استخراج روابط معنایی بین کلمات فارسی با استفاده از داده کاوی متن ها

استخراج اطلاعات یکی از زمینه های رایج پردازش زبان های طبیعی است که فعالیت خود را از همان ابتدای پیدایش پردازش هایی روی زبان های طبیعی آغاز کرده است. هدف از استخراج اطلاعات بدست آوردن اطلاعات مفیدی از منابع وسیع و غیر ساخت یافته موجود در فضای مجازی است. استخراج روابط معنایی یکی از شاخه های رایج در زمینه استخراج اطلاعات است. روابط معنایی زیادی را می توان تعریف کرد که از جمله مهمترین آنها رابطه های عام- خاص، کل-جزء، تضاد و ترادف است. رابطه عام-خاص بیانگر وجود نوعی شمول معنایی میان دو مفهوم است. یعنی مفهوم عام از نظر معنایی شامل مفهوم خاص می شود. بطور مثال "اتومبیل" نوعی "خودرو" است در نتیجه در این رابطه "خودرو" عام و "اتومبیل" خاص است. رابطه کل-جزء نشان دهنده ی نوعی عضویت است. بطور مثال یک بازیکن جزئی از یک تیم است در نتیجه در رابطه ی بین "بازیکن" و "تیم" کلمه ی "بازیکن" جزء و کلمه ی "تیم" کل است. در این پایان نامه سه روش مختلف برای استخراج روابط معنایی پیشنهاد شده است. روش اول بر پایه الگوهای متنی استوار است و برای استخراج روابط معنایی از یک برچسب گذار نقش دستوری کلمات فارسی استفاده می کند. طریقه ی کار این روش بدین صورت است که ابتدا با استفاده از جفت نمونه های اولیه، برای هر رابطه معنایی الگو های متنی را از پیکره استخراج کرده و سپس با توجه به نقش دستوری کلماتی که می توانند در کنار الگوی مورد نظر قرار بگیرند کلمات مرتبط معنایی را استخراج می کنیم. موفقیت این روش بطور متوسط برای الگوهای مختلف 65 درصد است. روش دوم یک روش بر پایه n-gramها است. در این روش هر دو کلمه که در یک n-gram قرار می گیرند همسایه نامیده می شوند. فرض بر این است که دو کلمه با هم رابطه معنایی دارند اگر تعداد همسایگان مشترک آنها بیش از حد آستانه باشد. میزان موفقیت این روش 42 درصد بوده است. روش سوم به منظور استخراج رابطه تضاد استفاده شده و برخلاف دو روش قبلی که از ویژگی های نحوی زبان استفاده می-کنند این روش از ویژگی های معنایی زبان استفاده می کند. در این روش دو کلمه به عنوان ورودی دریافت شده و برای تشخیص متضاد بودن آنها جملاتی از پیکره که شامل کلمه اول هستند استخراج شده و در آن جمله ها کلمه دوم را با کلمه اول جابجا کرده سپس فعل جمله را معکوس می کنیم. حال بررسی می کنیم اگر جمله بدست آمده از نظر معنایی درست باشد آنگاه آن دو کلمه با هم متضاد هستند. برای تعیین صحت جمله بدست آمده از دو روش دستی و خودکار استفاد شده که در روش دستی نتایج بسیار خوبی بدست آمده است.