دانشجو: آقای محمد پورشیرازی استاد راهنما: دکتر میرمحسن پدرام
زمان: چهارشنبه شنبه ۲۵ اسفند ماه ۱۴۰۰ ساعت: ۱۶:۰۰ لینک ورود به جلسه
چکیده: امروزه با پیشرفت چشمگیر هوش مصنوعی[۱]در تمام زمینه ها بسیاری از افراد و شرکت های بزرگ در صدد استفاده از این علم برای پیشرفت کسب و کارها و کاهش هزینه های خود برآمده اند. یکی از حوزه های مهم هوش مصنوعی ،پردازش زبان طبیعی[۲] است، که در زمینه های مختلفی همچون تحلیل احساسات[۳]، خلاصه سازی متون[۴]، تبدیل گفتار به متن[۵] و ترجمه ماشینی[۶] به پیشرفت های بسیار مهمی دست یافته است. خلاصهسازی متن تولید خودکار یک نسخه کوتاهتر از یک سند است به گونهای که حاوی مهمترین اطلاعات آن باشد. خلاصهسازی متن میتواند بر روی یک سند یا چند سند انجام پذیرد. همچنین میتواند به صورت استخراجی یا چکیدهای باشد. در خلاصهسازی استخراجی، خلاصه از کپی کردن و اتصال بخشهای مهم متن اصلی ،معمولاً جملات، ساخته میشود، در حالیکه در روش چکیدهای تولید خلاصههایی با لغات و اصلاحات جدید که در متن اصلی نیست امکان پذیر است. موفقیت چشمگیر مدلهای مبتنی بر شبکههای عصبی در خلاصهسازی، آن را به روش غالب تبدیل کرده است. در شبکههای عصبی استخراجی به طور معمول تلاش بر آن است که جملات بازنمایی و موقعیتسازی و سپس با کمک مکانیزمهایی انتخاب شوند. شبکههای عصبی چکیدهای در زیر مجموعه مسائل تولید متن قرار میگیرند. این گونه مدلها به فرم دنباله-دنباله هستند. در شبکههای عصبی چکیدهای به طور واضح مشخص نیست که آنها میتوانند قسمتهای مهم متن اصلی را شناسایی کنند. به همین دلیل روشهای مختلفی تاکنون برای هدایت شبکههای عصبی چکیدهای پیشنهاد شده است تا بدین وسیله کنترل بیشتری بر محتوای خروجی آن اعمال شود. در این پایان نامه نیز ما مدلی استخراجی طراحی کردهایم تا مدل چکیدهای را در تولید جملات مهم یاری رساند. کلمات کلیدی: یادگیری ژرف، خلاصهسازی متن ، راهنمایی