تشخیص خودکار جنسیت نویسنده متن فارسی با استفاده از مدل پارس برت و ویژگی های زبانی

متون نوشتاری دربردارنده اطلاعات زبانی ارزشمندی هستند که می توان از آن ها برای تعیین جنسیت نویسنده بهره برد. دراین بین، استفاده از الگوریتم های یادگیری عمیق در پردازش متون زبان طبیعی، شناسایی الگوهای پنهان در داده ها را آسان کرده است. در این پژوهش با هدف شناسایی جنسیت نویسنده در زبان فارسی با تنظیم دقیق پارامترهای مدل پارس برت، سامانه ای برای این زبان طراحی شد. به این منظور، باتکیه بر ویژگی های زبانی متمایزکننده جنسیتی، ابتدا پیکره ای شامل ۵۰۰۰ سند برچسب گذاری شده تهیه شد. سپس سامانه ای مبتنی بر ویژگی های زبانی و تعبیه سازی برداری طراحی شد. این سامانه با روش اعتبارسنجی متقابل ۱۰-تایی ارزیابی شد. برپایه یافته ها، معیار-اف در سامانه طراحی شده، معادل ۵/۷۶ درصد تعیین شد. همچنین مشخص شد مدل پیشنهادی در مقایسه با دسته بندی های رایج یادگیری ماشین و در مقایسه با مدل حافظه طولانی کوتاه مدت، عملکرد مطلوب تری دارد. افزون براین، مقایسه عملکرد سامانه بر پیکره تهیه شده در این پژوهش با پیکره های پیشین، بهبود عملکرد سامانه را نشان داد. بنابراین، بهره گیری از روش های نوین همچون مدل پارس برت و استفاده از دادگان مناسب، از دستاوردهای اصلی این پژوهش محسوب می شود.

کلیدواژه ها:

شناسایی خودکار جنسیت نویسنده ، پیکره برچسب گذاری شده جنسیتی ، مدل پارس برت ، تفاوت های گفتاری جنسیت ، تعبیه سازی متن