طراحی چارچوبی ترکیبی برای سنجش سطح سبکی جمله های فارسی از محاوره ای تا ادبی با تکیه بر ویژگی های زبانی و ParsBERT

سنجش خودکار سبک زبانی در زبان فارسی به ویژه در سطح جمله می تواند به شناخت دقیق تر تفاوت میان زبان محاوره ای معیار، رسمی و ادبی کمک کند. این پژوهش چارچوبی ترکیبی برای سنجش سطح سبکی جمله های فارسی در مقیاس ۱ تا ۱۰ ارائه می کند. در این چارچوب سطح سبکی جمله بر اساس فاصله از گفتار روزمره، میزان رسمیت، فخامت، تصویرسازی و کاربرد واژگان ادبی تعریف می شود. روش پیشنهادی از ترکیب ویژگی های زبانی قابل توضیح و بازنمایی برداری جمله با مدل زبانی ParsBERT استفاده می کند و امتیاز سبکی را با رگرسیون ریج پیش بینی می کند. برای ارزیابی مقدماتی، پیکره ای شامل ۵۰۰۰ جمله فارسی تولید شده با کمک سامانه هوش مصنوعی مولد و دارای برچسب اولیه سبکی به کار گرفته شد. مدل در مجموعه آزمون به میانگین خطای مطلق ۰.۱۱۱ و ریشه میانگین مربعات خطا ۰.۱۵۷ رسید. نتایج نشان می دهد چارچوب پیشنهادی از نظر فنی قابل اجراست و توانسته الگوهای موجود در پیکره اولیه را با خطای پایین بازسازی کند؛ با این حال، به دلیل ماهیت تولیدی و غیرانسانی پیکره، این نتایج باید به عنوان ارزیابی مقدماتی تفسیر شوند و برای سنجش تعمیم پذیری، روش ارزیابی روی جمله های واقعی فارسی همراه با داوری انسانی ضروری است.

کلیدواژه ها:

پردازش زبان طبیعی ، زبان فارسی ، زبان شناسی رایانشی ، یادگیری ماشین ، تحلیل سبک متن ، مدل های زبانی پیش آموخته ، بازنمایی برداری متن ، رگرسیون ریج