پردازش زبان طبیعی و زبان‌شناسی رایانه‌ای

۸ مطلب با کلمه‌ی کلیدی «دادگان زبانی» ثبت شده است

مقاله: توسعهٔ‌ پیکرهٔ درختی وابستگی نحوی فارسی

این مقاله قرار تابستان امسال در همایش زبان‌شناسی رایانشی شمال امریکا ارائه شود. در این مقاله فرآیند تولید پیکرهٔ وابستگی زبان فارسی و چالش‌های موجود توضیح داده شده است.

Mohammad Sadegh Rasooli, Manouchehr Kouhestani, and Amirsaeid Moloodi. Development of a Persian Syntactic Dependency Treebank, The 2013 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (NAACL HLT), Atlanta, USA, June 2013.

۰۹ فروردين ۹۲ ، ۰۰:۰۲ ۰ نظر موافقین ۰ مخالفین ۰
محمدصادق رسولی

معرفی دادگان درختی زبان فارسی بر اساس HPSG و نحوۀ تهیه آن

سمینار:
معرفی دادگان درختی زبان فارسی بر اساس HPSG و نحوۀ تهیه آن
 
سخنران: مسعود قیومی
دانشجوی دوره دکترای زبان‌شناسی رایانشی
دانشگاه برلین
 
همان‌طور که می‌دانیم دستور زبان نقش بسیار کلیدی در درک زبان بازی می‌کند، بنابراین برای رسیدن به معنی الزاما می‌بایست از دریچه دستور وارد شد. تحلیل نحوی در رایانه به دو صورت انجام می‌گیرد: قاعده‌مند یا آماری. تجزیه‌گرهای آماری  نیاز به حجم قابل توجهی داده نشانه‌گذاری‌شده، مانند دادگان درختی تحلیل جملات، دارد. از آنجا که بیشتر منابع زبانی مورد اعتماد توسط انسان تهیه می‌شود، این کار بسیار دشوار، خسته‌کننده، و زمان‌بر است. بر همین اساس ممکن است چنین منابع زبانی برای همه زبان‌ها وجود نداشته باشد. از آنجا که بخش عظیمی از زبان قاعده‌مند است، می‌توان با استفاده از عبارات قاعده‌مند (regular expression)و با کمک‌گرفتن از روش افزایشی مبتنی-بر-ذات (bootstrapping) بخش قابل توجهی از روند تهیه این منابع را به صورت خودکار انجام داد. به این طریق، با استخراج عبارات قاعده‌مند از تعداد اندک و اولیه دادگان می‌توان زنجیره‌ای از کلمات را که با چنین قواعدی منطبق است تشخیص داده و در نتیجه از تلاش انسان برای نشانه‌گذاری این زنجیره کلمات کاست، و در نهایت از همین زنجیره‌ها برای استخراج قواعد جدید و نشانه‌گذاری زنجیره کلمات جدیدتر استفاده کرد. در این سخنرانی به نحوه تهیه دادگان درختی جملات فارسی در چارچوب دستور ساخت سازه‌ای هسته-بنیاد (HPSG) و تلاش برای کاهش‌دادن تلاش انسان با کمک رویکرد ذکر شده در تهیه این دادگان پرداخته می‌شود.
 
زمان: یکشنبه 11 تیرماه ساعت 10 صبح
مکان: اتاق سمعی – بصری مرکز زبان‌ها و زبان‌شناسی
 
---
 
کارگاه آموزشی:
پردازش نحو زبان با رویکردهای آماری و قاعده‌مند
 
مدرس: مسعود قیومی
دانشجوی دوره دکترای زبان‌شناسی رایانشی
دانشگاه برلین
 
زمان: یکشنبه 11 تیرماه ساعت 11 الی 13
مکان: اتاق سمعی – بصری مرکز زبان‌ها و زبان‌شناسی
۰۴ تیر ۹۱ ، ۱۲:۱۷ ۰ نظر موافقین ۰ مخالفین ۰
محمدصادق رسولی

سمینار معرفی پروژۀ دادگان زبان فارسی در دانشگاه صنعتی شریف برگزار شد

سمینار معرفی پروژۀ دادگان زبان فارسی در روز چهارشنبه، 14 اردیبهشت 1391 در مرکز زبان‌ها و زبان‌شناسی دانشگاه صنعتی شریف برگزار شد.

در این سمینار که با حضور اساتید و دانشجویان زبانشناسی رایانشی دانشگاه صنعتی شریف و همچنین دانشجویان رشته‌های مهندسی کامپیوتر و زبان‌شناسی این دانشگاه و دانشگاه‌های دیگر برگزار شد، محمدصادق رسولی، سرپرست پروژه به معرفی نحوۀ شکل‌گیری و اهداف پروژه و همچنین روش‌های زبانشناختی و پردازشی به کار رفته درپروژه پرداختند و به سوالات مطرح شده توسط حضار پاسخ گفتند.

سرپرست پروژه با بیان اینکه مرحلۀ برچسب‌زنی پیکرۀ وابستگی توسط تیم زبان‌شناسی پروژه رو به اتمام است افزود: "به زودی مرحلۀ بازبینی و ویرایش پیکرۀ وابستگی آغاز می‌شود و ان‌شاا... تا پایان تابستان سال جاری نسخه‌های نهایی پیکرۀ وابستگی و فرهنگ ظرفیت افعال زبان فارسی در اختیار علاقه‌مندان قرار خواهد گرفت."

محمدصادق رسولی همچنین به کاربرد‌های فرهنگ ظرفیت افعال و پیکرۀ وابستگی زبان فارسی در پژو‌هش‌های زبانشناختی و آموزش زبان اشاره کرد و افزود: "تعدادی نرم افزار تحت وب با این هدف در حال آماده‌سازی است که به امید خدا پس از تکمیل، لینک‌های مربوط به آن‌ها در وب‌گاه پروژه قرار خواهد گرفت."

وی در پایان نیز ضمن تشکر از توجه حضار، از تمامی علاقه‌مندان و متخصصان دعوت نمود تا نظرات و پیشنهادهای خود را در خصوص پروژه دادگان زبان فارسی و فازهای احتمالی پس از آن در اختیار تیم پروژه قرار دهند.


 
۱۶ ارديبهشت ۹۱ ، ۱۲:۲۶ ۱ نظر موافقین ۰ مخالفین ۰
محمدصادق رسولی

سمینار معرفی دادگان وابستگی در دانشگاه شریف

زمان: چهارشنبه 13 اردیبهشت 1391، ساعت 14-15

مکان: دانشگاه صنعتی شریف، مرکز زبان‌ها و زبان‌شناسی، اتاق سمعی و بصری


۱۲ ارديبهشت ۹۱ ، ۰۵:۲۳ ۰ نظر موافقین ۰ مخالفین ۰
محمدصادق رسولی

گفت‌وگو با محمدصادق رسولی در خصوص کارکرد پروژه دادگان و پردازش متون زبانی

گفت‌وگو با محمدصادق رسولی در خصوص کارکرد پروژه دادگان و پردازش متون زبانی

گروه دادگان زبان فارسی، برای جامعه علمی داخل و خارج

نسترن صادقی

 

تهران امروز

 

 

پیوند خبر:

http://www.tehrooz.com/1390/11/16/TehranEmrooz/824/Page/13/

 

 محمد صادق رسولی در حال حاضر مسئولیت پروژه دادگان وابستگی گروه دادگان زبان فارسی را بر عهده دارد. او کارشناسی نرم‌افزار و کارشناسی ارشد هوش مصنوعی را از دانشگاه علم و صنعت ایران اخذ کرده است.در خصوص کارکرد پروژه دادگان و پردازش متون زبانی با او به گفت‌وگو نشسته‌ایم.

 

 

 هدف از پردازش هوشمند متون زبانی چیست؟

 

هدف از پردازش زبان را می‌توان در چند دیدگاه جست‌وجو کرد. در یک دیدگاه، شناخت‌گرایان سعی می‌کنند با روش‌های هوشمند رایانه‌ای رفتارهای شناختی انسان را شبیه‌سازی می‌کنند و از نتایج به دست آمده تعمیم‌هایی به دست می‌آورند. یک دیدگاه سطح پایین‌تر نیز وجود دارد، دیدگاهی که معتقد است رایانه باید در هر مسئله‌ای بتواند کار را برای انسان راحت کند. انسان، خود یک متخصص خبره است که با استفاده از هوشمندی نسبی رایانه این خبرگی را می‌تواند به یک سامانه هوشمند منتقل کند. مثلاً اگر یک روزی برای خرید بلیت قطار به متخصص فروش (یعنی فروشنده باجه ایستگاه) مراجعه می‌کردید، اکنون یک خبره هوشمند رایانه‌ای تحت وب برایتان طراحی شده است که از طریق آن می‌توانید بدون مراجعه حضوری آن کار را سریع‌تر انجام دهید. در مورد زبان نیز همین مسئله صدق می‌کند. مثلاً هم‌اکنون نرم‌افزارهایی مانند «رُزِتا استون» برای چنین کاربردهایی طراحی شده‌اند و یا برای آزمون‌هایی مانند تافل، بخش اعظم ارزیابی‌ها به صورت هوشمند و رایانه‌ای انجام می‌شود...

ادامه مطلب...
۲۵ بهمن ۹۰ ، ۱۲:۲۸ ۴ نظر موافقین ۰ مخالفین ۰
محمدصادق رسولی

عرضۀ رایگان اولین پیکرۀ وابستگی زبان فارسی

نسخۀ 0.1 پیکرۀ وابستگی نحوی زبان فارسی به تازگی برای استفادۀ غیرتجاری عرضه شده است. برای تهیۀ نسخۀ جدید پیکرۀ وابستگی، به صفحۀ دریافت آن مراجعه نمایید.


۰۹ بهمن ۹۰ ، ۱۵:۴۲ ۰ نظر موافقین ۰ مخالفین ۰
محمدصادق رسولی

عرضۀ نسخۀ 2.2 فرهنگ ظرفیت فعل فارسی

نسخۀ 2.2 فرهنگ ظرفیت فعل فارسی ارائه شده است. برای دریافت رایگان این فرهنگ به صفحۀ دریافت وبگاه دادگان مراجعه نمایید.


۲۶ دی ۹۰ ، ۱۰:۱۱ ۱ نظر موافقین ۰ مخالفین ۰
محمدصادق رسولی

مقاله: «فرهنگ ظرفیت نحوی فعل در زبان فارسی»

این مقاله به تازگی در «پنجمین دورۀ همایش زبان و فناوری» در لهستان منتشر شده است.

چکیدۀ مقاله به شرح زیر است:

A Syntactic Valency Lexicon for Persian Verbs: The First Steps towards Persian Dependency Treebank

Valency lexicons are valuable resources for natural language processing. The need for new resources for languages encourages researchers to collect new datasets. One of the most important datasets is valency lexicons. In valency lexicons, information about obligatory and optional complements of words is annotated at the syntactic and semantic levels. In this paper, we report the development of the first syntactic valency lexicon of Persian verbs. This lexicon is part of the Persian Dependency Treebank Project. The lexicon consists of 4282 distinct verb lemmas and 5429 distinct verb-valency pairs. 


دریافت مقاله


نشانی ارجاع: 

 

Mohammad Sadegh Rasooli, Amirsaeid Moloodi, Manouchehr Kouhestani, and Behrouz Minaei-Bidgoli, "A Syntactic Valency Lexicon for Persian Verbs: The First Steps towards Persian Dependency Treebank", in 5th Language & Technology Conference (LTC): Human Language Technologies as a Challenge for Computer Science and Linguistics, pp. 227-231, Poznań, Poland, 2011.

۰۴ دی ۹۰ ، ۱۵:۰۳ ۰ نظر موافقین ۰ مخالفین ۰
محمدصادق رسولی