کتابداری و اطلاع رسانی, دوره (21), شماره (2), سال (2018-8) , صفحات (3-25)

عنوان : ( استخراج اطلاعات از پیکره زبانی: معرفی پیکرۀ مقاله‎های علمی‎‎پژوهشی دانشگاه فردوسی مشهد )

نویسندگان: عطیه کامیابی گل , الهام اخلاقی باقوجری , احسان عسگریان , هانیه حبیبی ,
فایل: Full Text

استناددهی: BibTeX | EndNote

چکیده

هدف: پردازش زبان طبیعی، استفاده در فرهنگ‌نگاری، پیگیری تحولات زبانی و استخراج اطلاعات زبانی خاص از مهم‌ترین کاربردهای پیکره است. هدف از انجام این پژوهش معرفی و توصیف چگونگی ساخت پیکرۀ مقاله‌های علمی‎پژوهشی است که نگارندگان پدید آورده‌اند. روش: برای ایجاد پیکره، نخست نرم‌افزار پیکره‌ساز طراحی و ساخته شد. این نرم‌افزار انواع فرمت از جمله doc،docx ،rtf ،txt و pdf را پشتیبانی می‌کند. همچنین می‌توان پارامترهای ساخت پیکره را از قبل نیز برای آن تعیین کرد. برای مثال، مشخص کرد که حداقل تعداد توکن فایل برای حضور یک متن در پیکره چه عددی باشد. سپس مجموعه مقاله‌های علمی‌پژوهشی اعضای هیئت‎علمی دانشگاه فردوسی مشهد جمع‌آوری شد. مجموع مقاله‌های مشتمل بر 7.154.202 کلمه و 1100 عنوان است. کلّ پیکره در فایل‌های مجزا به جمله‌های تشکیل‌دهنده آن تجزیه شد. ریشۀ کلمات استخراج و برچسب نحوی کلمات زده شد. علاوه ‌بر امکان استخراج اطلاعات به‌طور مستقیم، نرم‌افزار جانبی دیگری با کاربرد ساده‌تر برای استخراج اطلاعات آماری نیز طراحی و به آن افزوه شد تا کاربران غیرتخصصی هم بتوانند از آن استفاده و اطلاعات را استخراج کنند. یافته: برای ارزیابی درستیِ ابزارهای ریشه‌یاب و برچسب‌زنی مقوله‌های گفتار، از پیکره‌های استاندارد موجود مانند پیکره PerDT (در سایت دادگان) که شامل تعداد قابل‌توجهی جملۀ برچسب‎خورده با اطلاعات نحوی و ساخت‎واژی است استفاده شد. همچنین با مطالعه موردی عبارات احتیاط‌آمیز (بخشی از طرح پژوهشی که به چاپ نرسیده است) یافته‌ این پژوهش که ساخت پیکرۀ مقاله‌های علمی‌پژوهشی است آزمایش و با دقت حدود96% تأیید شد. نتیجه: بر اساس نتایج به‎دست‎آمده، پیکرۀ ساخته‎شده قابلیت بسیار بالایی برای داده‌کاوی و استفاده در تمام پژوهش‌هایی که بر روی متون علمی انجام می‌شود را دارا است. با استفاده از این پیکره می‌توان توصیفی داده‎محور از نحوۀ کاربرد زبان توسط گروه‌های مختلف کاربران زبانی ارائه کرد. با بارگذاری این پیکره در سایت کتابخانه مرکزی دانشگاه فردوسی مشهد، امکان کاربری عام آن به‎زودی فراهم خواهد شد.

کلمات کلیدی

پیکرۀ زبانی؛ برچسب‌دهی؛ مقاله‌های علمی‎پژوهشی؛ دانشگاه فردوسی مشهد
برای دانلود از شناسه و رمز عبور پرتال پویا استفاده کنید.

@article{paperid:1069658,
author = {کامیابی گل, عطیه and اخلاقی باقوجری, الهام and احسان عسگریان and حبیبی, هانیه},
title = {استخراج اطلاعات از پیکره زبانی: معرفی پیکرۀ مقاله‎های علمی‎‎پژوهشی دانشگاه فردوسی مشهد},
journal = {کتابداری و اطلاع رسانی},
year = {2018},
volume = {21},
number = {2},
month = {August},
issn = {1680-9637},
pages = {3--25},
numpages = {22},
keywords = {پیکرۀ زبانی؛ برچسب‌دهی؛ مقاله‌های علمی‎پژوهشی؛ دانشگاه فردوسی مشهد},
}

[Download]

%0 Journal Article
%T استخراج اطلاعات از پیکره زبانی: معرفی پیکرۀ مقاله‎های علمی‎‎پژوهشی دانشگاه فردوسی مشهد
%A کامیابی گل, عطیه
%A اخلاقی باقوجری, الهام
%A احسان عسگریان
%A حبیبی, هانیه
%J کتابداری و اطلاع رسانی
%@ 1680-9637
%D 2018

[Download]