[صفحه اصلی ]   [ English ]  
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور پژوهشی::
آموزش الکترونیکی::
پردیس شماره 2::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
::
ورود به سایت دروس

AWT IMAGE

نام کاربری
کلمه عبور

AWT IMAGE
رمز ورود را فراموش کرده‌اید؟

..
دفاعیه کارشناسی ارشد

دفاعیه کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: سید ابوالفضل مهدی‌زاده صوفیانی ::
 | تاریخ ارسال: ۱۳۹۵/۶/۲۹ | 

AWT IMAGE

آقای سید ابوالفضل مهدی‌زاده صوفیانی دانشجوی کارشناسی ارشد آقای دکتر مرتضی آنالویی روز دوشنبه 29/06/95 ساعت 13:30 در اتاق سمینار واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان "تشخیص موجودیت‌های نامدار فارسی با استفاده از شبکه‌های عصبی عمیق" دفاع می ‏‏نمایند.

چکیده

یادگیری عمیق عرصه‌ی جدیدی از پژوهش‌ها در زمینه‌ی یادگیری ماشین است. از یادگیری عمیق در حیطه‌های مختلف پردازش سیگنال‌ها و داده‌ها استفاده شده است. مدل‌های عمیق در بعضی از مسائل مانند پردازش تصویر و بینایی ماشین نسبت به روش‌های سنتی عملکرد بسیار چشم‌گیری داشته‌اند.

از یادگیری عمیق در کاربردهای مختلف پردازش زبان طبیعی استفاده شده است. در بعضی زمینه‌ها مانند مدل‌سازی زبان موفقیت‌های چشمگیری بدست آمده است. در زمینه‌های دیگر نیز نتایج امیدوار کننده هستند. گروه‌های پژوهشی بسیاری در این زمینه فعالیت دارند؛ وانگهی هنوز نتایج چشم‌گیر به دست نیامده است.

در این پژوهش یک معماری عمیق برای تشخیص موجودیت‌های نامدار فارسی ارائه می‌شود. این معماری مبتنی بر شبکه‌های عصبی برگشتی است. همچنین در این معماری چندین لایه برای یادگیری بردارهای واژگان وجود دارد.

آزمایش‌ها نشان می‌دهند با استفاده از متن خام و روش‌های ایجاد بردار واژگان می‌توان عملکرد روش پیشنهادی را به شدت افزایش داد؛ همچنین می‌توان از یک معماری واحد برای تشخیص برچسب اجزای سخن و تشخیص موجودیت‎های نامدار فارسی بهره برد.

از نتایج مهم دیگر این پژوهش اثبات کارایی روش‌های پیشنهادی برای زبان‌های دیگر در زبان فارسی و اهمیت ویژگی‌های ظاهری و ریخت‌شناسی واژگان فارسی است.

واژه‌های کلیدی: یادگیری عمیق، شبکه‌های عصبی عمیق، شبکه‌ی برگشتی، موجودیت نامدار، تعبیه واژه

Abstract

Deep Learning is a new field in machine learning researches. It has been used in a great extent of signal and data processing tasks. Deep models had a very tremendous results in some tasks like image processing and machine vision.

These models also have been used in different Natural Language Processing tasks. They have shown impressive improvement in language modeling. In other tasks the results are promising. Various research groups are active in this field, but their results aren’t significant.

In this thesis, a deep architecture for Persian Named Entity Recognition has been proposed. This architecture is based on recurrent neural networks, also there is several layers for learning word vectors.

Experiments shows that using unannotated text and producing word embeddings can greatly increase models performance. It has been shown that a unified deep architecture can be used for Persian Part Of Speech Tagging and Named Entity Recognition.

This study prove the effectiveness of suggested methods in other languages for Persian Named Entity Recognition and importance of syntax and morphological features of Persian words.

Keywords: Deep Learning, Deep Neural Networks, Recurrent Network, Named Entity, Word Embedding

­­­­­

.

.


دانشجو:

سید ابوالفضل مهدی‌زاده صوفیانی

   رشته مهندسی کامپیوتر – هوش مصنوعی و رباتیک

استاد راهنما: دکتر مرتضی آنالویی

استاد داور داخلی: دکتر بهروز مینایی

استاد داور خارجی: دکتر حمید بیگی

تاریخ دفاع: دوشنبه 29/6/1395

زمان: 13:30

 

  مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق سمینار

 از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

 

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

 

 

 

 

 

 

دفعات مشاهده: 2259 بار   |   دفعات چاپ: 276 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
School of Computer Engineering
Persian site map - English site map - Created in 0.186 seconds with 962 queries by yektaweb 3525