انتقال سبک متن در زبان فارسی با استفاده از یادگیری عمیق

EasyChair Preprint 4690

Abstract

در سال های اخیر، یادگیری عمیق طیف گسترده ای از امور پردازش زبان طبیعی را در بر گرفته است که از جمله به روز ترین آنها انتقال سبک متن می­باشد. هدف این امر، تغییر نوشتار یک متن از سبک مبداء به سبک هدف، با حفظ محتوا و سلاست متن است. اکثر تحقیقات صورت گرفته این حوزه در زبان انگلیسی انجام شده و زبان فارسی به دلیل پیچیدگی زبانی، کمبود داده، و قدرت محاسباتی از تحولات مبوطه به دور بوده است. در این پژوهش، نخستین روش انتقال سبک متن در دامنه جنسیت ارائه شده، و تاثیر کلمات و نقش های مختلف آنان بر تشخیص جنسیت متون مورد بررسی قرار گرفته است. به منظور سنجش میزان موفقیت روش های ارائه شده، ابتدا به تعلیم شبکه عصبی با هدف تشخیص جنسیت متن پرداخته و سپس با انتقال سبک و سعی بر شکست آن، نتایج بدست آمده را مقایسه می­کنیم. قدرتمندترین روش پیشنهادی این پژوهش، موفق به شکست 32.9 درصدی مدل تشخیص جنسیت شده است.

Keyphrases: Bag of Words, Natural Language Processing, Word classification, deep learning, gender identification, heuristic search, text style transfer

@booklet{EasyChair:4690,
  author    = {Reza Khan Mohammadi and Seyed Abolghasem Mirroshandel},
  title     = {Text Style Transfer in Persian Language using Deep Learning},
  howpublished = {EasyChair Preprint 4690},
  year      = {EasyChair, 2020}}