توليد نام هاي زيبا و معنادار ايراني به كمك الگوريتم ژنتيك با تابع برازندگي مبتني بر شبكه عصبي مصنوعي

Intelligent Production of New Beautiful and Meaningful Iranian Names using Genetic Algorithm with Artificial Neural Network-Based Fitness function

زبان‏ هاي گفتاري جهان در طول هزاران سال تاريخ خود، روندي تكاملي را پيموده و به امروز رسيده ‏اند. بر همين راه واژگان زبان ‏هاي گوناگون و البته نام ‏هاي متداول در فرهنگ ‏ها و زبان‏ هاي سراسر جهان نيز، به تكامل رسيده ‏اند و اين روند تكاملي را ادامه خواهند داد. برخي از اين نام ها، با توجه به حس زيبايي‏ شناسي افراد يك جامعه و ويژگي هاي آوايي زباني، كه بسته به زمان و مكان متغير است، رواج بيشتري مي‏يابند و تطور و گسترش بيشتري پيدا مي‏كنند. در اين پژوهش با شناخت واژگان و نام‏ هاي فارسي، مدلي پيشنهاد شده كه بر پايه آن نام هايي نو، كه همراه با داشتن معنايي درخور، از نظر زيبايي‏ شناسي نيز نظر افراد گوناگون را برآورده سازد، توليد شود. ساخت واژگان تازه به كمك پردازش تكاملي (الگوريتم ژنتيك) انجام مي شود كه در آن، تابع برازندگي را (به جز در نسل نخست) يك شبكه عصبي مصنوعي از نوع پيشخور پس انتشار با دو لايه پنهان كه تا 89٪ مشابه انسان تخمين مي زند، شبيه سازي مي‏كند. بهترين نام توليد شده با اين روش، رتبه 5 را در ميان 252 نام جامعه اوليه به دست آورده است. بهترين نمونه‏هاي جامعه اوليه و داده‏ هاي آموزشي و آزمايشي و نيز برآورد تابع برازندگي نسل نخست و سنجش زيبايي بهترين نام هاي توليد شده بدين روش، با تحليل آماري نمونه هاي اخذ شده به كمك پرسش نامه انجام شده است.

Spoken languages around the world have wended an evolutionary flow, during the past thousands of years. On such a way, words and also common names in different cultures and languages have evolved and will continue their way. Some of these names have more popularity and spread out the society, according to the aesthetic sense of individuals and their phonetic features which are variable depend on geographical places and time. In this paper we propose a model which can produce new Iranian names which have meaning and acceptable degree of beautiness in comparison with human opinion. The procedure of name production is based on evolutionary processing (genetic algorithm) and the fitness function is simulated by a feed-forward back-propagation neural network (except in first generation) with two hidden layers which can examine human opinion up to 89%. The best generated name gains rank 5 among 252 names of initial population. Training and test data, the best samples of initial population, examination of fitness function (for first generation) and also determination of beautiness degree of the best final generated names have done by using a statistical analysis on questionnaires data.