Page 12 - بررسی تکنیک‌های بهبود عملکرد روش های بسامدشماری پیکره بنیاد بر استخراج واژگان (پایه علوم پزشکی)
P. 12
بررسی تکنیک‌های بهبود عملکرد روش‌های بسامدشماری پیکره‌بنیاد در استخراج خودکار واژگان | ...ذوالفقار و دیگران
بـه حداقـل برسـد .پـس از اصلاحـات صور تگرفتـه ،متـون مـورد بررسـی ب هصـورت یـک متـن
کامـل و به‌صـورت یـک پیکـرة زبانـی تنظیـم گردیـد.
.1-3رو شهای بسامدشماری
رو شهــای بسامدشــماری از اوایــل دهــة ۹۰میــادی همــواره مــورد توجــه پژوهشــگران و
زبا نشناســان پیکــره‌ای بــوده اســت .رو شهــای بسامدشــماری ب هکاررفتــه در ایــن پژوهــش را
م یتــوان مطابــق جــدول ،۱بــه ۴دســتة اصلــی تقســی مبندی کــرد .در تحلی لهــای مبتنــی بــر
بسامدشـماری ،تأکیـد اصلـی بـر فراوانـی واژگان ب هکاررفتـه در یـک پیکـره اسـت .همان‌گونـه
کـه جـدول نیـز نشـان م یدهـد ،ایـن رو شهـا شـباهت زیـادی بـه یکدیگـر داشـته و هـر یـک
جهـت رفـع مشـکلات پدیدآمـده در کار بـا داد‌ههـای واقعـی سـیر تکاملـی خـود را پیموده‌انـد.
.۳-۲بسامدشماری پیکرة اصلی عمومی
شــمارش فراوانــی واژگان را م یتــوان از نخســتین رو شهــای ب هکاررفتــه در بسامدشــماری
دانسـت .در ایـن روش بـه شـمارش واژگان در یـک پیکـرة عمومـی پرداختـه م یشـود و واژگان
ب هترتیــب فراوانــی از بیشــترین بــه کمتریــن مرت بســازی م یشــوند .از آنجــا کــه پیکــرة مــورد
بررسـی یـک پیکـرة عمومـی اسـت ،بنابرایـن ،م یتـوان انتظـار داشـت واژگان نقشـی 1کـه بیشـترین
تکـرار را دارنـد ،ماننـد حـروف ربـط ،حـروف اضافـه و نظایـر آن از فراوانـی بیشـتری برخـوردار
باشـند و واژگان محتوایـی 2کـه واژگان تخصصـی نیـز بخشـی از آ نهـا هسـتند ،بـا فراوانـی کمتـر
در انتهــای جــدول قــرار گیرنــد .منظــور از واژگان محتوایــی همــان انــواع اســم ،صفــت ،قیــد و
افعـال هسـتند.
.۳-۳بسامدشماری پیکرة اختصاصی
رویکــرد اصلــی در ایــن روش بسامدشــماری در یــک پیکــرة تخصصــی اســت .علــت
انتخـاب پیکـرة تخصصـی در ایـن اسـت کـه نتایـج تجربـی نشـان م یدهـد کـه در یـک پیکـرة
عمومـی ممکـن اسـت واژگانـی غیرتخصصـی و ک مکاربـرد نیـز بـا بسـامدی مشـابه بسـام ِد واژگان
تخصصــی مشــاهده گــردد .بنابرایــن ،متخصصــان جهــت رفــع ایــن مشــکل بررســی پیکره‌هــای
1. function words
2. content words
1027
