تشخیص موجودیت های نام دار در ساختارهای معنایی تودرتو با استفاده از مکانیزم توجه

یکی از فرایندهای پرکاربرد در پردازش زبان طبیعی که نقش وبژه ای در بهبود کیفیت سایر فرایندهای مرتبط دارد،تشخیص موجودیت های نام دار است؛ ولی انجام این فرایند به دلیل تعدد مفاهیم معناشناسی تودرتو در متون، به آسانیممکن نیست و در پردازش زبان طبیعی به یک مشکل جدی تبدیل شده است. در مطالعاتی که تا کنون انجام شده ازیک مقیاس برای استخراج ویژگی ها استفاده شده و به همین دلیل بخش عمده ای از اطلاعات موجود در متن لحاظنشده و در نتیجه خطای تشخیص زیاد بوده است. برای حل این مشکل، در این مقاله روشی مبتنی بر مکانیزم توجهچندمقیاسی برای تشخیص موجودیت های نام دار در ساختارهای معنایی تودرتو معرفی شده است. در این روش با تلفیقمدل BERT و شبکه های BiLSTM اطلاعات غنی تری برای استخراج ویژگی آماده شده و در ادامه با استفاده ازمکانیزم توجه چندمقیاسی ترکیبی از ویژگی های مناسب برای تشخیص موجودیت های نام دار استخراج می شوند. نتایجحاصل از اجرای مدل برروی سه مجموعه داده ی متفاوت نشان می دهند که امتیاز F۱ خروجی این مدل در حالتمیانگین ۸۶/۴۱% بوده است.