فهم سؤال در سیستم­های پرسش و پاسخ با یادگیری عمیق

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: فهم سؤال در سیستم­های پرسش و پاسخ با یادگیری عمیق

ارائه دهنده: Provider: مجید کامران نژاد

اساتید راهنما: Supervisors: دکتر میرحسین دزفولیان

اساتید مشاور: Advisory Professors: دکتر محرم منصوری زاده

اساتید ممتحن یا داور: Examining professors or referees: دکتر محمد نصیری - دکتر مهدی سخایی نیا

زمان و تاریخ ارائه: Time and date of presentation: چهارشنبه 30 بهمن 1398 ساعت 17

مکان ارائه: Place of presentation: آمفی تئاتر دانشکده مهندسی

چکیده: Abstract: پاسخ دادن به سؤال، یکی از شاخه‌های بازیابی اطلاعات و پردازش زبان‌های طبیعی است. به‌طورکلی، سیستم پرسش و پاسخ یک برنامه رایانه‌ای است که می‌تواند پاسخ‌ها را از مجموعه اسناد زبان طبیعی استخراج کند. یکی از حوزه‌های پرسش و پاسخ، درک مطلب ماشین است. درک مطلب ماشین، توانایی خواندن متن توسط ماشین و پاسخ دادن به سؤالات مطرح‌شده از متن است. به همین منظور سیستم باید همانند انسان قادر به فهم درست کلمات متن و روابط بین آن‌ها باشد. با توجه به جدید بودن این حوزه، بیشتر روش‌های ارائه‌شده مبتنی بر یادگیری عمیق هستند. روش پیشنهادی نیز مبتنی بر یادگیری عمیق است. در ابتدا، داده‌ها پیش‌پردازش شده و متن‌ها و سؤالات آن به کلمه و حروف تجزیه می‌شوند. سپس کلمات با روش پنهان‌سازی GloVe و حروف با مقداردهی تصادفی به بردار عددی تبدیل می‌شوند و پس از کدگذاری با شبکه Bi-GRU به‌صورت متناظر با کلمات پاراگراف و سؤال الحاق می‌شوند. با استفاده از شبکه Bi-GRU ماتریس جملات و سؤال کدگذاری شده و به‌وسیله مکانیسم توجه، توجه متن به سؤال به دست می‌آید. خروجی مکانیسم توجه توسط شبکه یادگیری افزایشی کدگذاری می‌شود که این شبکه دارای لایه توجه خود تطبیق است. خروجی شبکه جهت تخمین پاسخ مورداستفاده قرارگرفته و پاسخ پیش‌بینی‌شده مورد ارزیابی قرار می‌گیرد. در این پژوهش از مجموعه داده SQuAD استفاده‌شده و سعی شده روشی ارائه شود که به همراه افزایش سرعت اجرا، دقت و کارایی قابل قبولی ارائه دهد. نتایج بررسی نشان می‌دهد که مدل پیشنهادی به رشد مناسبی ازنظر سرعت و دقت نسبت به مدل‌های پیشین دست‌یافته است.

فایل: ّFile: تنزيل فایل