کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

بهبود انتخاب ویژگی و کاهش ابعاد در ترجمه ماشینی به کمک شبکه‌های خودرمزنگار

نویسندگان :

مریم درستی¹ میرمحسن پدرام²

1- دانشگاه خوارزمی 2- دانشگاه خوارزمی

کلمات کلیدی :

هوش‌ مصنوعی، پردازش زبان طبیعی، ترجمه ماشینی، یادگیری ژرف

چکیده :

امروزه با پیشرفت چشمگیر هوش مصنوعی در تمام زمینه ها، بسیاری از افراد و شرکت های بزرگ در صدد استفاده از این علم برای پیشرفت کسب و کارها و کاهش هزینه های خود برآمده اند. یکی از حوزه های مهم هوش مصنوعی، پردازش زبان طبیعی است، که در زمینه های مختلفی همچون تحلیل احساسات ، خلاصه سازی متون ، تبدیل گفتار به متن و ترجمه ماشینی به پیشرفت های بسیار مهمی دست یافته است. ترجمه ماشینی فناوری است که با ماشینی کردن ترجمه از زبانی به زبان دیگر ، باعث کاهش هزینه ها و افزایش سرعت ترجمه برای کاربران شده است. در اصل ترجمه ماشینی، گامی در راستای جهانی شدن برای هر فرهنگ، دانش، صنعت و سیستمی می باشد. اگر چه ترجمه ماشینی برای رسیدن به نقطه ی درک کامل زبان طبیعی و ظرافت های آن راهی دراز در پیش دارد، اما این فناوری از سال 2013 با ظهور مدل های یادگیری ژرف پیشرفت بسیار چشم گیری در راستای درک شناختی از زبان طبیعی را داشته است. ولی این مدل ها نیز از نقاط ضعف و مشکلاتی برخوردار هستند. در این مقاله سعی شده است مطالعه ای در رابطه با مدل های یادگیری ژرف در ترجمه ماشینی و نقاط ضعف و قوت آن انجام شود، همچنین اصلاحاتی برای بهبود دقت و سرعت مدل مبتنی بر شبکه های عصبی پیچشی با استفاده از روش کاهش ابعاد و استخراج ویژگی های با ابعاد کمتر به کمک شبکه های خودرمزنگار، انجام شده است.