| تعداد نشریات | 20 |
| تعداد شمارهها | 439 |
| تعداد مقالات | 3,409 |
| تعداد مشاهده مقاله | 3,661,367 |
| تعداد دریافت فایل اصل مقاله | 2,395,251 |
شناسایی خودکار و طبقهبندی استعارههای مفهومی در حوزۀ مقصد احساسات در زبان فارسی با استفاده از معماری یادگیری عمیق دومرحلهای مبتنی بر پارسبرت | ||
| مطالعات زبانها و گویشهای غرب ایران | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 06 اسفند 1404 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22126/jlw.2026.13531.1878 | ||
| نویسندگان | ||
| فریده نیکپور1؛ امیرسعید مولودی* 2؛ سید مصطفی فخر احمد3؛ علیرضا خرمایی1؛ جلال رحیمیان1 | ||
| 1بخش زبانهای خارجی و زبانشناسی، دانشکده ادبیات و علوم انسانی، دانشگاه شیراز، شیراز، ایران | ||
| 2عضو هیات علمی گروه زبانهای خارجی و زبانشناسی دانشگاه شیراز | ||
| 3بخش مهندسی علم کامپیوتر و فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز، شیراز، ایران | ||
| چکیده | ||
| شناسایی خودکار استعارههای مفهومی در زبان فارسی به دلیل نقش محوری آن در درک معنای عمیق زبان و کمبود منابع برچسبخورده، به عنوان چالشی مهم در پردازش زبان طبیعی مطرح است. در این پژوهش به منظور پاسخ به این نیاز، ابتدا با استفاده از کلیدواژههای مرتبط با پنج حوزۀ احساسات (خشم، شادی، ترس، نفرت و غم)، جملات دربردارندۀ این واژگان از پیکرۀ همشهری استخراج گردید. سپس این جملات به صورت دستی برچسبگذاری شدند تا یک مجموعهدادۀ جدید با برچسب دودویی (استعاری/غیراستعاری) و در صورت استعاری، برچسب حوزۀ مقصد احساسات ایجاد گردد. سپس چارچوبی ترکیبی بر پایۀ مدل زبانی پیشآموختۀ پارسبرت ارائه شد. در مرحلۀ اول، یک مدل طبقهبندی دودویی با تنظیم دقیق پارسبرت طراحی و آموزش داده شد. در مرحلۀ دوم، برای جملات شناساییشده به عنوان استعاری، از یک مدل طبقهبندی چندکلاسۀ دیگر مبتنی بر پارسبرت برای تشخیص حوزۀ مقصد احساسات استفاده گردید. نتایج تجربی نشان داد که مدل تشخیص استعاره به امتیاز F1 برابر با 95.9% و مدل طبقهبندی احساسات به دقت کل 87.5% دست یافت. این نتایج حاکی از کارایی بالای معماری پیشنهادی در پردازش استعارههای مفهومی فارسی است. علاوه بر عملکرد قوی، ایجاد و معرفی این مجموعه دادۀ برچسبخورده، گامی مهم برای پژوهشهای آتی به شمار میرود. | ||
| کلیدواژهها | ||
| استعارۀ مفهومی؛ پارسبرت؛ پردازش زبان طبیعی؛ زبان فارسی؛ یادگیری عمیق | ||
|
آمار تعداد مشاهده مقاله: 33 |
||