معرفی و آزمون پیکره علیت PerCause برای شناسایی روابط علی فارسی

شناسایی روابط علی و همچنین تعیین مرز عناصر علی در متن، از جمله مسایل چالش برانگیز در پردازش زبان طبیعی (NLP) به ویژه در زبان های کم منبع مانند فارسی است. در این پژوهش، در راستای آموزش سیستمی برای شناسایی روابط علی و مرز عناصر آن، یک پیکره علیت برچسب خورده انسانی برای زبان فارسی معرفی می شود. این مجموعه شامل 4446 جمله (مستخرج از پیکره بیجن خان و متن یکسری کتاب) و 5128 رابطه علی است و در صورت وجود، سه برچسب علت، معلول و نشانه علی برای هر رابطه مشخص شده است. ما از این پیکره برای آموزش سیستمی برای تشخیص مرزهای عناصر علی استفاده کردیم. همچنین، یک بستر آزمون شناسایی علیت را با سه روش یادگیری ماشین و دو سیستم یادگیری عمیق مبتنی بر این پیکره ارایه می کنیم. ارزیابی های عملکرد نشان می دهد که بهترین نتیجه کلی از طریق طبقه بندی کننده CRF به دست می آید که معیار F برابر 76% را ارایه می کند. علاوه بر این، بهترین صحت (91.4٪) در روش یادگیری عمیق BiLSTM-CRF به دست آمده است. به نظر می رسد وجود CRF به دلیل مدلسازی بافتار منجر به بهبود دقت سیستم می شود.