مروری بر پردازش زبان طبیعی به زبان فارسی با مدل زبانی برت گوگل

محققان پردازش زبان طبیعی را به عنوان حوزه ای از تحقیق و کاربرد توضیح داده اند که چگونگیاستفاده از کامپیوترها را برای درک و اجرای متن یا گفتار زبان طبیعی برای انجام کارهای مفید بررسیمی کند. طبقه بندی متن در پردازش زبان طبیعی به وظیفه طبقه بندی متن به دسته ها یا کلاس های ازپیش تعریف شده اشاره دارد. این یک تکنیک اساسی است که در برنامه های کاربردی مختلف، ازشناسایی ایمیل های هرزنامه گرفته تا دسته بندی اخبار استفاده می شود. از سوی دیگر، تجزیه و تحلیلاحساسات، یک کاربردخاص در طبقه بندی متن است که بر تعیین احساسات یا عقاید بیان شده در یکمتن، خواه مثبت، منفی یا خنثی تمرکز می کند. جهش مدل های زبانی از قبل آموزش دیده شده، با امکانساخت مدل های زبانی قدرتمند، عصر جدیدی را در زمینه پردازش زبان طبیعی آغاز کرده است. در میاناین مدلها، مدل های مبتنی بر ترانسفورماتور مانند برت به دلیل عملکرد پیشرفت های که دارند، محبوبیتفزایندهای پیدا کردهاند. با این حال، این مدلها معمولا بر زبان انگلیسی متمرکز هستند و زبان های دیگررا به مدلهای چند زبانه با منابع محدود واگذار می کنند، بدین جهت از مدل برت که یک روش نوینبرای تعبیه کلمات است میتوان استفاده کرد. مدل های زبانی گوگل در تقویت موتورهای جستجو،خدمات ترجمه و سایر برنامه های کاربردی مرتبط با زبان، تقویت ارتباطات و دسترسی بهتر در مناظرمختلف زبانی بسیار مهم بوده است.

کلیدواژه ها:

پردازش زبان طبیعی ، مدل bert ، تحلیل احساسات ، طبقه بندی متن ، زبان فارسی