بهبود طبقه بندی پرسش با استفاده از انتخاب ویژگی مبتنی بر برچسب های نقش دستوری (POS)

در سال های اخیر، سامانه های پرسش وپاسخ (Question Answering Systems) به یکی از مهم ترین کاربردهای پردازش زبان طبیعی تبدیل شده اند. یکی از اجزای کلیدی این سامانه ها، طبقه بندی پرسش است که وظیفه تعیین نوع پرسش و پاسخ مورد انتظار را بر عهده دارد. با وجود پیشرفت های گسترده در زبان انگلیسی، پژوهش در زبان هایی مانند تایلندی به دلیل ویژگی های ساختاری خاص، همچنان با چالش هایی روبه رو است. در این مقاله، یک روش انتخاب ویژگی مبتنی بر برچسب های نقش دستوری (Part-of-Speech) برای بهبود عملکرد طبقه بندی پرسش پیشنهاد شده است. در این روش، تمرکز بر برچسب های دستوری موثر مانند اسم، فعل، صفت و تعیین کننده قرار گرفته و تاثیر آن ها بر دقت مدل های یادگیری ماشین و یادگیری عمیق بررسی شده است. نتایج آزمایش ها روی دیتاست TREC-۶ و مجموعه ای از جملات تایلندی نشان می دهد که استفاده از POSهای تمرکزی می تواند به طور معناداری عملکرد طبقه بندی پرسش را بهبود دهد.

کلیدواژه ها:

طبقه بندی پرسش ، پردازش زبان طبیعی ، برچسب نقش دستوری ، انتخاب ویژگی ، یادگیری ماشین