رویکردی میان‌زبانی برای ساخت مجموعه‌دادهٔ موجودیت‌های نامدار با بهره‌گیری از انتقال دانش

رویکردی میان‌زبانی برای ساخت مجموعه‌دادهٔ موجودیت‌های نامدار با بهره‌گیری از انتقال دانش

ریحانه برومند1 مرضیه رحیمی2

1) دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شاهرود، شاهرود، ایران
2) دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شاهرود، شاهرود، ایران

کد IOI مقاله : AAHD-ABKDGK
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    در این پژوهش، رویکردی نوین برای ایجاد یک مجموعه ‌دادهٔ فارسیِ با عملکرد برتر در بازشناسی موجودیت‌های نامدار، با بهره‌گیری از یادگیری انتقالی میان‌ زبانی، ارائه شده است. روش پیشنهادی با استفاده از هم‌ترازی آگاه از ترجمه، تطبیق دوگانه و فیلتر سازی نویزی، می‌تواند بر محدودیت‌های اصلی موجود بر رویکردهای فعلیِ غلبه کند. مجموعه‌دادهٔ تولیدشده، عملکرد مطلوبی را در طیف متنوعی از مدل‌های بازشناسی موجودیت‌های نامدار نشان می‌دهد. این مقاله علاوه بر ارائهٔ یک روش جدید، منبعی زبانی و ارزشمند برای وظایف پردازش زبان‌های کم‌منبع فراهم می‌کند. در پژوهش‌های آینده، گسترش روش پیشنهادی به زبان‌های دیگر، به‌کارگیری روش‌های یادگیری فعال، و بهبود مرحلهٔ هم‌ترازی با بهره‌گیری از بازنمایی‌های چندزبانه مدنظر خواهد بود.

کلمات کلیدی : شناسایی موجودیت‌های نام‌دار (ner) یادگیری انتقالی بین‌زبانی زبان‌های کم‌منبع پردازش زبان طبیعی انتقال برچسب‌گذاری