1974

پارسي ست: توليد مجموعه ي ابزار تجزيه كننده ي جمله به واژه و پيكره ي مجموعه واژگان مبهم براي زبان فارسي

دستغيب، محمدباقر

1397

زبان فارسي يكي از زبان هاي دنيا است كه نظام نوشتاري آن الفبايي است كه از زبان عربي برگرفته شده است. حدود يك درصد جمعيت جهان فارسي زبان هستند و همين امر، انجام تحقيقات زبانشناسي در اين حوزه در سطح ملي و فرا ملي را بسيار با اهميت مي سازد. انجام پژوهش در حوزه ي زبانشناسي رايانشي در حوزه ي هر زبان، نيازمند ابزار و منابع زباني (پيكره ها) است. بنابراين تهيه ابزارها و پيكره ها از جمله پيشنيازهاي پژوهش در حوزه ي زبانشناسي رايانه اي است. در اين راستا در اين پژوهش مجموعه ي پارسي ست كه شامل تجزيه كننده ي جمله به واژه و پيكره ي مجموعه ي ابهام واژگان فارسي است، توليد شده است. پيكرهي مجموعه ي ابهام براي هر واژه ي صحيح فارسي، شامل مجموعه ي واژگان صحيح فارسي در فاصله ي ويرايشي يك نسبت به آن واژه است. اين مجموعه ي ارزشمند مي تواند در شناسايي نوري نويسه ها، تصحيح و غلط يابي متون فارسي و تبديل گفتار به متن مورد استفاده قرار گيرد. محصول ديگر پارسي ست، تجزيه كننده است كه وظيفه ي آن تجزيه ي جمله به واژه به روش تركيبي است. اين تجزيه كننده همچنين با كمك روش مبتني بر دانش، نيم فاصله را نيز اصلاح مي نمايد.

پارسي ست , تجزيه كننده متن , روش مبتني بر دانش , پيكره ي مجموعه ي ابهام

شيراز مركز منطقه اي اطلاع رساني علوم و فناوري

جدول، نمودار