طبقه بندی اسامی فارسی با استفاده از طبقه بندی کننده ترکیبی

یک سیستم شناسایی و طبقه‌بندی اسامی ( NER: Name Entity Recognition ) سیستمی است که می تواند یک یا چند نوع از اسامی را در متن شناسایی و طبقه‌بندی کند.هر چند که در دهه اخیر کارهای زیادی بر روی سیستمهای شناسایی و طبقه‌بندی اسامی در زبانهای مختلف و دامنه های مختلف انجام شده است اما در زبان فارسی، با توجه به عدم وجود یک مجموعه داده کامل به همراه برچسبهای غنی، تاکنون پژوهش های کمتری در این ضمینه انجام شده است. یکی از مشکلاتی که در طبقه بندی اسامی وجود دارد نامتوازن بودن حجم طبقات اسامی در متون است که این امر باعث ایجاد انحراف در آموزش الگوریتم طبقه بندی و کاهش دقت سیستم می گردد. برای حل این مشکل می توان با استفاده از الگوریتم های پیش پردازش حجم این طبقات را متوازن تر کرد علاوه بر این استفاده از یک طبقه بندی کننده ترکیبی سلسله مراتبی این مشکل را تا حدی بهبود می دهد در این مقاله از مجموعه داده پژوهشکده هوشمند علائم برای طبقه بندی اسامی استفاده شده است. استفاده از یک طبقه بندی کننده ترکیبی سلسله مراتبی با دو شبکه عصبی 92 در صد صحت را نشان می دهد که نسبت به یک طبقه بندی کننده ساده(شبکه عصبی) چهار درصد بهبود را نشان می دهد.

کلیدواژه ها:

پردازش زبان طبیعی ، شناسایی و طبقه‌بندی اسامی ، طبقه بندی ترکیبی ، شبکه عصبی