چکيده
با افزايش روزافزون داده‌ها در اينترنت و تبديل شدن وب به يكي از بزرگترين و ارزشمندترين منابع داده‌ي موجود از سويي و از سوي ديگر، حجم وسيع داده‌هاي توليد شده در اينترنت در قالب زبان طبيعي، اهميت توسعه توانايي پردازش زبان طبيعي را بيش از پيش نشان مي‌دهد. در زبان‌شناسي نوين به طور معمول سطوح مختلفي براي دانش و تحليل زباني در نظر گرفته مي‌شود و معنا يكي از اين سطوح است كه به درك مفهوم واژه‌ها و جملات مربوط مي‌شود. به عبارت ديگر زنجيره‌ي آواها يا حروف، بدون داشتن معنا به هيچ‌وجه كاركرد زبان را نخواهند داشت. يكي از اساسي‌ترين مباحث مورد بحث در پردازش زبان طبيعي، تشخيص اجزاي جمله و ارتباط آنها با موضوع جمله و توانايي پاسخ به سئوالاتي نظير اينكه «چه كسي، چه عملي را، روي چه چيزي و در چه زمان و مكاني، چرا و چگونه انجام داده است» مي‌باشد. اين فرآيند، برچسب‌زني نقش معنايي ناميده مي‌شود. بنابراين، مطالعه‌ي دقيق سطح معنا يا معناشناسي و برچسب‌زني نقش معنايي، به عنوان يكي از مهمترين ابزارهاي پيشپردازشي براي اكثر كاربردهاي پردازش زبان طبيعي مانند استخراج موضوع و مفهوم، خلاصه‌سازي، ترجمه‌ي ماشيني، تحليل احساسات، سيستمهاي پاسخگو و متن‌كاوي از اهميت ويژه‌اي برخوردار است.
در اين سيمنار پژوهش‌هاي انجام شده در حوزه برچسب‌زني نقش معنايي طي سه دهه گذشته، از سال 1990 تا 2019، بررسي، جمع بندي و رويكردهاي متفاوت حل مساله و روند بهبودهاي حاصل شده در اثر تغيير الگوريتم‌هاي يادگيري سطحي به يادگيري عميق، بررسي و مقايسه خواهند شد. همچنين پيكره‌هاي معنايي مختلف توسعه داده شده كه باعث پيشرفت الگوريتم‌هاي يادگيري برچسب‌زني باناظر نقش معنايي شده است و رويكردهاي متفاوت آنها در توليد قاب براي برچسب‌زني نقش معنايي و روش‌هاي ارزيابي در اين حوزه مورد بررسي قرار خواهند گرفت.
با افزايش روزافزون داده‌ها در اينترنت و تبديل شدن وب به يكي از بزرگترين و ارزشمندترين منابع داده‌ي موجود از سويي و از سوي ديگر، حجم وسيع داده‌هاي توليد شده در اينترنت در قالب زبان طبيعي، اهميت توسعه توانايي پردازش زبان طبيعي را بيش از پيش نشان مي‌دهد. در زبان‌شناسي نوين به طور معمول سطوح مختلفي براي دانش و تحليل زباني در نظر گرفته مي‌شود و معنا يكي از اين سطوح است كه به درك مفهوم واژه‌ها و جملات مربوط مي‌شود. به عبارت ديگر زنجيره‌ي آواها يا حروف، بدون داشتن معنا به هيچ‌وجه كاركرد زبان را نخواهند داشت. يكي از اساسي‌ترين مباحث مورد بحث در پردازش زبان طبيعي، تشخيص اجزاي جمله و ارتباط آنها با موضوع جمله و توانايي پاسخ به سئوالاتي نظير اينكه «چه كسي، چه عملي را، روي چه چيزي و در چه زمان و مكاني، چرا و چگونه انجام داده است» مي‌باشد. اين فرآيند، برچسب‌زني نقش معنايي ناميده مي‌شود. بنابراين، مطالعه‌ي دقيق سطح معنا يا معناشناسي و برچسب‌زني نقش معنايي، به عنوان يكي از مهمترين ابزارهاي پيشپردازشي براي اكثر كاربردهاي پردازش زبان طبيعي مانند استخراج موضوع و مفهوم، خلاصه‌سازي، ترجمه‌ي ماشيني، تحليل احساسات، سيستمهاي پاسخگو و متن‌كاوي از اهميت ويژه‌اي برخوردار است.
در اين سيمنار پژوهش‌هاي انجام شده در حوزه برچسب‌زني نقش معنايي طي سه دهه گذشته، از سال 1990 تا 2019، بررسي، جمع بندي و رويكردهاي متفاوت حل مساله و روند بهبودهاي حاصل شده در اثر تغيير الگوريتم‌هاي يادگيري سطحي به يادگيري عميق، بررسي و مقايسه خواهند شد. همچنين پيكره‌هاي معنايي مختلف توسعه داده شده كه باعث پيشرفت الگوريتم‌هاي يادگيري برچسب‌زني باناظر نقش معنايي شده است و رويكردهاي متفاوت آنها در توليد قاب براي برچسب‌زني نقش معنايي و روش‌هاي ارزيابي در اين حوزه مورد بررسي قرار خواهند گرفت.
