تصحیح خودکار غلط های تایپی فارسی به کمک شبکه عصبی مصنوعی ترکیبی
چکیده
ارایه راهی برای تصحیح غلط های املایی نگاشته شده توسط انسان یکی از اهداف مورد توجه در دانش هوش مصنوعی، متن کاوی و پردازش زبان طبیعی است. بیشتر روش های موجود برای تصحیح غلط های املایی بر پایه الگوریتم های جست وجو در فرهنگ واژگان و تعیین نسبت شباهت واژگان درست موجود در فرهنگ واژگان با واژه نادرست مورد نظر کار می کنند. در این پژوهش طراحی، پیاده سازی و ارزیابی یک مصحح املایی به کمک شبکه های عصبی مصنوعی هاپفیلد و پرسپترون چند لایه با رویکرد ویژه به غلط های تایپی کاربر ارایه می شود. نتایج به دست آمده نشان می دهند که برای یادگیری واژه نامه ای مشتمل بر 4 تا 256 واژه 4 تا 6 حرفی و تصحیح غلط های مربوط به آنها، شبکه هاپفیلد به دقتی بین 55% و 100% درستی و شبکه پرسپترون چندلایه - که در این تحقیق عمل یادگیری را در قالب دسته بندی انجام می دهد - به دقتی بین80% و 100% درستی دست یافته، که این مقدار با بهکارگیری شبکه های ترکیبی به نزدیک به80% دقت درستی برای بیش از 3000 واژه افزایش یافته است.