تولید متن فارسی با استفاده از یادگیری عمیق [Persian Thesis]
علی توتونچیان
| شناسگر رکورد: | ۱۹۹۹۳ |
| رشته تحصیلی: | هوش مصنوعی و رباتیکز |
| عنوان: | تولید متن فارسی با استفاده از یادگیری عمیق |
| نويسنده: | علی توتونچیان |
| استاد راهنما : | دکتر حسین صامتی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۹ |
| چکیده: | هدف از انجام این پروژه طراحی یک سامانه هوشمند برای تولید جملات به زبان فارسی است، بهنحویکه بتوان نوع جملات، ادبیات و بافت آنها را بهعنوان ورودی به سامانه داد و سامانه جملات فارسی متناسب با ورودی تولید کرده و بهعنوان خروجی بدهد. برای مثال تولید کامنت های مثبت یا منفی در مورد یک پدیده در شبکههای اجتماعی، اشعار، تیترهای خبر روزنامه در مورد یک پدیده و امثال آنها. این پژوهش با استفاده از شبکه¬های عصبی GAN Vanila GRU، Vanila LSTM GAN، Stack GRU GAN و Stack LSTM GAN بر روی ۳ مجموعه داده اشعار فردوسی، اشعار حافظ و اخبار همشهری پیادهسازی شده است. معیارهای صحت، میانگین خطای مربعات و معیار Bleu برای هر ۴ الگوریتم و ۳ مجموعه داده بهدستآمده است. میانگین کل معیار صحت، میانگین خطای مربعات و Bleu الگوریتمهای پیشنهادشده و مجموعه دادههای مورد ارزیابی باهم مقایسه شدند. نتایج بهدستآمده با دیگر مقایسه شده و نشان میدهد که هر ۴ الگوریتم در دادههای اشعار ضعیفتر و در دادههای همشهری بهتر عمل کردهاند؛ اما در بین ۴ رویکرد پیشنهادی الگوریتم Stack LSTM GAN بیشتری مقدار Bleu در دادههای همشهری (۰.۹۱=) بهدستآمده است و کمترین میانگین معیار میانگین خطای مربعات (۰.۸۳=) مربوط به الگوریتم Stack GRU GAN و دادههای همشهری است. همچنین بهترین میانگین صحت بهدستآمده (۰.۴۳=) برای الگوریتم Stack GRU GAN در مجموعه اشعار فردوسی است. با توجه به بررسی نتایج سه معیار موردبررسی، الگوریتم Stack GRU GAN بهتر از ۳ روش دیگر نتایج به دست آورده است و رویکرد پیشنهادی در تولید متون در مجموعه داده همشهری مناسبتر از مجموعه اشعار است. در نهایت نتیجه گرفته می¬شود به وسیلهی تکنیکهای یادگیری عمیق، تولید متن فارسی امکانپذیر است. همچنین بهبود فرآیند تولید متن با یافتن مؤثرترین روش برای تولید متن در دادههای فارسی ممکن است. کلیدواژهها: پردازش زبان طبیعی، تولید متن فارسی، یادگیری عمیق، تولید زبان طبیعی، سیستم هوشمند تولید متن. |
| Register Number | Part3 | Version | Volume | Part | Part2 | Reference | Call Number | lended | Date Back | Description | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 283874 | 1 |
LoginWithYourAccountToPostComment