Asosiy kontentga oʻtish
Boshqa

POS teglarni belgilash uchun maksimal entropiya asosidagi BILSTM-CRF modelini qo'llash

2025uz
Ochiq kirishYashil

Litsenziya: cc-by

ABI

Annotatsiya

Ushbu maqolada imlo xatolarni tuzatish va o‘zbek tili matnlari uchun so‘z turkumni aniqlash vazifasi uchun turli xil Long Short-Term Memory (LSTM) tarmoqlariga asoslangan modellarni taklif qilinadi. Ushbu modellar quyidagilarni o‘z ichiga oladi: oddiy LSTM tarmoqlari, BiLSTM tarmoqlari, Shartli Tasodifiy Maydon (Conditional Random Field - CRF) qatlami bilan birgalikdagi LSTM (LSTM-CRF) modeli va CRF qatlami bilan birgalikdagi BiLSTM (BiLSTM-CRF) modeli. Ushbu tadqiqot o‘zbek tili uchun birinchi bo‘lib BiLSTM-CRF modelini tabiiy tilni qayta ishlash (NLP) bo‘yicha standart imlo tuzatish va POS teglarni belgilashni ma’lumot to‘plamlariga tatbiq etadi. BiLSTM CRF modelining afzalligi shundaki, u BiLSTM orqali oldingi va keyingi xususiyatlarni samarali o‘rganishi mumkin. Bundan tashqari, CRF qatlami yordamida butun gap darajasidagi teg ma’lumotlarini ham hisobga oladi. Ushbu model so‘z turkumini aniqlash (POS – Part of speech), segmentatsiya (chunking) va yangi so‘zlar (NER - Named Entity Recognition) bo‘yicha eng ilg‘or yoki unga yaqin aniqlikka erisha oladi. Shuningdek, u mustahkam ishlaydi va so‘z ifodalariga nisbatan kamroq bog‘liq bo‘ladi. Shuningdek testlash natijalari eng yaxshi ko‘rsatgichi 93,6 % ni tashkil etadi.

Identifikatorlar

Iqtiboslar va manbalar

0 ta iqtibos0 ta foydalanilgan manba