[ad_1]
17 آگوست 2020
شرکت استخدام ، آموزشی ویبولیتین
دیگران
شرکت استخدام ، آموزشی ویبولیتین (دفتر مرکزی: Chiyoda-ku ، توکیو ، رئیس جمهور: یوشیهیرو کیتامورا ، از این پس Recruit نامیده می شود) ، یک شرکت هولدینگ متوسط شرکت Recruit Holdings Co. Ltd. ، اکنون سریعتر و بالاتر از موسسه تحقیقات هوش مصنوعی ما است ، آزمایشگاه های مگاگون. کتابخانه زبان طبیعی منبع آزاد ژاپنی “GiNZA نسخه 4.0” که تجزیه و تحلیل دقیق ژاپنی را انجام می دهد ، به صورت رایگان منتشر شده است.
درباره کتابخانه ژاپنی برای پردازش زبان طبیعی “GiNZA”
فناوری پردازش زبان طبیعی به مجموعه ای از فن آوری ها گفته می شود که به کامپیوتر اجازه می دهد زبان (زبان طبیعی) را که روزانه استفاده می کنیم پردازش کند ، مانند موتورهای جستجو ، ترجمه ماشینی ، سیستم های گفتگو و تحلیل صدای مشتری. مورد استفاده در صحنه های مختلف در.
GiNZA که توسط آزمایشگاه های تحقیق و توسعه Recruit Megagon Labs توسعه و ارائه شده است ، علاقه مند به پردازش زبان ژاپنی طبیعی با کمک یادگیری ماشین است و می خواهد تجزیه و تحلیل زبان طبیعی را که به زبان ژاپنی تخصص دارد ، انجام دهد. یک کتابخانه منبع باز که برای محققان و مهندسان سازمانی و پژوهشگران داده طراحی شده است. با فرض اینکه هرکسی بتواند به صورت رایگان از آن استفاده کند و به طور گسترده ای در تجارت مورد استفاده قرار خواهد گرفت ، ویژگی هایی مانند ورودی یک مرحله ای ، پردازش سریع و دقیق تجزیه و تحلیل و بین المللی سازی سطح تجزیه و تحلیل کلمات وابسته به ساختار مجهز هستند.
از زمان انتشار نسخه 3.0 در ژانویه 2020 ، در 6 ماه از 23000 بارگیری بیشتر شده است و به عنوان یک سیستم تجزیه و تحلیل وابستگی جهانی ژاپن (UD ، * 1) ، می تواند به طور پایدار و انعطاف پذیر نه تنها برای موسسات دانشگاهی اعمال شود. بسیاری از افراد در صنعت که می خواهند یک کتابخانه کاربردی داشته باشند از آن استفاده می شود.
ویژگی های اصلی به روزرسانی “GiNZA نسخه 4.0” – انجام تجزیه و تحلیل سریع و دقیق ژاپنی –
1. 1. تجزیه و تحلیل سریعتر و دقیق تر امکان پذیر است
SpaCy نسخه 2.3 ، یک چارچوب پردازش زبان طبیعی چند زبانه است که شامل جدیدترین فناوری یادگیری ماشین است و برای استفاده های صنعتی سریع و سبک است ، رسما از محفظه (* 2) صادر شده توسط آزمایشگاه های Megagon استفاده می کند. ما یک مدل ژاپنی منتشر کردیم. با طراحی مجدد کتابخانه برای این spaCy نسخه 2.3 چارچوب معماری ، GiNZA 4.0 تجزیه و تحلیل سریعتر و دقیق تر از هر زمان دیگری را امکان پذیر می کند.
2. همچنین از ساختار عبارت ژاپنی پشتیبانی می کند
با استفاده از چارچوب تجزیه و تحلیل spaCy چند زبانه ، که از 15 زبان از جمله ژاپنی پشتیبانی می کند ، می توان از همه زبانها استفاده کرد ، از تجزیه و تحلیل ساختار نحوی گرفته تا استخراج عبارات منحصر به فرد مانند نام های شخصی ، نام سازمان ، نام مکان ، نام محصول و مقادیر عددی. تجزیه و تحلیل یکپارچه تنها با جایگزینی منابع انجام می شود. علاوه بر این ، در GiNZA نسخه 4.0 ، عملکرد تجزیه و تحلیل ریشه در دستور زبان ژاپنی با نصب یک مدل تجزیه و تحلیل ژاپنی که توسط آزمایشگاه های Megagon تحت سیستم UD تنظیم شده است ، بیشتر بهبود می یابد. به راحتی می توان از تجزیه و تحلیل بندها نتیجه گرفت.
در سیستم UD متداول ، وابستگی در واحدهای کلامی (نشانه ها) تعریف می شود ، در حالی که در “GiNZA نسخه 4.0” وابستگی در واحدهای عبارت با تشخیص کلمه ای که موضوع است در عبارت یاد گرفته می شود. امکان گرفتن سازه وجود دارد
3. 3. همچنین می توانید نحوه تقسیم کلمات پیچیده را به سه مرحله انتخاب کنید
با استفاده از تابع SudachiPy (* 3) می توانید نحوه تقسیم کلمات پیچیده را به سه مرحله انتخاب کنید.
مثال: غذای کاربردی (پیش فرض) food کاربردی + غذا (حالت B) ction عملکرد + جنسیت + غذا (حالت A)
آزمایشگاه های Megagon همچنان به فعال سازی GiNZA ادامه می دهند تا پردازش زبان طبیعی ژاپنی را سریعتر و دقیق تر انجام دهد ، و تلاش می کند جهانی باشد که در آن استفاده از پردازش زبان طبیعی در تمام صنایع تشویق شود. ما با فعالیت ها ادامه خواهیم داد.
* 1 یک پروژه دانشگاهی بین المللی با هدف امکان تجزیه و تحلیل زبانهای مختلف در سراسر جهان با یک سیستم دستور زبان و گفتار ثابت.
* 2 Corpus (نام رسمی: UD_Japanese-GSD v2.6-NE) ، صادر شده توسط آزمایشگاه های Megagon در ماه مه سال 2020 با افزودن برچسب بیان منحصر به فرد به UD_Japanese-GSD v2.6 ، صادر شده توسط موسسه ملی زبان ژاپنی.
* 3 نرم افزار منبع آزاد ساخته شده توسط Works Tokushima Artificial Intelligence NLP Laboratory ، یک موسسه تحقیقاتی هوش مصنوعی متخصص در تحقیقات زبان طبیعی توسط Works Applications Co.، Ltd.
برای جزئیات بیشتر در این مورد اینجا را کلیک کنید
[ad_2]