Thesis

طراحی و ایجاد شبکه ی واژگانی اسامی زبان فارسی

Abstract(in Persian; no English abstract is available)

در عصر ارتباطات و فناوری اطلاعات, پردازش زبان به عنوان مهمترین ابزار انتقال اطلاعات جایگاه ویژه ای دارد. یکی از مفیدترین ابزارهایی که کارایی آن در زمینه های مختلف پردازش زبان طبیعی مورد آزمایش قرار گرفته است شبکه ی واژگانی است. در این پژوهش که در حوزه ی زبانشناسی رایانه ای انجام پذیرفته است به دنبال طراحی و ایجاد شبکه ی واژگانی اسامی زبان فارسی به عنوان ابزاری مورد نیاز و ضروری برای پردازش زبان فارسی بوده ایم. جهت تحقق این هدف سه پرسش مطرح گردید:1. چگونه می توان برای مقوله ی اسم در زبان فارسی شبکه ی واژگانی طراحی نمود؟ 2. رابطه معنایی میان اسامی فارسی بر اساس چه ملاک(هایی)تعیین می گردد؟ 3. آیا بین شبکه ی واژگانی اسامی و سایر شبکه های واژگانی( فعل و صفت) در زبان فارسی و شبکه های واژگانی سایر زبانها می توان ارتباط برقرار کرد؟ و براساس سه پرسش، سه فرضیه ی زیر شکل گرفت: 1. برای مقوله ی اسم در زبان فارسی می توان بر اساس یافته ها و اصول نظری معنی شناسی واژگانی و شیوه های به کار گرفته شده در طراحی شبکه های واژگانی دیگر ، شبکه ی واژگانی طراحی نمود. 2. شمول معنایی بیشترین کارآیی را در تبیین رابطه های معنایی میان اسامی در درون شبکه دارد. 3. بین شبکه ی واژگانی اسامی زبان فارسی حاصل از این پژوهش و سایر شبکه های واژگانی شباهت ساختاری وجود دارد و می توان بین آنها تعامل کاربردی ایجاد نمود. برای بررسی فرضیه های فوق ابتدا به بررسی شبکه های واژگانی ایجاد شده برای زبانهای مختلف پرداخته شد و روشها و رویه های ساخت آنها سنجیده و مناسبترین روش برای ساخت شبکه ی واژگانی اسامی زبان فارسی روش ساخت بالا به پایین شناخته شد. علاوه براین با بررسی بر روی اسامی در زبان فارسی 22 رابطه بین اسامی شناخته شد که برای تعیین هر رابطه آزمونی طراحی گردید. در همین حین دادگانی جهت درج اطلاعات طراحی گردید که برای اجرای آن نیاز به سیستم عامل ویندوز 2000 یا بالاتر است و مدیر دادگان مورد نیاز برای اجرای آن، زبان پرس و جوی ساخت یافته ی مایکروسافت نسخه ی ansi 92 یا بالاتر می باشد و به صورت نسخه ی رومیزی قابل اجراست. در طراحی، تحلیل و پیاده سازی از روش نمونه سازی استفاده شده و زبان برنامه نویسی مورد استفاده نیز ویژوال بیسیک است و معماری پیاده سازی به روش سه لایه صورت گرفته است. با توجه به روش انتخابی و با کمک منابع زبانی موجود (شامل هفت فرهنگ لغت و دو گنجواژه) و یک دادگان الکترونیکی که حاوی بیش از 50 میلیون واژه ی زبان فارسی به شکل متن بود، اسامی پربسامد زبان فارسی انتخاب شد. سپس با کمک مفاهیم پایه ی مشترک زبانها و اسامی مستخرج از دادگان، 5000 دسته ی هم معنای اسم ساخته شد و با ورود آنها به دادگان و درج روابط معنایی شبکه ی واژگانی اسامی زبان فارسی شکل گرفت. در انتها با توجه به یافته های زیر هر سه فرضیه ی پژوهش تایید گردید: 1. با توجه به اینکه با استفاده از یافته ها و اصول نظری معناشناسی واژگانی ، امکان ارائه ی آزمونها و یافتن روابط میان اسامی زبان فارسی امکان پذیر گردید و نرم افزار طراحی شده برای این پژوهش، جستجوها و بازیابی اطلاعات را با سرعت و دقت مناسب به انجام می رساند، فرضیه ی اول پژوهش تایید می گردد. 2. بر اساس آمار به دست آمده از پژوهش شمول معنایی بیشترین بسامد را در بین روابط معنایی به خود اختصاص داده است که حاکی از اثبات فرضیه ی دوم است. 3. با توجه به بهره گیری از ویرایشگر و مروگر تطبیق یافته ی visdic برای زبان فارسی و قابلیت صدور اطلاعات ذخیره شده در این ابزار در قالبxml تعامل کاربردی بین این شبکه و دیگر شبکه های واژگانی تضمین گردید و فرضیه ی سوم نیز اثبات شد. از جمله کارهای تکمیلی که بر روی شبکه ی واژگانی اسامی زبان فارسی می توان انجام داد، افزودن دسته های هم معنا، غنای هرچه بیشتر روابط، افزودن اصطلاحات و باهم آیی ها به شبکه و افزودن مشخصات نحوی می باشد. علاوه بر این به کارگیری عملی شبکه در فرایندهای پردازش زبان فارسی باعث شناخت نقاط قوت و ضعف آن می گردد. همچنین می توان پژوهشهای پیکره ای و رده شناختی بامقایسه ی شبکه ی اسامی با شبکه های سایر زبانها از طریق رابط میان زبانی به انجام رساند.

Supervisors and advisors

مصطفی عاصی، شهلا رقیب دوست، محمد دبیرمقدم