RT - Journal Article T1 - Part Of Speech Tagging of Persian Language using Fuzzy Network Model JF - jsdp YR - 2019 JO - jsdp VO - 15 IS - 4 UR - http://jsdp.rcisp.ac.ir/article-1-536-fa.html SP - 123 EP - 130 K1 - : Natural language processing K1 - Part of speech (POS) tagging K1 - Persian language K1 - Fuzzy K1 - Neural network AB - برچسب‌گذاری ادات سخن یکی از مسائل مطرح در حوزۀ پردازش زبان‌های طبیعی است. هدف در این مسئله تعیین نقش واژگان در جمله است. برحسب این برچسب‌گذاری ویژگی‌های دستوری و نحوی واژگان نیز مشخص می‌شود. در این مقاله یک روش مبتنی بر آماری برای ادات سخن فارسی پیشنهاد شده است. در این روش محدودیت‌های روش‌های آماری با استفاده از معرّفی یک مدل شبکه فازی کاهش پیدا کرده است؛ به­طوری­که در­صورت وجود تعداد کمی دادۀ آموزشی، مدل فازی پارامترهای قابل اطمینان‌تری را تخمین می‌زند. در این روش ابتدا هنجار‌سازی به‌عنوان پیش‌پردازش صورت گرفته و سپس فراوانی هر واژه با توجه به برچسب مربوطه به‌صورت یک تابع فازی تخمین زده و سپس مدل شبکه فازی تشکیل ­شده و درجۀ هر یال در این شبکه با استفاده از یک شبکۀ عصبی و تابع عضویت مشخص می‌شود. درنهایت بعد از این­که مدل شبکۀ فازی برای یک جمله ساخته شد، از الگوریتم ویتربی برای تعیین محتمل‌ترین مسیر در این شبکه استفاده شده است. نتایج آزمایش روی پیکرۀ بی‌جن‌خان کارایی این روش را تأیید کرده و نشان می‌دهد که روش پیشنهادی در شرایطی که داده‌های آموزشی کم­تری در اختیار باشد، از روش‌های مشابه، مثل مدل مخفی مارکوف عملکرد بهتری دارد. LA eng UL http://jsdp.rcisp.ac.ir/article-1-536-fa.html M3 10.29252/jsdp.15.4.123 ER -