10222

مروري بر الگوريتم‌هاي برچسب‌زني نقش معنايي با تمركز بر روش‌هاي مبتني بر يادگيري عميق

1400-1401

دكتر بهروز مينايي

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. برچسب‌زني نقش معنايي يكي از مسئله‌هاي اساسي در پردازش زبان طبيعي و گامي مهم در جهت درك زبان طبيعي است كه وظيفه‌ي پاسخ‌دهي خودكار به پرسش‌هايي نظير «چه كسي، چه كار كرد، با چه كسي و در چه زمان و مكاني، چرا و چگونه » را به عهده دارد. بنابراين، مطالعه‌ي دقيق برچسب‌زني نقش معنايي، به عنوان يكي از مهمترين ابزارهاي پيش‌پردازشي براي اكثر كاربردهاي پردازش زبان طبيعي مانند استخراج اطلاعات، خلاصه‌سازي چند سند، ترجمه‌ي ماشيني، سيستم‌هاي پرسش و پاسخ و متن‌كاوي از اهميت ويژه‌اي برخوردار است. هدف اين سمينار بررسي پژوهش‌هاي برچسب‌زني نقش معنايي با تمركز بر روش‌ها و الگوريتم‌هاي مبتني بر يادگيري عميق خواهد بود و ابزارهاي بكار گرفته شده در اين روش‌ها نيز معرفي خواهند شد. از ديگر اهداف ما بررسي روش‌هاي برچسب‌زني نقش معنايي مبتني بر پرسش و پاسخ و همچنين روش‌هاي برچسب‌زني نقش معنايي چند زباني و بين زباني است كه در ساليان اخير مطالعات بسياري بر روي آن‌ها انجام شده‌است. پيكره‌هاي معنايي مختلف توسعه داده شده كه باعث پيشرفت الگوريتم‌هاي يادگيري برچسب‌زني نقش معنايي شده است و رويكردهاي متفاوت آنها در توليد قاب براي برچسب‌زني نقش معنايي و روش‌هاي ارزيابي در اين حوزه نيز مورد بررسي قرار خواهند گرفت.

12/1/2021 12:00:00 AM

73372

1400/09/25

A Review of Semantic Role Labeling Algorithms Focusing on Deep Learning Based Methods

برچسب‌زني نقش معنايي , تجزيه وابستگي , اطلاعات نحوي , برچسب‌زني نقش معنايي بين زباني , استخراج دانش

Semantic role labeling , Deep Learning , syntax-parsing , Cross-lingual SRL , Dependency parsing