تشخیص صداهای اضافه در پردازش زبان فارسی

در زبان فارسی صداهای اضافه نوشته نمی شوند ولی توسط انسان ها تلفظ می شوند و برای ارتباط دادن کلمات به کار می روند. علامت صداهای اضافه می تواند روی عبارت های اسمی یا صفات قرار بگیرد و برای رفع ابهام به کار رود. در این مقاله مسئله تشخیص صداهای اضافه در زبان فارسی مورد بررسی قرار گرفته است. شناسایی صداهای اضافه در بسیاری از برنامه های کاربردی مرتبط با پردازش زبان طبیعی مانند ابزارهای تبدیل متن به صوت و همچنین تعیین وابستگی کلمات در عبارات اسمی، مفید است. در این مقاله ابتدا روش های مختلف ارائه شده برای شناسایی صداهای اضافه در زبان فارسی مورد بررسی قرار گرفته و سپس مدلی آماری برای برچسب گذاری کلمات همراه با شناسایی صداهای اضافه ارائه می شود. برای ایجاد مدل از روش ماکزیمم آنتروپی و ترکیب آن با قوانین مبتنی بر ویژگی های زبان فارسی استفاده شده است. نتایج حاصل از به کارگیری مدل پیشنهادی در مقایسه با کارهای قبلی نشان دهنده بهبود قابل توجهی در دقت عملیات شناسایی صداهای اضافه است.

کلیدواژه ها:

کسره اضافه ، ماکزیمم آنتروپی ، پردازش زبان فارسی ، برچسب گذاری ادات سخن