هدف از تشخیص عبارت های گفتاری یا جستجوی کلیدواژه، تشخیص و جستجوی مجموعه ای از کلیدواژه ها در مجموعه ای از اسناد گفتاری (مانند سخنرانی ها، جلسه ها) است. در این پژوهش تشخیص عبارت های گفتاری فارسی برپایه سامانه های بازشناسی گفتار با کاربرد در بازیابی اطلاعات در بایگانی های گفتاری و ویدئویی سازمان صدا و سیما طراحی و پیاده سازی شده است. برای این کار، ابتدا اسناد گفتاری به متن، بازشناسی، سپس بر روی این متون جستجو انجام می شود. برای آموزش سامانه بازشناسی گفتار فارسی، دادگان فارس دات بزرگ به کار رفته است. این سامانه به نرخ خطای واژه 71/2 درصد بر روی همین دادگان و 23/28 درصد بر روی دادگان اخبار فارسی با استفاده از مدل زیر فضای مخلوط گوسی (SGMM) رسید. برای تشخیص عبارت های گفتاری از روش پایه واژگان نماینده استفاده شده و با استفاده از شبکه حافظه کوتاه-مدت ماندگار و دسته بندی زمانی پیوندگرا (LSTM-CTC) روشی برای بهبود تشخیص واژگان خارج از واژگان (OOV) پیشنهاد شده است. کارایی سامانه تشخیص عبارات با روش واژه های نماینده بر روی دادگان فارس دات بزرگ بر طبق معیار ارزش وزنی واقعی عبارت (ATWV) برابر با 9206/0 برای کلیدواژه های داخل واژگان و برابر با 2/0 برای کلیدواژه های خارج از واژگان رسید که این نرخ برای واژگان OOV با استفاده از روش LSTM-CTC با حدود پنجاه درصد بهبود به مقدار 3058/0 رسید؛ همچنین، در تشخیص عبارت های گفتاری بر روی دادگان اخبار فارسی، ATWV برابر 8008/0 حاصل شد.

طبقه بندی ارقام جدا شده چالش اساسی برای بسیاری از سیستم های طبقه بندی گفتار است. درحالی که کارهای زیادی بر روی زبان های گفتاری انجام شده است، تحقیقات محدودی در مورد داده های رقمی گفتاری فارسی در ادبیات گزارش شده است و تمامی تحقیقات مربوط به اعداد صفر تا 9 بوده است. برای این منظور، پایگاه داده ی جامعی شامل بازه ی وسیعتری از اعداد با مشارکت 145 نفر که شامل هفتاد نفر مرد و 75 نفر زن هستند، جمع آوری گردیده است. پایگاه داده مذکور، بازه عددی صفر تا 599 را پوشش می دهد. پس از پیش پردازش داده ها، داده های صوتی تبدیل به طیف نگار مل شده و برای استخراج ویژگی و طبقه بندی داده ها از شبکه عصبی کانولوشنی و نیز یک مدل ترکیبی شامل مدل ترنسفورمر و حافظه کوتاه و بلند مدت استفاده گردیده است. نتایج تجربی بر روی پایگاه داده جمع آوری شده حاکی از دقت اعتبارسنجی 98.03 درصد می باشد. آنالیزهای مختلفی نیز بر روی آزمایش و آزمون مدل ها صورت گرفته است.

در زبان فارسی، فعل از جهات گوناگون تقسیم می شود. تقسیم بندی بر مبنای ساخت و تعداد اجزای تشکیل دهنده، یکی از مهمترین اقسام فعل است. دستور نویسان در این باره دست کم به دو گونه فعل ساده و فعل مرکب قائلند. برخی نیز اقسام بیشتری برای فعل برشمرده اند. عبارت فعلی گونه ای از فعل بر مبنای ساخت آن است که دست کم از سه جزء تشکیل می شود و معنی واحدی دارد. در چند دهه اخیر این مجموعه فعلی، در برخی از دستورها عبارت فعلی نامیده شده، اما برخی آن را انکار یا در نامگذاری آن سکوت کرده اند.در این مقاله، پس از بررسی آرای صاحب نظران در باره تقسیم فعل، به تاریخچه نامگذاری عبارت فعلی، سابقه آن در متون قدیم، ساخت و انـواع عبارت فعلی، کاربردهای گوناگون آن و نیز تشابه و تفاوت عبارت فعلی با متمم پرداخته می شود و سرانجام فهرستی نسبتا مفصل هم از عبارت های فعلی ارایه می گردد.

 ضبط عبارت های فعلی ضمیردار در فرهنگ های فارسی همواره با مشکلاتی همراه بوده است. کاربرد ضمیر در این عبارت ها چنان گوناگون است که، اگر در مدخل موبوط به هر عبارت اطلاعات لازم در خصوص آن به نوعی ذکر نشود، هم از دقت علمی فرهنگ کاسته می شود و هم مراجع، خاصه مراجع خارجی، در کاربرد درست عبارت دچار مشکل می گردد. مثلا کاربرد ضمیر «خود» در دو عبارت پای قول خود ایستادن و خود را باختن بسیار متفاوت است: در اولی، به جای ضمیر مشترک خود، می توان از ضمیر شخصی متصل استفاده کرد (مثلا «من پای قولم ایستاده ام»)؛ اما، در دومی، به جای ضمیر مشترک از هیچ ضمیر دیگری نمی توان استفاده کرد، یعنی مثلا فقط می توان گفت: «من خودم را باختم»، اما هرگز نمی توان گفت: «من من را باختم» یا «منم را باختم». دیگر آن که استفاده از ضمیر شخصی منفصل در عبارت فعلی اول نیز باعث غیر دستوری شدن آن می گردد: «من پای قول من ایستاده ام». در مثالی دیگر به کاربرد ضمیر در دو عبارت «چیزی را از گلوی کسی بریدن» و « گلوی خود را پاره کردن» توجه کنید: در اولی، به جای ضمیر مبهم کسی، هم می توان از ضمیر شخصی منفصل استفاده کرد (مثلا «این لقمه را از گلوی تو نمی برند») هم از ضمیر مشترک (مثلا «از گلوی خودش برید که بچه اش را بزرگ کند»). اما، در دومی، علاوه بر ضمیر مشترک خود، فقط از ضمیر شخصی متصل می توان استفاده کرد (مثلا «گیرم گلویم را پاره می کردم، مگر کسی صدایم را می شنید!»)، یعنی، در این جا نیز، هرگز نمی توان از ضمیر منفصل استفاده کرد و مثلا گفت: « گیرم گلوی من را پاره می کردم...». بنابراین، چگونگی کاربرد ضمیر در عبارت های فعلی فارسی از جمله اطلاعاتی است که باید در فرهنگ های فارسی در اختیار مراجع گذاشته شود. در این مقاله، ابتدا به توصیف دستوری کاربردهای ضمیر در عبارت های فعلی و گروه بندی عبارت های فعلی بر این اساس می پردازیم و، سپس، در بخش دوم مقاله، چند فرهنگ فارسی را از این حیث بررسی و ارزیابی می کنیم.  

رکن اصلی و تفکیک ناپذیر جمله فعل است و ساختمان آن دارای اشکالی چون: فعل ساده، پیشوندی، مرکب، پیشوندی مرکب، عبارت فعلی و فعل های لازم یک شخصه می باشد. بحث و بررسی های زیادی در خصوص ساختمان فعل صورت گرفته است، لیکن درباره ساختمان عبارت فعلی، به صورتی بایسته، پژوهشی جامع صورت نگرفته است. در این مقاله کوشش می شود تا با توجه به نظر دستور نویسانی چون خانلری، احمدی گیوی، ابوالقاسمی، انوری، فرشیدورد و ارژنگ و زبان شناسانی چون مشکوه الدینی، باطنی، وحیدیان کامیار و طبیب زاده، به عبارت فعلی پرداخته شود و با نقد و تحلیل هریک از آنها، به درستی و نادرستی و نیز اختلاف دیدگاه ها اشاره و در این مباحث، نظر نگارندگان ارایه گردد. لذا هدف این نوشتار، این است که به تبیین نظرات دستورنویسان سنتی و جدید و تعریف دقیق تر و علمی تری که از سوی آنها ارایه شده است، بپردازد و در نهایت، با تحلیل ساخت عبارت فعلی، آن را از دو بعد ساختاری و معنایی مورد بررسی قرار دهد.

و» به مثابه تکواژی عطفی که سازه های مختلفی اعم از واژه ها و جملات را به هم پیوند می دهد، از دیرباز از منظر منطقی و دستوری موردتوجه منطق دانان و دستورنویسان بوده است. بررسی معنایی این تکواژ در پژوهش حاضر با تکیه بر پیکره ای گفتاری صورت گرفت که از مجموع جملات بیان شده در سه سریال ایرانی در نمایش خانگی، شامل سریال های هیولا، مانکن و کرگدن به دست آمده است. در این پژوهش، با درنظر گرفتن عملکرد هر واحد نشانه ای درون نظام زبان و برخورداری اش از ارزشی خاص خود و درنظر گرفتن روابط هم نشینی سازه ها به بررسی این تکواژ پرداختیم. مطالعه «ارزش های معنایی» «و»، یعنی امکانات جایگزینی «و» با سایر واحدها روی محور جانشینی ازیک سو و «رفتارهای معنایی» این واحد روی محور هم نشینی از سوی دیگر نشان داد که اولا، «و» می تواند روی محور جانشینی دارای ارزش های «و»، «به این دلیل»، «اما»، «درحالی که»، «با»، «واحد آغازین» و «درنتیجه» باشد؛ ثانیا، این واحد در سطح واژه، در قالب ترکیب عطفی آزاد و مقید، و نیز در قالب نام آواها به شکل تکرار عطفی قوی و ضعیف، نقش معنایی ایفا کند. «و» در سطح جمله با توجه به واحدهای هم نشین، یعنی گزاره های p و q می تواند رفتارهای گوناگونی از خود نشان دهد که گویای وابستگی اش به مولفه های زمان، جهان های ممکن، شرطی سازی، نتیجه یابی و الگوهای واقع در جهان های ممکن است. به این ترتیب، رفتار معنایی «و» کاملا به رفتارهای معنایی گزاره های p و q وابسته است.

این مقاله به مقایسه میزان و نوع راهبردهای مستقیم، غیرمستقیم، و تعدیل های حاشیه ای به کار رفته توسط فارسی زبانان و فارسی آموزان در کنش گفتاری درخواست، در بافت های مختلف (با در نظر گرفتن میزان رسمیت، میزان آشنایی با مخاطب، و اهمیت موضوع درخواست) می پردازد. داده های این پژوهش، از طریق آزمون تکمیل گفتمان و مشاهده مستقیم گردآوری شده است. 80 فارسی زبان و 80 فارسی آموز 20 تا 30 ساله در دو سطح زبانی در این آزمون شرکت کردند. نتایج نشان دادند که رابطه معناداری بین میزان رسمیت و اهمیت موضوع درخواست، و میزان استفاده از تعدیل های حاشیه ای در درخواست های زبان آموزان وجود ندارد. البته زبان آموزان، بسته به میزان آشنایی با مخاطب، از تعدیل های حاشیه ای استفاده می کنند. این در حالی است که فارسی زبانان، بسته به هر سه متغیر، عملکرد متفاوتی دارند و این نشان دهنده آن است که فارسی آموزان از راهبردهای متناسب با موقعیت های مختلف آگاهی ندارند. از یافته های این پژوهش در زمینه آموزش زبان فارسی به این صورت می توان بهره برد که مواد درسی و نیز فعالیت های کلاسی باید به نحوی باشند که فارسی آموزان را برای موقعیت های گوناگون آماده کنند تا در مواقع لزوم بتوانند از راهبردهای مناسب بهره گیری نمایند.

تحقیقات علمی کافی در مورد کارکرد ژانرها و ویژگی های گفتمانی مربوط به آنها در قلمرو ساختار اطلاعات و تفسیر نحوی آن در زبان فارسی وجود ندارد. پژوهش حاضر که ماهیت توصیفی و پیکره محور دارد، برای تحلیل سه ژانر متمایز زبان فارسی به ویژه گفتمان سیاسی، گفتمان علمی و گفتگوی روزمره طراحی شده است. هدف این مطالعه بررسی ساختار اطلاعات موجود در این ژانرها است که از طریق چهار ابزار نحوی کلیدی بیان میشود: شکاف، شبه شکاف، صدای منفعل و پیش فرض. به منظور دستیابی به هدف مورد نظر، هزار عبارت کلامی متمایز در مورد هر یک از ژانرهای مذکور از پایگاه چندرسانه ای سایت ایرنا (خبرگزاری ایران) و گفتگوهای روزمره بین آشنایان و اعضای خانواده محققین با استفاده از لامبرشت به دست آمد. چارچوب نظری برای ساخت ساختار اطلاعات. پس از جمع آوری داده ها، رونویسی انجام شد و دستگاه های نحوی مختلفی شناسایی شدند. پس از آن، آمار توصیفی برای تجزیه و تحلیل و درک بازنمایی این ابزار نحوی در انواع مختلف ژانر مورد استفاده قرار گرفت. یافته ها حاکی از آن است که در سه طبقه بندی گفتمان سیاسی، گفتمان علمی و بحث های رایج، تفاوت های مشخصی در تصویرسازی ابزارها وجود دارد. این کشف ممکن است برای محققان زبان شناسی و نظریه زبان اهمیت داشته باشد.