Signal and Data Processing
پردازش علائم و دادهها
JSDP
Engineering & Technology
http://jsdp.rcisp.ac.ir
1
admin
2538-4201
2538-421X
10.52547/jsdp
1
8888
fa
jalali
1395
3
1
gregorian
2016
6
1
13
1
online
1
fulltext
fa
برچسبزنی خودکار نقشهای معنایی در جملات فارسی به کمک درختهای وابستگی
Automatic Labeling of Semantic Roles in Persian Sentences using Dependency Trees
مقالات پردازش متن
Paper
كاربردي
Applicable
تتشخیص خودکار واژههای دارای نقشهای معنایی (همچون کنشگر، کنشپذیر، منشأ، و ...) در جملات و اختصاص صحیح نقشهای معنایی به آنها توسط رایانه میتواند موجب بهبود کیفیت در بسیاری از کاربردهای پردازش زبان طبیعی همچون استخراج اطلاعات، پرسش و پاسخ، خلاصهسازی، و ترجمۀ ماشینی شود. در چنین پردازشی که برچسبزنی نقش معنایی و یا تجزیۀ معنایی سطحی خوانده میشود معمولاً از تجزیۀ نحوی جملات به منظور تعریف ویژگیهای نحوی استفاده میشود و نوع بازنمایی نحوی مورد استفاده در دقت سامانۀ برچسبزنی نقش معنایی موثر است. در این پژوهش به ارائۀ برچسبزن نقش معنایی مبتنی بر تجزیۀ نحوی کامل میپردازیم. بدین منظور از تجزیهگر نحوی وابستگی و روشهای یادگیری ماشینی استفاده میشود. در برچسبزن ارائهشده سعی شده است که مشکلات برچسبزنهای قبلی ارائهشده برای زبان فارسی، که همگی مبتنی بر تجزیۀ نحوی سطحی بودهاند، رفع شود و معماری سیستم به برچسبزنهای بهروز دنیا نزدیک باشد. نتایج پژوهش نشاندهندۀ دقت مناسب سیستم ارائهشده است.
<p>Automatic identification of words with semantic roles (such as Agent, Patient, Source, etc.) in sentences and attaching correct semantic roles to them, may lead to improvement in many natural language processing tasks including information extraction, question answering, text summarization and machine translation. Semantic role labeling systems usually take advantage of syntactic parsing and therefor the syntactic representation chosen affects the overall performance of the system. In this research, we present a semantic role labeling system based on full syntactic parsing. For this purpose, we use a dependency parser and machine learning methods. In our system, we have made an effort to overcome the problems of previous semantic role labelers for Persian, which all are based on shallow syntactic parsing. The outcome of the system is promising.</p>
برچسبزنی نقش معنایی, تجزیۀ معنایی سطحی, دستور وابستگی, زبان فارسی, پردازش زبان طبیعی, زبانشناسی رایانهای
semantic role labeling, shallow semantic parsing, dependency grammar, Persian language, natural language processing, computational linguistics
27
38
http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-635-1&slc_lang=fa&sid=1
Morteza
Rezaei Sharifabadi
مرتضی
رضائی شریف آبادی
mrezaeis@mehr.sharif.edu
10031947532846002662
10031947532846002662
Yes
Sharif University of Technology
دانشگاه صنعتی شریف
Parvaneh
Khosravizadeh
پروانه
خسرویزاده
khosravizadeh@sharif.edu
10031947532846002663
10031947532846002663
No
Sharif University of Technology
دانشگاه صنعتی شریف