تولید خودکار متن فارسی با استفاده مدل های مبتنی بر قاعده و تعبیه واژگان

تولید زبان طبیعی از پردازش زبان طبیعی حاصل می‏شود. زبان طبیعی از یک سیستم ارایه ماشینی مانند پایگاه دانش تولید می‏شود. سیستم‏های NLG از مدت‏ها پیش وجود داشته اما فناوری آن به صورت ابزار تجاری اخیرا به صورت گسترده به وجود آمده است. در NLG، سیستم نیاز به تصمیم‏گیری در مورد چگونگی قرار دادن یک مفهوم در کلمات دارد. توانایی ایجاد متن معنی دار نقش کلیدی در بسیاری از کاربردهای پردازش زبان طبیعی مانند ترجمه ماشین، گفتار و تبدیل عکس به متن دارد. هدف این پروژه ارایه روشی برای تولید متن با استفاده از روش های هوش مصنوعی و با ساختار درست و آغازی برای تولید متن فارسی است. به عبارت دیگر در این مقاله روشی ارایه شده که قادر به تولید متن طولانی متنوع علاوه بر حفظ معنا و ساختار در زبان فارسی می باشد. جهت پیشبرد تولید متن سعی شده از ترکیب روش های یادگیری ماشین با مدل های احتمالاتی، استفاده شود. در مدل پیشنهادی از مدل های احتمالاتی برای استخراج قوانین و از Word2vec برای برداری سازی متن استفاده شده و سپس در فاز تولید از ترکیب این دو و فاصله کسینوسی استفاده می شود. نتایج نشان دهنده ارایه مدلی بوده که متن تولیدی آن دارای ساختار، مفهوم و تنوع مناسب می باشد. همچنین این مدل از نظر انسانی و پیچیدگی نیز بهینه می باشد.