رویکرد شی گرا در طراحی و پیاده سازی سیستم پردازش زبان طبیعی با قابلیت یادگیری

پردازش زبان طبیعی از جمله مسائل اساسی در حوزه هوش مصنوعی است، پردازش زبان طبیعی شامل دو مرحله درک زبان طبیعی و تولید زبان طبیعی است. درک و تفسیر زبان طبیعی را می توان هم زمان با تجزیه لغوی و نحوی اجزای موجود در متن انجام داد. ایجاد تصویری شی گرا از متن ورودی می تواند در درک متن به کامپیوتر کمک کند. از نمایش شی گرا به عنوان روش نمایش دانش موجود در زبان طبیعی استفاده می شود. برای برچسب زنی و قطعه یابی، الگوریتم سی کی وای در دستور زبان مبتنی بر عبارات بهینه سازی شده است. با توجه به اینکه برخی زبان های طبیعی، آرایش واژگانی آزاد دارند از دستور زبان وابستگی استفاده می کنیم. هر جمله را در قالب یک قاب نمایش می دهیم و در مرحله پایانی قاب ها را به اشیا تبدیل می کنیم.به کار گیری دستور زبان وابستگی باعث انجام فاز تحلیل معنایی هم زمان با فاز تحلیل نحوی شده است. با ذخیره اشیا در پایگاه داده می توان قابلیت یادگیری را در سیستم ایجاد کرد. این رساله، مراحل نگاشت زبان طبیعی به مجموعه ای از اشیا برای ذخیره در کامپیوتر را ارائه می دهد.این مراحل به صورت یک ساختار ماژولار ارائه می شوند و قبل از پیاده سازی، توسط اطلاعات زبان شناسی در جملات آزمایشی مورد ارزیابی قرار می گیرد. سپس با به کارگیری محیط برنامه نویسی، سیستم سانوا برای ساختن اشیا پیاده سازی شده است. کاربردهای مختلف پردازش زبان طبیعی می توانند از اشیا ساخته شده به جای متن زبان طبیعی استفاده کنند.اشیای به دست آمده قابلیت محاسبات و بازیابی دانش را برای کاربردهای پردازش زبان طبیعی فراهم می کنند.