چکيده
چكيده
در چند سال گذشته يادگيري عميق توجه بسياري از پژوهشگران در حوزهي يادگيري ماشين را به خوود
جلب كرده است. پژوهشگران با استفاده از دانش شبكههاي عصبي، شبكهها با معماريهاي مختلو را اياواد
كرده و سپس به آموزش آنها و سناش عملكردشان در مسائل مهم يادگيري ماشين پرداختهاند.
يكي از مهمترين مسائل يادگيري ماشين پردازش زبان طبيعي است. در يك دستهبنودي كلوي موي تووان
پردازش زبان طبيعي را به دو بخش درك زبان طبيعي و توليد زبان طبيعي تقسيم بندي كرد. پوژوهش هواي
اناام شده در زمينهي كاربرد يادگيري عميق در پردازش زبان طبيعي به دو بخش مدل سازي زبوان و سواير
مسائل مطرح در پردازش زبان طبيعي تقسيم شدهاند. مدلسازي زبان به عنوان مهمترين بخش پردازش زبان
طبيعي پيشنياز و پيشزمينهي زمينههاي ديگري مانند ترجموه ي ماشويني و برچسوب زنوي اجوياي سوخن
ميباشد.
در اين پژوهش ابتدا به بررسي شبكههاي عميق و نحوهي آمووزش و ارزيوابي آن هوا موي پوردازيم سوپس
كارهاي صورت گرفته در زمينههاي مختل كاربرد يادگيري عميق در پردازش زبان طبيعي مرور شده اسوت.
ابتدا هر زمينه و كاربردهاي آن توضيح داده ميشود سپس معماري شبكهي عميق متناسوب بوا ايون كواربرد
معرفي ميشود سپس نحوهي آموزش در اين شبكه و نحوهي ارزيابي آن بررسي شده و نتايج حاصول از ايون
مقاله با مقاالت مشابه گذشته مقايسه ميشود تا پيشرفتهاي صوورت گرفتوه در ايون زمينوه بوا اسوتفاده از
يادگيري عميق مشخص شود.
واژههاي كليدي: يادگيري عميق، شبكههاي عصبي بازگشتي عميق، شبكههاي پيچشوي عميوق ، پوردازش
زبان طبيعي
