مقالۀ پیش رو درصدد است تا با نقد و بررسی رویکردهای مختلف پیرامون مقولۀ ساخت خرده­جمله تحلیلی کمینه گرا از این ساخت در زبان فارسی به دست دهد. با ظهور نظریۀ حاکمیت و مرجع گزینی از سال 1981 تا کنون بررسی مقولۀ نحوی ساخت خرده­جمله به عنوان یکی از موضوعات بحث برانگیز مورد توجه بسیاری از زبان­شناسان واقع شده و نظرات متفاوتی از سوی آنان مطرح گردیده است. در این راستا، در پژوهش حاضر ابتدا نظرات مختلف پیرامون ماهیت مقولۀ ساخت خرده­جمله مورد نقد و بررسی قرار گرفته است. پس از آن براساس نظریۀ برچسب­دهی برون مرکزی از ساختار گروهی چامسکی (2013, 2015) تلاش شده است تا تحلیلی کمینه‍گرا از ماهیت مقولۀ خرده­جملۀ متممی در زبان فارسی، ساختار درونی و طریقۀ بازبینی حالت آن ارائه شود. در نهایت، بر پایۀ چارچوب مذکور نشان دادیم از آنجا که فاعل ساخت خرده­جملۀ متممی برای بازبینی حالت خود مجبور به حرکت به جایگاه بالاتر از درون سازۀ خود است و مشخصه­های رونوشت برجاماندۀ آن برای الگوریتم برچسب­دهی غیر­قابل رؤیت است، تنها گروه نحوی درجامانده که قابل رؤیت است به عنوان برچسب نحوی انتخاب می­گردد. بنابراین، مشخصه­های نحوی محمول خرده­جمله در زبان فارسی تعیین کنندۀ برچسب نحوی این سازه است.

مدل عبارت-مرزی برای ترجمه ماشینی آماری، قواعد را با طبقه کلمات مرزی عبارات پیکره مقصد برچسب می­ زند. در این مقاله مدل عبارت-مرزی را با استفاده از برچسب­ های کم عمق نحوی شامل برچسب POS و برچسب قطعات توسعه می­ دهیم. با اولویت برچسب قطعات، مدل پیشنهادی، غیرپایانه­ ها را با برچسب­ های کم عمق نحوی در مرز عبارات مقصد نام­ گذاری می­ کند. در قیاس با مدل SAMT که قواعد را با درخت تجزیه نحوی جملات مقصد برچسب می­ زند، مدل پیشنهادی به تجزیه عمیق نحوی نیاز ندارد. همچنین، هرچه تفاوت ترتیب کلمات زبان مبداء و مقصد ترجمه بیشتر باشد، عبارات تراز شده قابل انطباق با درخت تجزیه نحوی، کمتر خواهد بود. تعدادی آزمایش در ترجمه از فارسی و آلمانی به انگلیسی به عنوان جفت زبان­ هایی با تفاوت زیاد در ترتیب کلمات انجام شد. در این آزمایش ها، مدل عبارت-مرزی پیشنهادی نسبت به مدل SAMT در حدود 5/0 واحد BLEU کیفیت ترجمه بهتری به دست آورد.

پژوهش حاضر به معرفی رویکردی ماشینی برای چگونگی رفع ابهام معنایی از کلمات می پردازد. در زبان فارسی، که ساخت-واژه پیچیده دارد، هم نگاره های بسیاری ساخته می شوند که معانی گوناگونی در بافت های گوناگون دارند. یکی از راه هایی که کمک می کند رفع ابهام از معنای کلمات مبهم (هم نگاره ها) با سهولت و دقت بیشتری انجام شود، تخصیص برچسب درست نحوی به کلمات است. بنابراین اگر برچسب دهی نحوی قبل از مرحله رفع ابهام معنایی از کلمات، صورت پذیرد، رفع ابهام معنایی از هم نگاره ها با دقت بیشتری انجام خواهد گرفت. از آنجائی که فراوانی هم نگاره های اسمی و صفتی در متون فارسی، در مقایسه با سایر هم نگاره ها، بالا است، پس از تخصیص برچسب نحوی به کلمات، لازم است رفع ابهام از برچسب نحوی هم نگاره ها نیز صورت گیرد. در این مقاله ابتدا روش های ماشینی موجود در جهت رفع ابهام از معنای کلمات معرفی می شود و سپس، الگوریتم لسک (که یکی از روش های یادگیری ماشینی بدون نظارت/ بدون سرپرست برای رفع ابهام معنایی از کلمات مبهم موجود در متون گوناگون است) معرفی می شود و در نهایت رویکردی ماشینی جهت رفع ابهام از معنای کلمات با استفاده از نتیجه مرحله برچسب زنی نحوی به کلمات و رفع ابهام از برچسب نحوی کلمات و الگوریتم لسک معرفی می شود. انجام برچسب دهی نحوی و رفع ابهام از برچسب نحوی هم نگاره ها باعث می شود الگوریتم لسک تنها، معانی مرتبط با برچسب-های نحوی را در رفع ابهام معنایی از کلمات در نظر گیرد و در نتیجه عمل رفع ابهام از معنای کلمات با دقت و سهولت بیشتری انجام پذیرد.

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.

اندیشه کاوی به تحلیل اظهار نظرات کاربران جهت استخراج نظرات، احساسات و خواسته های کاربران در یک حوزه خاص می پردازد. دانستن نظرات افراد در یک حوزه خاص می تواند نقش مهمی در تصمیم گیری های کلان آن حوزه ایفا کند. به طور کلی اندیشه کاوی در سه سطح سند، جمله و ویژگی به استخراج نظرات کاربران می پردازد. اندیشه کاوی در سطح ویژگی به دلیل تحلیل جهت گیری جنبه های مختلف یک حوزه از دو سطح دیگر بیشتر مورد توجه قرار دارد. در این مقاله روشی به منظور استخراج ویژگی ها و بسط لغت نامه اندیشه کاوی ارائه شده است. این لغت نامه به منظور تعیین جهت گیری نظرات کاربران مورد استفاده قرار می گیرد. روش پیشنهادی شامل چهار گام اصلی است. در گام نخست لغت نامه اندیشه کاوی برای زبان فارسی ایجاد می شود. گام دوم مرحله پیش پردازش شامل تقطیع، ایجاد برچسب های ادات سخن و برچسب وابستگی نحوی اسناد است. گام سوم استخراج ویژگی ها و بسط لغت نامه با استفاده از روش انتشار دوگانه است و در گام چهارم ویژگی ها و قطبیت کلمات حاوی نظر استخراج شده در مرحله قبلی اصلاح شده و در نهایت قطبیت ویژگی ها تعیین می گردد. برای ارزیابی روش پیشنهادی، نتایج حاصل را با روش استخراج ویژگی بر اساس تکرار در متون فارسی که قبلا ارائه شده است مقایسه خواهیم نمود. نتایج به دست آمده نشان می دهد که روش ارائه شده در این مقاله نسبت به روش استخراج ویژگی بر اساس تکرار در متون فارسی عملکرد بهتری دارد.