسبت به روش جریمه نگاشت مبتنی بر مدلهای کاهش بعد خطی و غیرخطی دقت بیشتری دارد. In this paper, we first proposed the supervised version of probabilistic principal component analysis mixture model. Then, we consider a learning predictive model with projection penalties, as an approach for dimensionality reduction without loss of information for face recognition. In the proposed method, first a local linear underlying manifold of data samples is obtained using the supervised probabilistic principal component analysis mixture model. Then, a support vector machine classifier with projection penalty is trained as a predictive model using this local linear manifold. Thus, the predictive model benefits from dimensionality reduction, while it loses minimum amount of useful information. To evaluate the proposed method, we used well-known face recognition databases. Gabor feature extraction method have been applied to these images. The experimental results show that the proposed method has a higher classification accuracy than many of the traditional methods which use predictive models after dimensionality reduction. It also works better than the projection penalty method with linear or nonlinear based dimensionality reduction models. Lossless Dimensionality Reduction, Mixture Model, Probabilistic Principal Component Analysis, Supervised, Projection Penalty کاهش بعد بدون اتلاف, مدل ترکیبی, تحلیل مؤلفه اصلی احتمالی, بانظارت, جریمه نگاشت 53 65 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-598-1&slc_lang=fa&sid=1 2013/10/72013/11/242014/07/212014/06/142014/07/13 1393/4/22 2016/01/52015/09/122015/05/42015/04/32015/09/8 1394/6/17 Somayeh Ahmadkhani University of Isfahan سمیه احمدخانی s.ahmadkhani@eng.ui.ac.ir 0031947532846002467 0031947532846002467 No دانشگاه اصفهان Peyman Adibi University of Isfahan پیمان ادیبی adibi@eng.ui.ac.ir 0031947532846002468 0031947532846002468 Yes دانشگاه اصفهان

fa استخراج پارامترهای ساختاری منسوج تاری و پودی با استفاده از روش موجک- فازی و الگوریتم ژنتیک به علت منعطف‌بودن ساختار منسوج، تعیین موقعیت نخ در تصویر آن با استفاده از روش‌های معمول در پردازش تصویر با خطای زیادی همراه بوده است و در این زمینه، ارائه یک روش انطباق‌پذیر با خصوصیات تصویر منسوج جهت استخراج پارامترهای آن مورد توجه می‌باشد. در این راستا استفاده از الگوریتم‌های فرا ابتکاری جهت تطبیق الگوریتم استخراج پارامترهای ساختاری با شرایط تصویر، کاربردی به نظر می رسد. در این مطالعه، با کاربرد ترکیبی از روش‌های پردازش سیگنال، خوشه‌بندی فازی و الگوریتم ژنتیک، یک روش نوین برای پیش‌پردازش و تشخیص بافت ساختاری تصاویر منسوجات ارائه شده است. نتایج نشان می‌دهد که روش پیشنهادی قادر به تشخیص صحیح موقعیت نخ در تصاویر منسوجات دولایه با طرح رنگ نایکنواخت با دقت میانگین بیش از 73 درصد می‌باشد. در تصاویر منسوجات تک‌لایه با بافت نامتراکم و طرح رنگ یکنواخت، این میزان به طور میانگین بیش از 84 درصد می‌باشد. Flexibility of woven fabric structure has caused many errors in yarn location detection using customary methods of image processing. On this line, proposing an adaptive method with fabric image properties is concentrated to extract its parameters. In this regards, using meta-heuristic algorithms seems applicable to correspond extraction algorithm of structural parameters to the image conditions. In this study, a new method is proposed for woven fabric image preprocessing and structural texture detection applying compound methods of signal processing, fuzzy clustering and genetic algorithm. Results indicate that proposed method is capable of detecting exact yarn location with mean precision of more than 73 percent in double-layered fabric images with uneven color pattern. In one-layered fabric images with low density weave and invariable color pattern, the mean precision is more than 84 percent. Genetic Algorithm, Wavelet Transform, Fuzzy c-means (FCM) clustering, Image Processing, Fabric Image, Yarn Location. الگوریتم ژنتیک, تبدیل موجک, الگوریتم خوشه‌بندی فازی (FCM), پردازش تصویر, تصویر پارچه, موقعیت نخ 67 81 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-371-2&slc_lang=fa&sid=1 2013/10/72013/11/242014/07/212014/06/142014/07/132014/08/2 1393/5/11 2016/01/52015/09/122015/05/42015/04/32015/09/82015/04/21 1394/2/1 Foruzan Fasahat فروزان فصاحت ffesahat@yahoo.com 0031947532846002469 0031947532846002469 No دانشگاه یزد Pedram Payvandy پدرام پیوندی peivandi@yazd.ac.ir 0031947532846002470 0031947532846002470 Yes دانشگاه یزد

fa تشخیص خودکار جنسیت نویسنده در متون فارسی با گسترش روز افزون استفاده از اینترنت، شاهد تبادل هزاران گیگابایت اطلاعات متنی در فضای مجازی هستیم. فضای سایبر این امکان را به اشخاص می‌دهد که هویت حقیقی خود را مخفی کنند و با هویت ساختگی جدیدی وارد آن شوند. از این‌رو اهمیت حفظ امنیت این فضا، کنترل بر محتوای تولید شده توسط کاربران و شناسایی مشخصات تولیدکنندگان محتوا هر روز پررنگتر می‌شود. موضوع مورد بررسی در این تحقیق که مربوط به حوزه‌ شناسایی نویسنده می‌باشد، شناسایی خودکار جنسیت نویسنده متن فارسی است. به منظور شناسایی جنسیت، با توجه به مطالعات زبان-روانشناختی صورت گرفته، 48 ویژگی روان‌شناختی و سبک شناسی تعریف شد. دو پیکره متنی جهت آموزش طبقه بندها تهیه شد و سپس برای شناسایی جنسیت، سه الگوریتم یادگیری ماشینی مختلف (ماشین بردار پشتیبان، بیز ساده و درخت تصمیم) طراحی شد. نتایج اعتبارسنجی متقابل10تایی نشان داد که بیشترین دقت مربوط به طبقهبند درخت تصمیم با دقت %73.8 است. Gigantic amount of textual data being transfers in web everyday. like other communities,cyberspace is vulnerable to attacks, false information and deception.it becomes increasingly important to design an efficient method to trace identity in this community.to investigate the problem of gender identification,we propose 48 feature,and design three machine learning algorithms.the results of study showed that ADtree classifier had accuracy up to 73.8%. ,gender identification,author identification,text mining تشخیص جنسیت, شناسایی نویسنده, متن کاوی 83 94 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-338-1&slc_lang=fa&sid=1 2013/10/72013/11/242014/07/212014/06/142014/07/132014/08/22013/06/7 1392/3/17 2016/01/52015/09/122015/05/42015/04/32015/09/82015/04/212014/01/26 1392/11/6 مهدی مرادی meh_mor2003@yahoo.com 0031947532846002471 0031947532846002471 Yes مرکز زبان ها و زبان شناسی، دانشگاه صنعتی شریف، تهران، ایران محمد بحرانی bahrani@sharif.edu 0031947532846002472 0031947532846002472 No دانشگاه صنعتی شریف

fa ارائۀ راهکاری قاعده‌مند جهت تبدیل خودکار درخت تجزیۀ نحوی وابستگی به درخت تجزیۀ نحوی ساخت‌سازه‌ای برای زبان فارسی هدف مقاله حاضر ارائۀ روشی خودکار جهت تبدیل درخت تجزیه نحوی وابستگی به درخت تجزیه نحوی مبتنی بر دستور ساخت‌سازه‌ای معادل در زبان فارسی است. برای نیل بدین هدف، الگوریتمی قاعده‌مند جهت این نوع تبدیل طراحی شده‌است. به منظور دستیابی به درخت تجزیۀ نحوی ساخت‌سازه‌ای مناسب برای جملات زبان فارسی، دستور زبان فارسی مورد مطالعه قرار گرفته و قوانین خاص زبان فارسی استخراج و به الگوریتم مذکور افزوده شده‌است. نتایج حاصل از ارزیابی پژوهش بیانگر این است که الگوریتم طراحی‌شده برای تبدیل ساختارها به F1 معادل با 96.05 درصد دست‌ یافته‌است. سپس، الگوریتم مذکور بر روی پیکرۀ وابستگی زبان فارسی با حدود 30000 جمله اعمال و دادگان درخت نحوی ساخت‌سازه‌ای معادل حاصل شده‌است. علاوه بر این، تجزیه‌گر نحوی استنفورد برروی پیکرۀ ساخت‌سازه‌ای حاصل آموزش داده شده و تجزیه‌گر نحوی ترکیبی زبان فارسی با F1 معادل با 86.01 درصد به دست آمده‌است. In this paper, an automatic method in converting a dependency parse tree into an equivalent phrase structure one, is introduced for the Persian language. In first step, a rule-based algorithm was designed. Then, Persian specific dependency-to-phrase structure conversion rules merged to the algorithm. Subsequently, the Persian dependency treebank with about 30,000 sentences was used as an input for the algorithm and an equivalent phrase structure treebank was extracted. Finally, the statistical Stanford parser was trained using the developed treebank. Experimental results show a F1 of 96.05% for the conversion algorithm and an F1 of 86.01% for Persian factored model parser. Conversion, Dependency Grammar, Phrase Structure Grammar, Natural Language Processing, Treebank, Persian. تبدیل, دستور وابستگی, دستور ساخت‌سازه‌ای , پردازش زبان طبیعی, دادگان درخت نحوی, زبان فارسی. 95 115 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-623-1&slc_lang=fa&sid=1 2013/10/72013/11/242014/07/212014/06/142014/07/132014/08/22013/06/72014/09/25 1393/7/3 2016/01/52015/09/122015/05/42015/04/32015/09/82015/04/212014/01/262015/09/8 1394/6/17 Fatemeh Soltanzadeh Sharif University of technology فاطمه سلطان زاده fatemeh.slt@gmail.com 0031947532846002473 0031947532846002473 Yes دانشگاه صنعتی شریف Mohammad Bahrani Sharif University of technology محمد بحرانی bahrani@sharif.edu 0031947532846002474 0031947532846002474 No دانشگاه صنعتی شریف Moharram Eslami University of Zanjan محرم اسلامی meslami@znu.ac.ir 0031947532846002475 0031947532846002475 No دانشگاه زنجان

fa رفع ابهام معنایی واژگان مبهم فارسی با مدل موضوعی LDA ابهام زدایی از واژگان مبهم و دارای معانی متعدد موضوع مهمی در حوزه ی پردازش زبان های طبیعی می باشد. در این مقاله، مدلی برای رفع ابهام از واژگان مبهم فارسی بر اساس استخراج ویژگی های جدید پیشنهاد شده است. برای ایجاد این مدل دو دسته ویژگی واژگان و نشانه های همراه واژه مبهم و ویژگی هایی که با بکار بردن روش های مدل سازی موضوع بدست می آید، استفاده شده است. یک مدل موضوعی، مدلی آماری برای استخراج چکیده موضوعات موجود در اسناد یک پیکره است. در مقاله حاضر ما از روش بدون سرپرستی تخصیص پنهان دریکله(LDA) برای این منظور استفاده کرده‌ایم. نتایج آزمایشات برای چهار واژه مبهم پر تکرار در زبان فارسی که ازپیکره پژوهشکده پردازش هوشمند علائم استخراج شد، دقّت حدود 97.67% را نشان می‌دهد که بیان‌گر مؤثر بودن این روش در یافتن معنی مناسب واژگان مبهم است.   Word sense disambiguation is the task of identifying the correct sense for the word in a given context among a finite set of possible sense. In this paper a model for farsi word sense disambiguation is presented. The model use two group of features: first, all word and stop words around target word and topic models as second features. We extract topics from a farsi corpus with Latent Dirichlet Allocation (LDA) model. The system with a maximum entropy model achieved 97.67% precision for 4 high frequently farsi homograph words Latent Dirichlet Allocation(LDA), Topic Model, Maximum Entropy, Word Sense Disambiguation تخصیص پنهان دریکله, چند معنایی , رفع ابهام معنایی, مدل سازی موضوع 117 125 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-318-1&slc_lang=fa&sid=1 2013/10/72013/11/242014/07/212014/06/142014/07/132014/08/22013/06/72014/09/252013/06/3 1392/3/13 2016/01/52015/09/122015/05/42015/04/32015/09/82015/04/212014/01/262015/09/82016/01/6 1394/10/16 بابک مسعودی babakmasoudi282@yahoo.com 0031947532846002476 0031947532846002476 Yes گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور زابل، سیستان و بلوچستان، ایران saeid rahati ghochani سعید راحتی RahatiMshdiau.ac.ir 0031947532846002477 0031947532846002477 No دانشگاه آزاد اسلامی واحد مشهد