Signal and Data Processing

fa تشخیص موجودیت‌های نامدار در متون فارسی با استفاده از یادگیری عمیق Named Entity Recognition in Persian Text using Deep Learning مقالات پردازش متن Paper پژوهشي Research <div style="text-align: justify;">شناسایی موجودیت‌های نامدار<a href="#_ftn1" name="_ftnref1" title="">[1]</a> یکی از فعالیت‌های زیربنایی در حوزه پردازش زبان طبیعی<a href="#_ftn2" name="_ftnref2" title="">[2]</a> و به‌طور‌کلی زیر‌مجموعه‌ای از استخراج اطلاعات<a href="#_ftn3" name="_ftnref3" title="">[3]</a> 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<a href="#_ftn4" name="_ftnref4" title="">[4]</a> 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.</div> <div><div style="text-align: justify;"></div> <hr align="left" size="1" width="33%" > <div id="ftn1" style="text-align: justify;"><a href="#_ftnref1" name="_ftn1" title="">[1]</a> Named Entity Recognition</div> <div id="ftn2" style="text-align: justify;"><a href="#_ftnref2" name="_ftn2" title="">[2]</a> Natural Language Processing</div> <div id="ftn3" style="text-align: justify;"><a href="#_ftnref3" name="_ftn3" title="">[3]</a> Information Extraction</div> <div id="ftn4" style="text-align: justify;"><a href="#_ftnref4" name="_ftn4" title="">[4]</a> Deep Learning</div> </div> <div style="text-align: justify;">Named entities recognition is a fundamental task in the field of natural language processing. It is also known as a subset of information extraction. The process of recognizing named entities aims at finding proper nouns in the text and classifying them into predetermined classes such as names of people, organizations, and places. In this paper, we propose a named entity recognizer which benefits from neural network-based approaches for both word representation and entity tagging. In the word representation part of the proposed model, two different vector representations are used and compared: (1) the semantic representation of words based on their context using word2vec continues skip-gram model, and (2) the semantic representation of words based on their context as well as characters forming them using fasttext. While the former model captures the semantic concepts of words, the latter one considers the morphological similarity of words as well. For the entity identification, a deep Bidirectional Long Short Term Memory (BiLSTM) network is used. Using LSTM model helps to consider the history of text when predicting entities, while the BiLSTM model expands this idea by benefiting from the history from both sides of the context. Moreover, inline of the present research, an annotated corpus containing 3000 abstracts (90000 tokens) from the Persian Wikipedia is provided. In contrast to the available datasets in the field, which includes up to 7 label types, the new dataset contains 15 different labels, namely person individual, person group, organizations, locations, religions, books, magazines, movies, languages, nationalities, events, jobs, dates, fields, and other. Developing this dataset will be an important step in promoting future research in this field, especially for the tasks such as question answering that need wider range of entity types. The results of the proposed system show that by using the introduced model and the provided data, the system can achieve 72.92 F-measure.</div> تشخیص موجودیت‌های نامدار, پردازش زبان طبیعی, بازنمایی معنایی کلمات, یادگیری عمیق Name entity recognition, natural language processing, word embedding, deep learning 93 112 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-1467-1&slc_lang=fa&sid=1 Saeedeh Momtazi سعیده ممتازی momtazi@aut.ac.ir 10031947532846008600 10031947532846008600 Yes Amirkabir University of Technology دانشگاه صنعتی امیرکبیر Farzaneh Torabi فرزانه ترابی f9torabi@gmail.com 10031947532846008601 10031947532846008601 No Amirkabir University of Technology دانشگاه صنعتی امیرکبیر