مقایسه روش های کلاسیک و روش های مبتنی بر اندازه های آماری پیکره‏بنیاد در استخراج خودکار واژه های پایه علوم پزشکی به روش بسامدی

طی دو دهه ی اخیر با پیشرفت علم و فناوری، استفاده از روش های پیکره بنیاد در آموزش زبان و تدوین منابع درسی گسترش چشمگیری داشته است. پژوهش حاضر با هدف دستیابی به روشی خودکار در استخراج واژه از پیکره ها در زبان فارسی صورت گرفته است. برای دستیابی به هدف پژوهش روش های بسامد شماری در دو گروه کلاسیک و روش های مبتنی بر اندازه های آماری موردبررسی قرارگرفته و توانمندی هریک از که عبارتند از بسامدشماری پیکره ی عمومی، بسامدشماری پیکره ی تخصصی و روش های بهبودیافته ی آن ها موردمقایسه قرارمی گیرند. نتایج نشان می دهد که در روش های کلاسیک با اعمال تکنیک هایی می توان فرایند انتخاب واژه های تخصصی را بهبود بخشید و در این میان بهترین عملکرد مربوط به روش بسامدشماری بهبود یافته در پیکره ی تخصصی بوده است. روش های به کاررفته در پژوهش عبارتند از اطلاعات متقابل نقطه ای و مجذور کا[1]. نتایج به دست آمده برای این دو روش نیز قابلیت استفاده از روش های بسامدشماری پیکره بنیاد در زبان فارسی را مورد تایید قرار می دهد. روش مجذور کا با استخراج %32 واژه ی تخصصی و روش اطلاعات متقابل نقطه ای با استخراج %52 واژه ی تخصصی، عملکرد مناسبی در تشخیص خودکار واژه های تخصصی از خود نشان می دهند. نتایج حاصل از اعمال این روش ها روی پیکره ها و مقایسه آن ها نشان می دهند که  می توان از روش های مبتنی بر اندازه گیری های آماری برای استخراج خودکار واژه در زبان بهره جست و به این ترتیب تحولی نوین در تهیه و تدوین متون آموزشی حاصل خواهد شد و آموزش دهندگان می توانند به فهرست واژگانی دسترسی داشته باشند که دانستن آن برای زبان آموزانشان مفید و گاه ضروری است.