تعمیمی برمدل آماری پردازش ماشینی زبان طبیعی برای تطبیق سوال فارسی

فضای اینترنت شامل حجم عظیمی ازاطلاعات و ازآن جمله جفت های پرسش و پاسخ است لذا این قابلیت که بتوانیم سوال معادل و یا سوال مشابه با سوال کاربر را به سرعت یافته وپاسخ مربوطه را ارایه دهیم اهمیت ویژه ای یافته است دراین زمینه کوشش هایی برای سایرزبانها صورت پذیرفته است دراین مقاله روشی مبتنی برترکیب فضای برداری و تعمیمی ازمدلهای زبانی یونی گرم و بای گرم برای تطابق سوال فارسی ارایه میگردد روشمورد نظر پیاده سازی و برروی داده های محک انبوه ارزیابی شده اند داده های محک شامل بایگانی سرویس پرسش و پاسخ برخط راسخوان که ح اوی بیش ازهجده هزارجفت پرسش و پاسخ است می باشد حجم نتایج این تحقیق می باشند دربخش ارزیابی میزان بهبود مدل نسبت به روشی که تنها فضای برداری استفاده شود نیز مقایسه شده است نتایج این مقایسه نشان از بهبود معیارهای دقت و فراخوانی با استفاده ازمدلهای زبانی ارایه شده است همچنین این مدل درمقایسه با مدلهای تطبیق سوال ارایه شده برای سایرزبانها که ازروشهای پیچیده تری مانند هستان شناسی درتطبیق سوال استفاده کرده اند نیز پاسخ بهتری را ارایه میدهد

کلیدواژه ها:

پردازش زبان طبیعی ، تطبیق سوال ، مدل آماری زبان ، الگوریتم کارآمد