named entity recognition
در نشریات گروه میان رشته ای-
نشریه کارافن، سال بیستم شماره 61 (بهار 1402)، صص 349 -370
مدل های زبانی آموزش دیده، به دلیل کاربرد آن ها در مسایل مرتبط با حوزه پردازش زبان های طبیعی دارای اهمیت فراوانی هستند. مدل های زبانی مانند BERT از محبوبیت بیشتری میان محققان برخوردار شده است. به دلیل توجه این مدل های زبانی به زبان انگلیسی، دیگر زبان ها به برخی از مدل های چند زبانه محدود می شوند. در این مقاله، مدل زبانی VarzeshiBERT به منظور تحلیل محتوای ورزشی فارسی در مسایل مرتبط با این حوزه زبانی ارایه شده است. این مدل زبانی بر پایه مدل زبانی Bert و با استفاده از مجموعه داده جمع آوری شده آموزش دیده است. سه مساله برای ارزیابی مدل زبانی جدید استفاده شده است: تحلیل احساسات، تشخیص نهاد های نامگذاری شده و پرکردن جای خالی. برای آموزش این مدل زبانی با توجه به عدم وجود مجموعه داده ای مناسب، یک مجموعه داده گسترده از رویداد ها و اخبار ورزشی زبان فارسی از چندین مرجع برخط تهیه شده است. با توجه به تخصصی بودن حوزه این مدل و در مقایسه با مدل های زبانی ارایه شده برای زبان فارسی، این مدل در هر سه مساله، نتایج بهتری را ارایه داده است. این مدل با 71.7% و 95.2% بهترین عملکرد را به ترتیب در بخش های پرکردن جای خالی و برچسب زنی اجزای کلام داشته است. در تحلیل احساسات نیز مدل ورزشی، نتایج بهتری را به همراه داشته است. این نتایج نشان می دهد، بکارگیری مدل زبانی مرتبط با هر حوزه تخصصی، نتایج بهتری در مقایسه با مدل های زبانی مرتبط اما با حوزه عمومی متون، خواهد داشت.
کلید واژگان: مدل زبانی، پردازش زبان های طبیعی، تحلیل احساسات، تشخیص نهادهای نامگذاری شده، مجموعه دادهKarafan, Volume:20 Issue: 61, 2023, PP 349 -370Pretrained language models are very important because of their application in issues related to natural language processing. Language models such as BERT have become more popular among researchers. Due to the focus of these language models on English, other languages are limited to some multilingual models. In this article, the VarzeshiBERT language model is presented for the purpose of Persian sports analysis in topics related to this linguistic field. This language model is based on the Bert language model and was trained using the collected dataset. Three problems are used to evaluate the new language model: sentiment analysis, named entity recognition and text infilling. In order to train this language model, due to the lack of a suitable dataset, a wide range of sports events and news in the Farsi language has been prepared from several online sources. Due to the specialization of this model and compared to the language models presented for the Persian language, this model has provided better results in all three problems. This model has the best performance with 71.7% and 95.2% in text infilling and Named Entity Recognition, respectively. In sentiment analysis, the sports model has brought better results. These results show that using a language model related to any specialized field will have better results compared to language models related to the general field of texts.
Keywords: Language models, Natural Language Processing, Sentiment analysis, Named-entity recognition, Dataset
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.