رابطه بین مدل N-Gram با زنجیره مارکوف و کاربرد آن در پیش بینی کلمات
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,192
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISST01_132
تاریخ نمایه سازی: 5 مرداد 1392
چکیده مقاله:
در اینم مقاله سهی می کنیم ابتدا به بررسی و ریشه یابی زبان مدل سازی n-gram پرداخته و از طریق یک مثال کاربردی رابطه بین این مدل آماری زبان و زنجیره مارکوف را توصیف می کند. زبان طبیعی (natural language)، به زبانی م یگویند که بین انسان ها رایج است و انسان ها می توانند از آن برای ارتباط با یکدیگر به صورت های نوشتن، حرف زدن، خواندن و ... استفاده می شود. وقتی می گوییم مدل سازی زبان طبیعی، یعنی بیاییم و روابط و قواعد زبان را به طور هدفمند، ساده کنیم تا به ابزاری برسیم که بتوان از آن برای بررسی زبان و استفاده یا حتی تولید آن استفاده کرد. بسیاری از این مدل ها از یک پس زمینه ریاضی برخوردار هستند، مانند گراف، احتمالات و ... در طول این تحقیق تلاش شده است تا کاربردهای این زبان که در واقع برپایه مدل سازی بنا نهاده شده مورد بررسی قرار گیرد. تشریح مدل های n-gram و مشاهدات آماری آنها از دیگر محتویات این مقاله می باشد. موضوع مهمی همچون تقریب تطابق های زیانی نیز در نظر گرفته شده است. در مثال کاربردی ارائه شده سعی شده است که نحوه پیش بینی و تاثیر انواع الگوریتم های ارائه شده برای این مدل سازی مورد بررسی قرار گرفته که در 4 حوزه که با انجام کارهای تکراری متنی روبرو بوده و روزانه زمان زیادی صرف رسیدگی به این امور که با خطای بالایی هم همراه هستند می شود، پیاده سازی شده است.
کلیدواژه ها:
نویسندگان
ولی الله سرلک
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، هوش مصنوعی، دانشگاه بین الم
میترا گودرزی
کارشناس مهندسی فناوری اطلاعات، دانشگاه پیام نور الیگودرز
مجید وفایی جهان
استادیار گروه کامپیوتر، هوش مصنوعی، دانشگاه بین المللی امام رضا (ع) م
جابر پور سلیمان
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، هوش مصنوعی، دانشگاه بین الم
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :