نتایج جستجو

2195

نتیجه یافت شد

مرتبط ترین ها

اعمال فیلتر

به روزترین ها

اعمال فیلتر

پربازدید ترین ها

اعمال فیلتر

پر دانلودترین‌ها

اعمال فیلتر

پر استنادترین‌ها

اعمال فیلتر

تعداد صفحات

220

انتقال به صفحه



فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها



گروه تخصصی










متن کامل


مرکز اطلاعات علمی SID1
مرکز اطلاعات علمی SID
اسکوپوس
مرکز اطلاعات علمی SID
ریسرچگیت
strs
اطلاعات دوره: 
  • سال: 

    1393
  • دوره: 

    -
  • شماره: 

    2 (پیاپی 22)
  • صفحات: 

    71-80
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    74
  • دانلود: 

    29
چکیده: 

سامانه های مبتنی بر داده به راحتی می توانند به سایر زبان ها یا دامنه ها منتقل شوند. استفاده از این رویکرد در تجزیه وابستگی منجر به ارائه روش های مبتنی بر داده شد که تنها نیازمند پیکره ای حاوی جملات و درخت وابستگی متناظر با آن به عنوان داده آموزشی است. الگوریتم های طراحی شده برای تجزیه وابستگی با وجود صحت بالا در زبان انگلیسی، بر روی دسته ای از زبان ها با افت صحت مواجه می شوند که دلیل این امر را می توان در پررنگ تر بودن عامل بی ترتیبی و غنای ساخت واژی آنها دانست. این بدان معناست که سامانه های مبتنی بر داده نیازمند انتخاب خصوصیات و تنظیم دقیق پارامترها به منظور رسیدن به کارایی بهینه هستند.زبان فارسی که به تازگی پیکره وابستگی برای آن طراحی شده است، جزو زبان هایی است که دو عامل بی ترتیبی و غنای ساخت واژی را دارد. در این مقاله سعی شده است عوامل تاثیرگذار بر کاهش صحت تجزیه وابستگی در زبان فارسی شناسایی و راهکارهایی برای بهبود صحت آن ارائه شود.

آمار یکساله:  

بازدید 74

دانلود 29 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1395
  • دوره: 

    4
  • شماره: 

    1
  • صفحات: 

    1-8
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    643
  • دانلود: 

    274
چکیده: 

متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

آمار یکساله:  

بازدید 643

دانلود 274 استناد 0 مرجع 0
عنوان: 
نویسندگان: 

DAS D. | CHEN D.

اطلاعات دوره: 
  • سال: 

    2014
  • دوره: 

    40
  • شماره: 

    1
  • صفحات: 

    9-56
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    6593
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 6593

دانلود 9195 استناد 315 مرجع 0
گارگاه ها آموزشی
نویسندگان: 

فیلی هشام

اطلاعات دوره: 
  • سال: 

    1389
  • دوره: 

    -
  • شماره: 

    1 (پیاپی 13)
  • صفحات: 

    65-76
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1769
  • دانلود: 

    162
چکیده: 

یکی از بزرگ ترین مشکلات در ترجمه ماشینی زبان انگلیسی به فارسی، ترجمه افعال گروهی زبان انگلیسی است که به وفور در این زبان یافت می شود. افعال گروهی از متداول ترین عباراتی هستند که از ترکیب یک فعل با یک حرف اضافه یا قید (ادات) تشکیل شده است. تشخیص این که ادات به فعل مرتبط است که در آن صورت فعل گروهی تشکیل می دهد یا این که به گروه اسمی مابعد آن مرتبط است، از جمله فعالیت های تا حدودی پیچیده و مبهم در تجزیه نحوی زبان انگلیسی به شمار می آید. در این مقاله با استفاده از تجزیه گر احتمالاتی زبان انگلیسی در مرحله تجزیه از یک سیستم مترجم ماشینی مبتنی بر قاعده، تشخیص افعال گروهی ابهام زدایی می شود. هم چنین با استفاده از تعدادی قواعد زبان شناسی که به صورت مکاشفه ای به دست آمده اند، خروجی های حاصل از تجزیه گر احتمالاتی بررسی شده و در صورت تشخیص ناسازگاری ساختاری، تجزیه نحوی بهبود داده می شود. آزمایش ها بر روی 520 جمله حاوی افعال گروهی، نشان از کیفیت تشخیص افعال گروهی با استفاده از تجزیه گر احتمالاتی و قواعد مکاشفه ای تا حدود %87 است.

آمار یکساله:  

بازدید 1769

دانلود 162 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    2020
  • دوره: 

    18
  • شماره: 

    1
  • صفحات: 

    63-108
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    11070
  • دانلود: 

    17243
چکیده: 

Semantic role labeling is the task of attaching semantic tags to the words according to the event represented by the sentence. Persian semantic role labeling is a challenging task and most methods proposed so far depend on a huge number of manually extracted features and are applied on feature engineering to attain high performance. On the other hand, considering the Free-Word-Order and Subject-Object-Verb-Order characteristics of Persian, the arguments of the verbal predicate are often distant and create long-range dependencies. The long-range dependencies can hardly be modeled by these methods. Our goal is to achieve a better performance only with minimal feature engineering and also to capture long-range dependencies in a sentence. To these ends, in this paper a deep model for semantic role labeling is developed with the help of dependency tree for Persian. In our proposed method, for each verbal predicate, the potential arguments are identified by dependency relations, and then the dependency path for each pair of predicate and its candidate argument is embedded using the information in the dependency trees. In the next step, we employed a bi-directional recurrent neural network with long short-term memory units to transform word features into semantic role scores. Experiments have been done on the First Semantic Role Corpus in Persian Language and the corpus provided by the authors. The achieved Macro-average F1-measure is 80. 01 for the first corpus and 82. 48 for the second one.

آمار یکساله:  

بازدید 11070

دانلود 17243 استناد 0 مرجع 0
نویسندگان: 

LASHKARIPOUR KOBRA | TORBATI ELHAM

اطلاعات دوره: 
  • سال: 

    2012
  • دوره: 

    1
  • شماره: 

    1
  • صفحات: 

    7-8
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    30075
  • دانلود: 

    9554
چکیده: 

Methamphetamine use and dependency is a serious public health problem with implications across multiple areas from societal impact to burden on psychiatric and medical resources. Different areas such as East and Southeast Asia, Australia, Middle West and Western areas of United States and some regions of Great Britain are suffering from Methamphetamine use and related problems. An estimated 8% of admissions to substance abuse treatment programs are associated to stimulants with Methamphetamine misuse. The comparison of demographic characteristics and variety of substances in Methadone maintenance clinic of Baharan Psychiatry Hospital in Zahrdan, Iran in 2009-2011, has reported an increasing proceeding of methamphetamine use from 6% to about 20%. The Administrator of Health and Social anti-drug campaign declared that the substance related psychotic symptoms are noticeable among Methamphetamine users, it has also been reported that 50% of patients of psychiatric wards consist of Methamphetamine users psychosis patients, which would bring a number of harmful demerits to this the wards.

آمار یکساله:  

بازدید 30075

دانلود 9554 استناد 0 مرجع 0
strs
اطلاعات دوره: 
  • سال: 

    2019
  • دوره: 

    2
  • شماره: 

    2
  • صفحات: 

    15-22
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    24126
  • دانلود: 

    8991
چکیده: 

The task of extracting semantic relations from raw data is called relation extraction. One of the most important fields in open information extraction is the automatically extraction of relations in any domain, especially in web mining. There are many works and approaches for relation extraction in English and other languages. Some of these approaches are based on parsing trees. dependency parsing in the Persian language is difficult and time-consuming, since Persian is a low resource language and has also a dependency grammar and lexical structure, which affects also the speed of relations extraction in Persian. In this paper we will introduce a fast relation extraction method in Persian called RePersian. RePersian is dependent on part-of-speech (POS) tags of a sentence and special relation patterns, which are extracted by analyzing sentence structures in Persian. For finding relation patterns, RePersian searches through POS-tags that are given in regular expression forms. By matching the correct POS pattern to a relation pattern, RePersian extracts the semantic relations in a sentence. We appraise RePersian in two different scenarios on the Dadegan Persian dependency tree dataset. RePersian had on average the precisions 78. 05%, 80. 4% and 54. 85% in finding the first argument on a relation, the second argument and the right relation between them.

آمار یکساله:  

بازدید 24126

دانلود 8991 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    1398
  • دوره: 

    10
  • شماره: 

    1
  • صفحات: 

    161-182
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    939
  • دانلود: 

    311
چکیده: 

ساخت اضافه همواره در نظریه های مختلف زبان شناسی نظیر آوایی، ساختواژی و نحوی حائز اهمیت بوده است و زبان شناسان ایرانی تاکنون تحلیل های متفاوتی از این ساخت به دست داده اند. عدم تظاهر کسره ی اضافه در نوشتار، ابهامات بسیاری را در تحلیل و درک متون فارسی موجب شده است و برنامه های مختلف پردازش زبان اعم از برچسب زن اجزای کلام، تشخیص موجودیت های نام مند، تشخیص کلمات هم مرجع، تبدیل متن به گفتار، ترجمة ماشینی، تجزیة نحوی جملات و غیره را با چالش های بسیاری روبرو ساخته است. به همین روی، شناسایی جایگاه این عنصر از مهم ترین چالش های پردازش متون زبان فارسی به شمار می رود. پژوهش حاضر می کوشد تا به شیوه ای تحلیلی و پیکره بنیاد و از منظر دستور وابستگی به بررسی ساخت اضافه بپردازد. از آنجا که دستور وابستگی به لحاظ سادگی، استفاده کم از فضای حافظه رایانه و تسریع در امر پردازش در مطالعات پردازش متن در حوزة زبان شناسی رایانشی از اهمیت چشمگیری برخوردار است، بهترین پایگاه نظری را برای این دست مطالعات فراهم می آورد. به همین سبب، پژوهش حاضر در تلاش است تا با استفاده از این دستور روشی قاعده مند جهت تشخیص کلمات حاوی نشانه ی کسره ی اضافه در متون فارسی ارائه دهد. بدین منظور، با ارائة کلیة ساخت های نمونه ای که حاوی نشانة اضافه هستند و از پیکرة وابستگی زبان فارسی دانشگاه اوپسالا استخراج شده اند، در چارچوب دستور وابستگی به تجزیه و تحلیل آن ها خواهیم پرداخت. از رهگذر این بررسی، تنها هفت قاعده ی منطقی برای درج کسره ی اضافه در گروه های غیرفعلی اعم از گروه های اسمی، صفتی، حرف اضافه ای، قیدی، گروه هایی با بیش از یک وابستة پسین، گروه هایی با بیش از یک وابسته از نوع گروه و ساخت های همپایه استخراج می شود که با استناد به آن ها می توان در انواع پیکره های وابستگی و سامانه های رایانه ای مبتنی بر تجزیة وابستگی به شناسایی جایگاه نشانه ی اضافه پرداخت. افزون بر این، در این پژوهش به جایگاه های نشانة اضافه ای نیز اشاره خواهد شد که تاکنون در پژوهش های نظری و رایانه ای پیشین به آن ها پرداخته نشده است.

آمار یکساله:  

بازدید 939

دانلود 311 استناد 0 مرجع 0
اطلاعات دوره: 
  • سال: 

    2020
  • دوره: 

    0
  • شماره: 

    6
تعامل: 
  • بازدید: 

    5355
  • دانلود: 

    0
چکیده: 

Relation extraction is the task of extracting semantic information from raw data. One of the key points in the area of open information extraction systems is the ability to extract relation information automatically for any domains, especially in web mining and web research. Many researches have been done in this field for relation extraction in different languages. Many relation extraction algorithms work based on parsing trees. The Persian language, as a low-resource language, has a dependency grammar and lexical structure which makes the dependency parsing difficult or timeconsuming, and it affects the speed of relation extraction in many cases. In this paper, we will introduce RePersian which is a fast method for relation extraction in Persian. Our proposed work is based on part-of-speech (POS) tags of a sentence and particular relation patterns. To achieve these patterns, we have analyzed sentence structures in the Persian language. RePersian searches through the POS-tags for finding the relation patterns, which are given in regular expression forms. In this way, RePersian finds semantic relations by matching the correct POS pattern to a relation pattern. We test and evaluate our method on the Dadegan, Persian dependency tree dataset, with two different POS tag-sets. Our approach had on average a precision of 78. 05% on finding the first argument of a relation, a precision of 80. 4% in finding the second argument and precision of 54. 85% on finding the right relation between the arguments.

آمار یکساله:  

بازدید 5355

دانلود 0
نویسندگان: 

Shojaie Mahsa | Shojaie Mahsa

نشریه: 

JOURNAL OF SLEEP SCIENCES

اطلاعات دوره: 
  • سال: 

    2020
  • دوره: 

    5
  • شماره: 

    2
  • صفحات: 

    79-79
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    29
  • دانلود: 

    8
کلیدواژه: 
چکیده: 

I read with great interest the article entitled “, Comparative investigation of sleep problems in opioid-dependent and normal subjects”,by Madanifard et al. . . .

آمار یکساله:  

بازدید 29

دانلود 8 استناد 0 مرجع 0
litScript