```
پایان نامه > کتابخانه مرکزی دانشگاه صنعتی شاهرود > مهندسی کامپیوتر > مقطع کارشناسی ارشد > سال 1405
پدیدآورندگان:
علی زیدان خلف الموزانی [پدیدآور اصلی]، مرضیه رحیمی[استاد راهنما]
چکیده: تشخیص موجودیت‌های نامدار میان‌زبانی یکی از مسائل کلیدی در پردازش زبان طبیعی است که نقش مهمی در استخراج اطلاعات، بازیابی دانش و تحلیل متون چندزبانه دارد. با وجود پیشرفت روش‌های مبتنی بر مدل‌های زبانی چندزبانه، همچنان عملکرد این مدل‌ها در زبان‌های کم‌منبع مانند فارسی با چالش‌هایی نظیر کمبود داده‌های برچسب‌خورده، ناهماهنگی معنایی میان زبان‌ها و ضعف در مدل‌سازی روابط ساختاری میان واژه‌ها مواجه است. روش‌های پیشین عمدتاً بر برچسب‌گذاری ترتیبی و انتقال مستقیم دانش از زبان‌های پرمنبع تکیه داشته‌اند که این امر منجر به کاهش دقت در تشخیص موجودیت‌ها، به‌ویژه در متون فارسی، شده است. در این پژوهش، یک چارچوب مبتنی بر یادگیری تقابلی چندلایه و مدل‌سازی روابط ساختاری میان واژه‌ها ارائه شده است که با بهره‌گیری از داده‌های هیبرید و یادگیری خودنظارتی، شکاف میان زبان انگلیسی و فارسی را کاهش می‌دهد. همچنین استفاده از داده‌های بدون برچسب فارسی موجب بهبود قابلیت تعمیم مدل شده است. نتایج آزمایش‌ها نشان داد که مدل پیشنهادی عملکرد بهتری نسبت به روش‌های پایه داشته و مقدار F1 در زبان فارسی 85/68 شده است. همچنین در برخی کلاس‌های موجودیت مانند PER مقدار F1 به حدود 77/0 رسیده است. این بهبودها نشان‌دهنده اثربخشی چارچوب پیشنهادی در ارتقای دقت و پایداری مدل در محیط‌های میان‌زبانی است.
کلید واژه ها (نمایه ها):
#کلمات کلیدی: تشخیص موجودیت‌های نامدار #یادگیری تقابلی #مدل‌های زبانی چندزبانه #پردازش زبان فارسی #یادگیری خودنظارتی
محل نگهداری: کتابخانه مرکزی دانشگاه صنعتی شاهرود
یادداشت: حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.
تعداد بازدید کننده:
پایان نامه های مرتبط (بر اساس کلیدواژه ها)