تصحیح خودکار غلط های تایپی فارسی به کمک شبکه عصبی مصنوعی ترکیبی

نویسندگان

امیرشهاب شاهمیری

a. shahmiri رضا صفابخش صفابخش

r. safabakhsh رسول دژکام

r. dezhkam

چکیده

ارایه راهی برای تصحیح غلط های املایی نگاشته شده توسط انسان یکی از اهداف مورد توجه در دانش هوش مصنوعی، متن کاوی و پردازش زبان طبیعی است. بیشتر روش های موجود برای تصحیح غلط های املایی بر پایه الگوریتم های جست وجو در فرهنگ واژگان و تعیین نسبت شباهت واژگان درست موجود در فرهنگ واژگان با واژه نادرست مورد نظر کار می کنند. در این پژوهش طراحی، پیاده سازی و ارزیابی یک مصحح املایی به کمک شبکه های عصبی مصنوعی هاپفیلد و پرسپترون چند لایه با رویکرد ویژه به غلط های تایپی کاربر ارایه می شود. نتایج به دست آمده نشان می دهند که برای یادگیری واژه نامه ای مشتمل بر 4 تا 256 واژه 4 تا 6 حرفی و تصحیح غلط های مربوط به آنها، شبکه هاپفیلد به دقتی بین 55% و 100% درستی و شبکه پرسپترون چندلایه - که در این تحقیق عمل یادگیری را در قالب دسته بندی انجام می دهد - به دقتی بین80% و 100% درستی دست یافته، که این مقدار با به­کارگیری شبکه های ترکیبی به نزدیک به80% دقت درستی برای بیش از 3000 واژه افزایش یافته است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تولید خودکار دادگان آزمون به کمک شبکه عصبی

چکیده یکی از مراحل مهم آزمون نرم‌افزار شئ‌گرا، آزمون مستقل اشیا است.آزمون مستقل اشیا با دو مشکل روبه‌رو است: اولاً شئ مورد فراخوانی ممکن استروش‌هایی از اشیا دیگر را فراخوانی کندودر نتیجهبررسیمستقلآن ممکن نباشد. ثانیاً روش‌های فراخوانی شده ممکن است زمان‌بر باشند و باعث شوندآزمون شئ مورد نظر طولانی شود. یک راه‌حل برای رفع دو مشکل فوق، استفاده از اشیا جاعل است. اشیا جاعل روش-های مورد فراخوانی را شب...

متن کامل

تشخیص خودکار خوشه های میکروکلسیفیکاسیون به کمک تبدیل موجک و شبکه های عصبی

در این مقاله، یک سیستم CAD به منظور شناسایی و تشخیص خوشه های میکروکلسیفیکاسیون در تصاویر ماموگرافی معرفی شده است. الگوریتم معرفی شده مرکب از سه مرحله اساسی است. در مرحله اول، تبدیل موجک روی تصاویر ماموگرافی اعمال شده و دو ضریب موجک به همراه دو ویژگی آماری به عنوان ویژگی های متمایز کننده پیکسل ها از نظر تعلق به یک دانه میکروکلسیفیکاسیون استخراج می گردد. سپس با استفاده از یک شبکه عصبی، دسته بندی ...

متن کامل

تولید خودکار دادگان آزمون به کمک شبکه عصبی

چکیده یکی از مراحل مهم آزمون نرم افزار شئ گرا، آزمون مستقل اشیا است.آزمون مستقل اشیا با دو مشکل روبه رو است: اولاً شئ مورد فراخوانی ممکن استروش هایی از اشیا دیگر را فراخوانی کندودر نتیجهبررسیمستقلآن ممکن نباشد. ثانیاً روش های فراخوانی شده ممکن است زمان بر باشند و باعث شوندآزمون شئ مورد نظر طولانی شود. یک راه حل برای رفع دو مشکل فوق، استفاده از اشیا جاعل است. اشیا جاعل روش-های مورد فراخوانی را شبی...

متن کامل

بهبود عملکرد الگوریتم خوشه‌یابی خودکار تصاویر رنگی به کمک پیش‌پردازش با شبکه عصبی خودسامانده (SOM)

با توجه به کاربرد فراوان مسئله خوشه‌یابی داده‌ها به‌عنوان یکی از مسائل مهم در مبحث بازشناسی الگو، زمینه‌های تحقیقاتی متنوعی از جمله خوشه‌یابی تصاویر به این موضوع اختصاص یافته است. اکثر روش‌های مطرح‌شده برای حل مسئله خوشه‌یابی تصاویر، مبتنی بر الگوریتم‌های هوش‌جمعی می‌باشد. با توجه به حجم بالای داده ورودی در این الگوریتم‌ها (برابر تعداد پیکسل‌های تصویر)، زمان محاسباتی زیادی صرف حل مسئله می‌شود ب...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
مهندسی برق و الکترونیک ایران

جلد ۵، شماره ۱، صفحات ۱۶-۲۹

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023