ورود
مقالات فارسیISIکنفرانسهاژورنالها

بررسی جامع روشهای یادگیری و تکنیک های ابهام زدایی مفهوم کلمات الگویتم های ان در پردازش زبان طبیعی

محل انتشار: سومین کنفرانس بین المللی پژوهشهای کاربردی در مهندسی کامپیوتر و فن آوری اطلاعات
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 830

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/467195

شناسه ملی سند علمی:

CITCONF03_624

تاریخ نمایه سازی: 12 تیر 1395

چکیده مقاله:

پردازش زبانهای طبیعی یکی از زیر شاخه های مهم در حوزه هوش مصنوعی و دانش زبان شناسی است یکی ازاولین مشکلاتی که در هر سیستم پردازش زبان طبیعی وجود دارد. مسئله ابهام معنایی و ساختاری کلمات است قسمت عمده ای از این ابهام به کمک روالی به نام نشانه گذار بخش کننده جملات که برایتیین نقش کلمات در جمله مورد استفاده قرار می گیرد برطرف می شود. در این مقاله روشهای یادگیری و تکنیکهای ابهام زدایی مفهوم کلمات را که شامل روش با ناظر، بدون ناظر، نیمه ناظر و روش مبتنی بر پایگاه دانش و فرهنگ لغت است را بررسی کردیم. دراین مقاله روشهای یادگیری داانش و فرهنگ لغت است را بررسی کردیم و باتوجه به الگوریتم هایموجود در آن و معایب ومزایای این روشها عملکرد این روشها را مطرح کردیم.

کلیدواژه ها:

ابهام زدایی مفهوم کلمات روش باناظر ، روش بدون ناظر ، روش نیمه ناظر و روش مبتنی بر پایگاه دانش و فرهنگ لغت

نویسندگان

علی وحید رودسری

کارشناسی ارشد مهندسی فناوری اطلاعات دانشگاه گیلان گروه کامپیوتر رشت ایران

کبری خوشرفتار

دانشجوی کارشناسی ارشد دانشگاه آزاد واحد چالوس رشته نرم افزار چالوس ایران

اعظم عندلیب

دانشجوی دکتری تخصص مهندسی کامپیوتر نرم افزار عضو هیئت علمی دانشگاه آزاد واحد رشت ایران

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 :
  • حمیدرضا آموزگار، حمیدرضا طهماسبی. "مقایسه‌ی دقت تکنیک‌های کلاسه بندی در ...
  • مشهد. ارائه: شهریور ماه 1389. 22 فروردین .http :/www.ecg- _ ...
  • احسان حسامی، _ دکتر محمودی. ' " ابهام زدایی مفهوم ...
  • راحله کافی چراغی، مجتبی پور محقق. "یادگیری عامل‌های مصنوعی". دانشگاه ...
  • مهسا المعی نژاد ."روش‌های Bagging و Boosting به منظور رفع ...
  • فاطمه عارفیان، مهدی افتخاری. "روش جدید K نزدیکترین همسایه فازی ...
  • Crystal D., "The Cambridge Encyclopedia of Language", 2nd edition, Cambridge ...
  • Manning, C. D., and Schutze, H., " Foundations of Statistical ...
  • Ch.Ho, M.Murad, R.Kadir, Sh.Doraisamy. "Word Sense Dis ambiguation -based Sentence ...
  • T.Miller, N.Erbs, H.Zorn, T.Zesch, I.Gurevych. "DKPro WSD - A Generalized ...
  • Z.Zhong, H.Tou, Y.Chan. "Word Sense Di sambiguation Using OntoNotes: An ...
  • P.Bala. "Knowledge Based Approach for Word Sense Dis ambiguation using ...
  • R.Navigli, "Word Sense Dis ambiguation: A Survey", ACM Computing Surveys, ...
  • pagcs 78-83, Uppsala, Sweden, 13 July 2010. G 2010 ...
  • Tamilselvi Pa, S .K.Srivatsab. "Optimal Word Sense Dis ambiguation with ...
  • D.Buscaldi, P.Rosso, F.Pla, E.Segarra, and E.Sanchis Arnal. "Verb Sense Dis ...
  • Judita, M.Stevenso. "Unsupervised Domain Tuning to Improve Word Sense Di ...
  • .Fulmari, M.Chandak. "A Survey On ...
  • Di sambiguation _ _ International Journal of Advanced Research in ...
  • M.Kearns (1988); Thoughts _ Hypothesis Boosting, Unpublished manuscript (Machine Learning ...
  • Schapire, Robert E. (1990). "The Strength of Weak Learnability". Machine ...
  • Y .Freund and Robert E. Schapire (1997); A Decision- Theoretic ...
  • L.Breiman (1998); Arcing Classifier (with Discussion and _ Rejoinder by ...
  • L.Mason, J.Baxter, P.Bartlett, and M.Frean (2000); Boosting Algorithms as Gradient ...
  • Y.Lee. " Randomnes and Computation: Lecturer: Ronitt Rubinfeld, Lecture 11". ...
  • L.Song, _ S emi- supervised learning and active learning" .Machine ...
  • P.Chen, WDing, Ch.Bowes, D.Brown. _ Fully Unsupervi sedWord Sense D ...
  • Technologies: The 2009 Annual Conference of the North American Chapter ...
  • M.Stevenson, Y. Guo and R.Gaizauskas, D.Martinez. "Knowledge Sources forWord Sense ...
  • D.Chaplot, Prof. B hattacharyya. "Literature Survey on Un S up ...
  • A.Raviv, Sh .Markovitch. _ Concept-B ased Approach toWord-Sense Dis ambiguation" ...
  • D.Yuret, M.Yatbaz. _ The Noisy ChannelMo del for Unsupervised Word ...
  • G.Tomar, M.Singh, Sh.Rai, A.Kumar, R.Sanyal, S.Sanyal. "Probabilistic Latent Semantic Analysis ...
  • S.Brody, R.Navigli, M.Lapata. "Ensemble Methods for Unsupervised WSD". Proceedings of ...
  • A.Ssgaard. _ S emisupervised condensed nearest neighbor for part-of-speech tagging". ...
  • Ms. Ankita Sati. "Review: Semi-S upervised Learning Methods for Word ...
  • M.Khapra, S.Joshi, A.Chatterjee, P _ Bhattacharyya. "Together We Can: Bilingual ...
  • A.Carlson, "Coupled Semi- Supervised Learning". Submitted in partial fulfillment of ...
  • School of Computer Science Carnegie Mellon University Pittsburgh, PA 15213, ...
  • L. Michael, 0Automatic Sense di sambiguation using machine readable dictionaries: ...
  • R.Cabrera, P.Rosso, M.Gomez, L.Pineda, and D.Avendaio. _ S emi- supervised ...
  • Stevenson, Mark, Y.Wilks, "The interaction of knowledge sources in word ...
  • Vasilescu, Florentina, P.Langlais, G.Lapalme, " Evaluating variants of the Conference ...
  • Resources and Evaluation (LREC), Lisbon, Portugal, 633 -636. 2004. ...
  • S.Banerjee, T.Pedersen, ; An Adapted Lesk Algorithm for Word Sense ...
    • نمایش کامل مراجع