CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

رفع ابهام کلمات در جمله با کلاس بندی معنایی با بهره گیری ازSVM

عنوان مقاله: رفع ابهام کلمات در جمله با کلاس بندی معنایی با بهره گیری ازSVM
شناسه ملی مقاله: EISTC01_003
منتشر شده در اولین کنفرانس بین المللی راهکارهای نوین در مهندسی، علوم اطلاعات و فناوری در قرن پیش رو در سال 1398
مشخصات نویسندگان مقاله:

زهرا دالوند - گروه مهندسی کامپیوتر، واحد خرم آباد، دانشگاه آزاد اسلامی، خرم آباد
صبا جودکی - استادیار گروه نرم افزارگروه مهندسی کامپیوتر، واحد خرم آباد، دانشگاه آزاد اسلامی، خرم آباد، ایران
سجاد نعمتی پویا - گروه مهندسی کامپیوتر، واحد خرم آباد، دانشگاه آزاد اسلامی، خرم آباد

خلاصه مقاله:
به ترجمه ی یک متن طبیعی به زبان دیگری توسط ماشین ترجمه ی ماشینی گفته می شود رفع ابهام واژگان زمانی رخ می دهد که یک کلمه در متن دارای معانی مختلفی باشد ، به هریک از معانی کلمات حالت آن کلمه گفته می شود و هدف انتخاب مناسب ترین معنی کلمه با توجه به نقشی که کلمه هدف در جمله دارد صورت می گیرد ،در روش طبقه بندی سنتی برای رفع ابهام کلمات یک فهرست متشکل از کلمات هم معنی برای کلمه ی هدف مد نظر است بخش عمده ای از طبقه بندی Word Sense Disambiguation این گونه ایجاد می شود که در آن هر طبقه بند یک معنی مناسب از فهرست کلمات هم معنی که برای کلمه ی هدف یشنهاد شده انتخاب می کند از سویی دیگر در روش پیشنهادی شده تنها یک فهرست هم معنی برای تمامی کلمات مورد جستجو به صورت عمومی تعریف می شود و برای هر واژه در متن کلاس معنایی مناسب از یک فهرست هم معنی انتخاب می شود داده های آموزشی برای هر کلاس معنایی آماده می شود سپس داده ها با استفاده از Support Vector Machine مدل سازی می شوند داده ها به وسیله ی کلاس بندی مدل آموزش دیده تست می شوند وکلاس معنایی برای کلمه هدف به عنوان خروجی تولید می شود.

کلمات کلیدی:
رفع ابهام کلمات،کلاس بندی معنایی ،ترجمه ی ماشینی ،طبقه بندی،ابهام،بهبود ترجمه

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/965930/