یک ریشه یاب فارسی مبتنی بر قاعده با استفاده از عبارات منظم

استخراج خودکار ریشه کلمات یکی از مسائل اساسی و پر اهمیت در پردازش زبان های طبیعی و بازیابی اطلاعات متنی است. در این مقاله انواع رهیافت های رایج در طراحی ریشه یاب ها مورد بررسی قرار گرفته اند. سپس با بررسی قواعد صرفی کلمات در ساخت واژه زبان فارسی به طراحی یک ریشه یاب خودکار پرداخته شده است. ریشه یاب پیشنهادی بر پایه مجموعه ای از قواعد که به صورت عبارات منظم بیان شده اند؛ اقدام به حذف پیشوند و پسوند کلمات می کند. در این مقاله، استثنائات و مسائل موجود در صرف کلمات فارسی بررسی شده و راهی برای حل آنها ارائه شده است. سپس ریشه یاب پیشنهادی مورد آزمایش و مقایسه قرار گرفته، که نتایج آن نشان دهنده ی دقت بسیار بیشتری در مقایسه با ریشه یاب های پیشین است. با توجه به کارهای انجام شده در این زمینه، ریشه یاب پیشنهادی، برای اولین بار به بررسی و حل برخی از مشکلات ریشه یابی در زبان فارسی پرداخته است

کلیدواژه ها:

بازیابی اطلاعات متنی ، پردازش زبان طبیعی ، ریشه یابی ، ساخت واژه زبان فارسی