ارایه راهی برای تصحیح غلطهای املایی نگاشته شده توسط انسان یکی از اهداف مورد توجه در دانش هوش مصنوعی، متن کاوی و پردازش زبان طبیعی است. بیشتر روشهای موجود برای تصحیح غلطهای املایی بر پایه الگوریتمهای جستوجو در فرهنگ واژگان و تعیین نسبت شباهت واژگان درست موجود در فرهنگ واژگان با واژه نادرست مورد نظر کار میکنند.
در این پژوهش طراحی، پیادهسازی و ارزیابی یک مصحح املایی بهکمک شبکههای عصبی مصنوعی هاپفیلد و پرسپترون چند لایه با رویکرد ویژه به غلطهای تایپی کاربر ارایه میشود. نتایج بهدست آمده نشان میدهند که برای یادگیری واژهنامهای مشتمل بر 4 تا 256 واژه 4 تا 6 حرفی و تصحیح غلطهای 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 دستهبندی انجام میدهد - به دقتی بین80% و 100% درستی دست یافته، که این مقدار با بهکارگیری شبکههای ترکیبی به نزدیک به80% دقت درستی برای بیش از 3000 واژه افزایش یافته است.
بازنشر اطلاعات | |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |