دانلود پایان نامه ارشد : شناسایی مشخصه ­های مناسب موجود در متن جهت رفع ابهام معنایی

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کامپیوتر 

گرایش : نرم‌افزار

عنوان : شناسایی مشخصه ­های مناسب موجود در متن جهت رفع ابهام معنایی

دانشگاه شیراز

دانشکده مهندسـی برق و کامپیوتر

پایان‌نامه‌ی کارشناسی ارشد در رشته‌ی مهندسی کامپیوتر- نرم‌افزار

 شناسایی مشخصه ­های مناسب موجود در متن جهت رفع ابهام معنایی

 اساتید راهنما

دکتر محمد هادی صدرالدینی

دکتر مصطفی فخراحمد

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود(در فایل دانلودی نام نویسنده موجود است)تکه هایی از متن پایان نامه به عنوان نمونه :(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است) چکیدهبه جرأت می­توان ادعا کرد که عصر حاضر، عصر انفجار اطلاعات است و شاید بتوان زبان را بعنوان مهمترین سد و مانع در انتقال اطلاعات دانست. بنابراین ضرورت بکارگیری ماشین در پردازش و ترجمه­ی متون تبدیل به نیازی غیر قابل انکار شده است. اما مشکلاتی که بر سر راه مترجم­های ماشینی وجود دارد مانع شده تا این مهم از کیفیت و دقت کافی برخوردار باشد.یکی از تأثیرگذارترین مسائل در دقت و کیفیت ترجمه­ی ماشینی، رفع ابهام معنایی است که دقت در آن باعث بالا رفتن دقت کل عمل ترجمه می­گردد. منظور از رفع ابهام معنایی انتخاب معنای مناسب کلمه با توجه به متن، برای کلماتی است که دارای چندین معنای متفاوت هستند. لذا در این پژوهش سعی شده است تا به بررسی روش­های مختلف و ایده­های متفاوت پرداخته و با ارائه­ی شیوه­ای متفاوت در این راستا قدمی برداریم.روش ارائه شده در این پایان نامه، روشی مبتنی بر دانش است که با بهره­گیری از اطلاعات تکمیلی پیرامون کلمه­ی مبهم در متن و ارائه­ی یک روش امتیازدهی، به رفع ابهام می­پردازد. به این منظور از یک طرف با بکارگیری وردنت و منابع دیگری که به نوعی مکمل وردنت هستند، فهرستی از کلمات مرتبط با کلمه­ی مبهم تهیه کرده و از طرف دیگر کلمات همراه با کلمه­ی مبهم در متن را از پیکره­ی مورد نظر استخراج می­کنیم. سپس با استفاده از یک رابطه­ی امتیازدهی، معنایی که دارای بیشترین امتیاز است و مرتبط­تر به نظر می­رسد را انتخاب می­کنیم. در نهایت، دقت روش ارائه شده را بررسی کرده و نتایج را با دقت سایر روش­ها مقایسه می­کنیم.کلمات کلیدی: رفع ابهام معنایی، دیدگاه مبتنی بر دانش، وردنت، وردنت توسعه یافته، ترجمه­ی ماشینیفهرست مطالب عنوان                         صفحهفصل اول: مقدمه1-1- مقدمه. 21-2- پردازش زبان­های طبیعی.. 31-3- ترجمه­ی ماشینی.. 81-3-1- روش­های ترجمه­ی ماشینی  101-3-1-1- روش­های مبتنی بر قانون.. 111-3-1-2- روش­های مبتنی بر پیکره 131-3-2- عوامل موثر بر کیفیت ترجمه  151-4- ساختار رساله. 17فصل دوم: رفع ابهام معنایی2-1- مقدمه. 202-2- انواع منابع دانش.... 222-2-1- منابع دانش ساختیافته  232-2-2- منابع دانش بدون ساختار 242-2-2-1 تقسیم­بندی دیگری از پیکره­ها 252-3- رویکردهای مختلف در رفع ابهام معنایی.. 262-3-1- دیدگاه مبتنی بر پیکره 262-3-1-1- سیستم­های نظارتی.. 262-3-1-2- سیستم­های غیرنظارتی.. 272-3-2- دیدگاه مبتنی بر دانش    282-3-3- دیدگاه ترکیبی و خلاقانه  302-4- فاکتورهای ارزیابی.. 302-4-1- پوشش    312-4-2- دقت   312-4-3- درستی و یادآوری  312-4-4- F-SCORE  32فصل سوم: مروری بر کارهای مرتبط پیشین3-1-  مقدمه. 343-2- روش­های نظارتی.. 353-3- روش­های غیرنظارتی.. 393-4- روش­های مبتنی بر دانش.... 413-5- روش­های ترکیبی و خلاقانه. 44فصل چهارم: روش پیشنهادی4-1- مقدمه. 514-2- معرفی ابزارها و منابع مورد استفاده 524-2-1- ریشه­یاب   524-2-2- برچسب گذار بخشی از گفتار 534-2-3- وردنت   544-2-4- وردنت توسعه یافته  574-2-5- دامنه­ی وردنت   594-3- مراحل روش پیشنهادی.. 594-3-1- استخراج کلمات همراه 604-3-1-1- پیش پردازش.... 614-3-2- استخراج فهرست لغات   614-3-2-1- کلمات مترادف و تعاریف... 624-3-2-2- کلیه­ی روابط معنایی.. 624-3-2-3- هایپرنیم در چند سطح.. 634-3-2-4- دامنه­ی کلمات... 644-3-2-5- امتیازدهی.. 64فصل پنجم: پیاده­سازی و ارزیابی5-1-  مقدمه. 675-2- نتایج.. 68فصل ششم: جمع­بندی و نتیجه­گیری6-1- جمع­بندی.. 716-2- کارهای آتی.. 72فهرست منابع.. 741-1- مقدمهتولید حجم عظیمی از مقالات و مستندات، جامعه­ی علمی را بر آن داشت تا با بهره­گیری از مزایا و توانایی­های روش­های خودکار جهت پردازش این متون، به حوزه­ای تحت عنوان پردازش زبان­های طبیعی[1] روی آورد. همچنین با توجه به وجود لیستی از معانی کلمات و عبارات یا همان دیکشنری و حتی اختصاص موسساتی جهت تعیین نحوه­ی استفاده از یک زبان در برخی از کشورها، اینطور به نظر می­رسد که امکان مکانیزه کردن فهم یک زبان توسط کامپیوتر وجود دارد [1].مبحث پردازش زبان­های طبیعی خود زیرمجموعه­ای از حوزه­ی گسترده­ی هوش مصنوعی است که توجهات دانشمندان و محققان فراوانی را به خود معطوف کرده است. شاید به ظاهر زبان­هایی که ما در زندگی روزمره برای ایجاد ارتباط با دیگران به کار می­گیریم، ساده باشند. اما در حقیقت این زبان­های انسانی پیچیدگی­های فراوانی دارند که همین پیچیدگی­ها منجر به شکل­گیری زیرشاخه­های متعددی همچون ترجمه­ی ماشینی[2]، بازیابی اطلاعات[3]، پردازش متون[4]، تشخیص صحبت[5]، تحلیل گرامری[6] ، رفع ابهام معنایی[7] و غیره در زمینه­ی پردازش زبان­های طبیعی شده است.در بین مباحث متفاوتی که در زمینه­ی پردازش زبان­های طبیعی موجود است، برای اینجانب ابهام معنایی[8] جذابیت بیشتری داشته که در این پایان نامه به این موضوع پرداخته­ام. ابهام معنایی یکی از مباحث پیچیده و در عین حال پراهمیت است که در شاخه­هایی نظیر ترجمه­ی ماشینی و بازیابی اطلاعات نیز مطرح بوده و بعنوان جزء جدایی ناپذیری از اینگونه سیستم­ها دارای ارزش و حائز اهمیت است.در واقع این مبحث نشأت گرفته از ابهامی است که در زبان­های طبیعی نهفته است؛ هرچند که وجود این ابهام­ها در اکثر مواقع از دید انسان پوشیده است. آنچه ابهام­های موجود بین سخنگویان بومی را مرتفع می­سازد توانش زبانی آنها، اطلاعات آنها در خصوص جهان پیرامون، طرح پرسش مجدد در صورت وجود یا احساس ابهام و بطور کلی مجموعه­ای از اطلاعات زبانی و غیرزبانی است که سخنگویان بومی به آن مجهزند [40].مسأله­ی ابهام معنایی شامل تشخیص معنای صحیح یک کلمه با توجه به متنی است که در آن آمده است و در زمینه­ی پردازش زبان­های طبیعی به آن رفع ابهام معنایی گفته می­شود. این مهم در بسیاری از شاخه­های پردازش زبان­های طبیعی نیز مطرح بوده و کاربرد دارد که در این میان اصلی­ترین و مشهودترین مورد استفاده­ی آن در شاخه­ی ترجمه­ی ماشینی است. لذا در این فصل ابتدا اشاره­ی کوتاهی به گستره­ی پردازش زبان­های طبیعی و زیرشاخه­های آن داشته، سپس مختصری به شرح مفهوم ترجمه­ی ماشینی و روش­های آن می­پردازیم.1-2- پردازش زبان­های طبیعیپردازش زبان­های طبیعی ‌که معمولاً به اختصار به آن NLP گفته می­شود یکی از نیازهای عصر فناوری جهت استفاده­ی بهینه از منابع اطلاعاتی است که امروزه با رشد حجم مستندات تولید شده و نیاز به نگهداری، دسته بندی، بازیابی و پردازش ماشینی و سریع آنها، توجه به این شاخه بیش از پیش خودنمایی می­کند.زبان طبیعی، زبانی است که ما در تعاملات اجتماعی روزمره با استفاده از آن می­نویسیم و صحبت می­کنیم. زبان­های طبیعی متنوع و فراوانی وجود دارند که ممکن است فرم گفتاری و نوشتاری متفاوتی داشته باشند و از هم مستقل باشند. پردازش زبان‌ها و مکالمات طبیعی یکی از اموری‌ست که با ورود فناوری رایانه‌ای به زندگی بشر مورد توجه بسیاری از دانشمندان قرار گرفته است. حتی اندیشه‌ای که آلن تورینگ[9] از ماشین هوشمند خود و تعریفی که او از هوش مصنوعی[10] داشت، در مرحله­ی اول مربوط به پردازش زبان‌های طبیعی می­‌شد. بعلاوه تلاش‌های بسیاری توسط بشر برای پیگیری این امر صورت گرفته بود که به عنوان مثال ماشین لیزا یکی از محصولات این تلاش‌هاست. ماشین لیزا ماشینی بود که با تایپ از راه دور با یک انسان، جملات او را پردازش می‌کرد و جوابی درخور به او می‌داد.بنابراین می­توان گفت که یکی از زیرشاخه‌های با اهمیت در حوزه­ی گسترده­ی هوش مصنوعی پردازش زبان­های طبیعی است؛ تا حدی که بسیاری از متخصصین در زمینه­ی هوش مصنوعی بر این باورند که مهمترین وظیفه­ای که هوش مصنوعی باید به آن بپردازد NLP است. دلیلی که ایشان برای این اعتقاد خود ارائه می­کنند آن است که پردازش زبان طبیعی راه ارتباط مستقیم انسان و کامپیوتر را از طریق مکالمه باز می­کند. به این ترتیب دیگر برنامه نویسی معمولی و قراردادهای مربوط به سیستم­های عامل کنار گذاشته خواهد شد. همچنین ‌اگر یک کامپیوتر بتواند یک زبان انسانی را درک کرده و به وسیله­ی آن صحبت کند، دیگر به بسیاری از وظایفی که باید توسط مهندسین نرم افزار طراحی شوند نیازی نخواهد بود. اما ابعاد و پیچیدگی­های زبان­های بشری دستیابی کامل به این قابلیت را دشوار ساخته است.در پردازش زبان­های طبیعی، سعی می­شود تا قابلیت درک دستوراتی که به زبان­های انسانی استاندارد نوشته شده­اند، به کامپیوتر داده شود. یعنی کامپیوتری داشته باشیم که قادر باشد زبان انسان را تحلیل کند، بفهمد و حتی بتواند زبان طبیعی تولید کند. بدیهی است که در راستای تحقق این هدف، نیاز به دانشی وسیع از زبان است. بنابراین علاوه بر محققان علوم کامپیوتر، دانش زبان­شناسان نیز مورد لزوم می­باشد. در زمینه­ی پردازش زبان­های طبیعی باید پاسخ چهار سوال زیر مورد مطالعه قرار گیرد:
  1. یک زبان از چه کلماتی تشکیل شده است؟
  2. چگونه کلمات ترکیب می­شوند تا جملات زبان تشکیل شوند؟
  3. معنی کلمات زبان چیست؟
  4. معانی کلمات چگونه به کار گرفته می­شوند تا معنی جملات ساخته شود؟
در حقیقت هدف اصلی در NLP، ماشینی کردن فرایند درک و برداشت مفاهیم بیان گردیده با یک زبان طبیعی انسانی می­باشد. به تعریف دقیق‌تر پردازش زبان‌های طبیعی عبارت است از استفاده از کامپیوتر برای پردازش زبان گفتاری و نوشتاری به نحوی که کامپیوترها از زبان طبیعی به عنوان ورودی و خروجی استفاده نمایند. بدین وسیله می‌توان به ترجمه­ی زبان‌ها پرداخت، از صفحات وب و بانک‌های اطلاعاتیِ نوشتاری جهت پاسخ دادن به پرسش‌ها استفاده کرد، یا با دستگاه‌ها مثلاً برای مشورت گرفتن به گفتگو پرداخت.به‌ طورکلی‌ نحوه­ی کار این‌ شاخه‌ این‌ است‌ که‌ زبان­های‌ طبیعیِ ‌انسان‌ را تقلید کند. در این‌ میان‌، پیچیدگی‌ انسان‌ از بعد روانشناسی‌ بر روی‌ ارتباط متعامل‌ تأثیر می‌گذارد. لذا پردازش زبان‌های طبیعی رهیافت بسیار جذابی برای ارتباط بین انسان و ماشین محسوب می‌شود و در صورت عملی شدنش به طور کامل، می‌تواند تحولات شگفت‌انگیزی را در پی داشته‌ باشد. شکل زیر یک شمای کلی از معماری پردازش زبان­های طبیعی را نشان می­دهد:تعداد صفحه :94قیمت : 14000تومان

بلافاصله پس از پرداخت ، لینک دانلود پایان نامه به شما نشان داده می شود

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت :        09309714541 (فقط پیامک)        info@arshadha.ir

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

--  -- --

مطالب مشابه را هم ببینید

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید