فهرست مطالب

ره آورد نور - سال دهم شماره 34 (پیاپی 51، بهار 1390)
  • سال دهم شماره 34 (پیاپی 51، بهار 1390)
  • ویژه نامه سمینار فناوری های پردازش هوشمند متون اسلامی
  • 112 صفحه، بهای روی جلد: 11,000ريال
  • تاریخ انتشار: 1390/03/05
  • تعداد عناوین: 16
|
  • صفحه 5
    در دنیای امروز، رشد چشمگیر متون دیجیتالی ایجاب می کند تا با بهره گیری بهینه از فناوری های نوین «متن کاوی» و ایجاد سامانه های هوشمند «پردازش زبان طبیعی» برای زبان عربی و فارسی، استخراج اطلاعات علوم اسلامی را از دادگان متنی دیجیتالی کارآمدتر سازیم. از این رو، مرکز تحقیقات کامپیوتری علوم اسلامی، یکی از پیشگامان این عرصه، با تاسیس «گروه پژوهشی متن کاوی نور» بدین مهم توجه نمود و به دستاوردهای ارزشمندی چون: صرف هوشمند زبان عربی، دسته بندی خودکار متون، تشخیص روایات مشابه و اعراب گذاری ماشینی دست یافت. حاصل این موارد، پژوهشگران را یاری می کند تا سریع تر و مطلوب تر به نتایج پژوهشی مورد نظر خود نایل آیند.
    در راستای برگزاری «سمینار فناوری های پردازش هوشمند متون اسلامی» در مرکز تحقیقات کامپیوتری علوم اسلامی، به حضور دکتر بهروز مینایی، دبیر این سمینار رسیدیم تا از نزدیک با اهداف و برنامه های این گردهمایی علمی آشنا شویم. آنچه در ذیل می خوانید، حاصل این گفتگو است.
  • حسین عابدینی، بهروز مینایی صفحه 7
  • مهدی بهنیافر، بهروز مینایی صفحه 13
    مرکز تحقیقات کامپیوتری علوم اسلامی به زودی در چارچوب ساختار پژوهشی مورد تایید وزارت علوم، تحقیقات و فناوری یک نهاد پژوهشی جانبی تاسیس خواهد کرد. آنچه در پی می آید، توضیحاتی درباره زمینه های فعالیت این نهاد نوپا است که در گام اول، در قالب یک گروه پژوهشی و در گام های بعد و توسعه یافته خود، در قالب یک پژوهشکده زیر نظر «مرکز نور» فعالیت خواهد کرد. در اینجا ابتدا با توضیحاتی درباره زمینه علمی فعالیت آن و سپس درباره ساختار سازمانی آن مواجه می شوید.
  • حبیب سریانی، بهروز مینایی صفحه 18
    جهت فهم زبان عربی، سه دانش مهم، نقش اساسی را بر عهده دارند که عبارت اند از: علم لغت، صرف و نحو. علم لغت، یعنی فهم معنای حقیقی یک کلمه و همچنین آشنایی با برخی معانی مجازی و کنایی یک کلمه یا یک عبارت.
    در کنار علم لغت، علم صرف و نحو نیز وجود دارد که مبتنی بر قواعدی است که فهم هوشمند از آنها را امکان پذیر می کند. بدون تردید، علم صرف را باید پیش نیاز علم نحو دانست. اینکه یک کلمه چه جایگاهی را در یک کلام دارد، ابتدا وابسته به این است که کلمه به خودی خود قابلیت کدام یک از نقوش نحوی را دارد؛ به طور مثال، فاعل یا مفعول شدن یک کلمه، در ابتدا وابسته به این است که آن کلمه اسم باشد و نه فعل یا حرف.
    در حال حاضر، چند موتور صرف وجود داردکه با قدرت و دقت نسبتا مناسبی به کار تجزیه صرفی متون عربی می پردازد؛ اما عواملی منجر به آن شده که طراحی موتور جدیدی در دستور کار مرکز قرار گیرد که به برخی از آنها اشاره می کنیم.
  • بهروز مینایی، محمدرضا وفایی صفحه 29
    پردازش زبان ها و مکالمات طبیعی، یکی از اموری است که با ورود فناوری رایانه ای به زندگی بشر، مورد توجه بسیاری از دانشمندان قرار گرفته است. حتی اندیشه ای که تورینگ از ماشین هوشمند خود و تعریفی که او از هوش مصنوعی داشت، در مرحله اول مربوط به پردازش زبان های طبیعی می شد. تلاش های زیادی برای پیگیری این امر صورت گرفت؛ به عنوان مثال، یکی از نتایج قابل توجه این تلاش ها ماشین «الیزا» بود که با تایپ از راه دور با یک انسان، جملات او را پردازش نموده و جوابی درخور آن ارسال می نمود. پردازش زبان طبیعی، یکی از عرصه های مهم در علم هوش مصنوعی است.
  • محمد امین الهی منش، بهروز مینایی صفحه 41
    انسان ها برای انتقال مقصود خود به مخاطب، از راه های مختلفی استفاده می کنند. یکی از متداول ترین روش ها، استفاده از تکلم (گفتاری و نوشتاری) است. در پردازش سخن، گوینده با به کارگیری کلمات، در قالبی به نام جمله، هدف خود را به مخاطب می فهماند. برای فهم هدف متکلم لازم است مخاطب، جملات او را از جنبه های گوناگون مانند: محدوده، معنا،(1) اعراب و... مورد بررسی قرار دهد و تنها بهره گیری از تجزیه کلمات و تکیه بر نقش آنها برای تشخیص جمله کافی نیست. شناخت محدوده جمله که تعیین ابتدا و انتهای جملات است، نخستین مرحله پردازش جمله به شمار می آید. پس از آن، اعراب و لایه معنا شناسی قرار دارد.
  • محمدرضا جوان آراسته صفحه 49
    متن کاوی (Text Mining)، دانش استخراج خودکار الگوهای پنهان از متون حجیم است. یکی از علوم مرتبط با متن کاوی، پردازش زبان طبیعی (NLP) نام دارد. از مهم ترین ابزارهای پردازش زبان طبیعی نیز می توان به برچسب گذاری ادات سخن (Part of Speech Tagging) اشاره کرد. برچسب گذاری خودکار متن، در هر زبانی در دو حوزه مهم پیگیری می شود. اول حوزه ریخت شناسی (Morphology) (صرف) و دوم گرامر(نحو). در صرف،(1) کلمات جدای از هم، مستقل از یکدیگر و تنها با توجه به ساخت شان مورد بررسی قرار می گیرند؛ اما در نحو،(2) جایگاه هر کلمه در کنار سایر کلمات مد نظر قرار می گیرد. جایگاه صرف نسبت به مباحث نحوی، جایگاه تقدمی است. در واقع، تا زمانی که ساختار صرفی کلمات در یک متن مشخص نشده باشد، ورود به حوزه نحو کاری بی سرانجام می نماید.
  • محمدرضا جوان آراسته، بهروز مینایی صفحه 59
    موضوع گرامر زبان (نحو)، یکی از موضوعاتی است که در پردازش زبان طبیعی مورد توجه قرار می گیرد. گرامر زبان، یعنی بررسی چینش کلمات و نقش هر واژه در کنار سایر واژگان. از مهم ترین موضوعاتی که می توان در گرامر زبان مطرح کرد، بحث عطف است. عطف، به منزله مفصلی است که قسمتی از عبارت پس از خود را به قبل آن مربوط می سازد. یکی از دلایلی که بررسی عطف را در اولویت قرار می دهد، میزان استفاده و فراوانی آن در متون است. مشخص شدن رابطه کلمه پس از حرف عطف با پیش از آن، هم به پیدا کردن نقش کلمه پس از حرف عطف کمک کرده و هم در مرحله های بعدی به یافتن رابطه معنایی جملات کمک خواهد کرد.
    مسیری که برای کشف معطوف و معطوف علیه طی شد، راهی برخاسته از دل متون عربی بود. برای پیدا کردن معطوف و معطوف علیه، به قوانینی بیش از آنچه در کتب عربی معمول می باشد، نیاز است. از همین رو، تلاش بر آن بود تا با بررسی متون متعدد، قوانینی استقرایی از دل جملات عربی به دست آید.
  • محمد حبیب زاده بیژنی صفحه 77
    برجسته کردن عبارات قرآنی در متون مکتوب - چه با تغییر در نوع نوشتار و چه با استفاده از علائم ویرایشی - موضوعی است که قرن ها مورد توجه مؤلفان، نسخه برداران و ناشران قرار گرفته است. همچنین، فهرست برداری از این عبارات و درج آنها به صورت آماری در بخش پایانی کتب نیز در تالیفات دهه های اخیر متداول بوده است.
    مرکز تحقیقات کامپیوتری علوم اسلامی، طی بیش از دو دهه فعالیت خود تلاش نموده تا محوریت قرآن و حدیث را در نرم افزارهای تولیدی حفظ نماید که این تلاش ها ابتدا تفاوت چندانی با مدل مکتوب نداشته است؛ اما به مرور زمان روش های ابتکاری نوینی برای سرعت و دقت بیشتر به کار گرفته شده که آخرین آنها طرح «جستجوی هوشمند عبارات قرآنی در متون دیجیتال» می باشد.
  • بهروز مینایی، محمدحسین شیخ الاسلام صفحه 83
    خطایابی،(1) شامل دو بخش اصلی است: بخش اول، بهره گیری از یک واژه نامه(2) است و بخش دوم، مجموعه ای از الگوریتم ها و شگردها(Techniques) می باشد که این واژه نامه برای خطایابی استفاده می کند. این شگردها به سه دسته اصلی تقسیم می شود: 1. جستجو در واژه نامه؛ 2. یافتن لغت صحیح جایگزین در واژه نامه؛ 3. رتبه بندی اصلاحات.
    کلیدواژگان: خطایابی، اصلاح خطای کلمه ای، اصلاح خطای مفهوم گرا
  • محمدحسین الهی منش، بهروز مینایی صفحه 90
    در این گزارش، سعی شده است تا یکی از تکنیک های موفق در زمینه رده بندی متون را برای متون فارسی به کار بندیم. به عنوان تعریفی ساده از رده بندی متون، می توان روند شناسایی رده یا طبقه یک متن ناشناخته را بیان نمود. در این روش ما با استفاده از روش رده بندی K نزدیک ترین همسایه(1) و دو معیار فاصله متون، آزمایش های خودمان را انجام داده ایم. یکی از این دو معیار، الگو گرفته از نوعی رده بندی متون زبان عربی[4] بوده و دیگری، معیار ترکیبی تولید شده خودمان است. مجموعه آزمایش ها بر روی پیکره همشهری[1] است. این دو نوع فاصله سنجی، هر کدام با الگوریتم نزدیک ترین همسایه ترکیب شده و رده بند 1 تا 20 نزدیک ترین همسایه را برای آزمایش های ما آماده کرده اند. نتایج ما نشان می دهد که این روش می تواند با دقت(2) 89% عمل رده بندی را انجام دهد.
  • محمدحسین الهی منش، بهروز مینایی صفحه 102
    در این مستند، به یکی از دغدغه های بزرگ در زمینه زبان شناسی محاسباتی(1) با نام برچسب گذاری ادات سخن (part of speech tagging) پرداخته شده است. برچسب گذاری ادات سخن که یکی از پایه ای ترین نیازهای پردازش هوشمند متن به شمار می آید، وابسته به زبان متن مورد پردازش است. از این رو، فراهم شدن برچسب گذاری قوی برای زبان فارسی، جزو اولویتهای کار ما قرار گرفت. تکنیک مورد کاربرد ما برای حل این مساله، استفاده ازمدل مخفی مارکوف(2) بوده است. این تکنیک در بسیاری از شیوه های برچسب گذاری به کاربرده می شود؛ برای نمونه، در برچسب گذار TNT[2] که یکی از قوی ترین برچسب گذارها در زبان های مختلف است[4، 5، 8]. طبق آزمایش های انجام شده ما، با استفاده از این برچسب گذار می توان با دقت 94.3% برچسب گونه صرفی کلمات فارسی را مشخص نمود.
  • بهروز مینایی، احسان براتی صفحه 107