پاورپوینت پردازش زبانهای طبیعی

بخشی از پاورپوینت

اسلاید 1 :

پردازش زبانهای طبیعی

اسلاید 2 :

خلاصه مطالب :
NLP و کاربردهای آن
تاریخچه NLP
شرح برخی از کاربرد های مهم
تکنیک های پردازش زبان های طبیعی
تکنیک پنهان سازی تصادفی برای تشخیص صدا و حرکات انسان
ارائه یک برنامه عملی

اسلاید 3 :

زبان طبيعي
زبان طبيعي زباني است که در تعاملات اجتماعي روز مره ما با استفاده از آن مي نويسيم و صحبت مي کنيم
زبان هاي طبيعي مختلف و زيادي وجود دارند
ممکن است که فرم گفتاري و نوشتاري زبان ها متفاوت باشند و همچنين از هم مستقل باشند.
NLP اين ادعا را دارد که با خودکار کردن پردازش زبان سيستم هاي مفيدي بر پايه اين توصيفات بوجود آورد.

اسلاید 4 :

پردازش زبان طبيعي
تعریف پردازش زبان طبیعی
محدودیت های پردازش زبان های طبیعی
پردازش زبانهای طبیعی آمارگرا

اسلاید 5 :

پردازش زبان طبيعي
هدف از پردازش زبان طبيعي اين است که کامپيوترها از زبان طبيعي به عنوان ورودي و خروجي استفاده نمايند.

اسلاید 6 :

NLPکاربرد هاي
کاربرد های مهم پردازش زبانهای طبیعی
- تشخیص گفتار.
- خلاصه سازی متون.
- ویرایش.
ترجمه ماشینی.
نویسه خوان نوری.
و . . .

اسلاید 7 :

تاريخچه
در سال ۱۹۵۷ کتاب ساختارهای نحوی اثر نوام چامسکی زبانشناس جوان آمریکایی که از آن پس به شناختهشدهترین چهرهٔ زبانشناسی نظری تبدیل شد به چاپ رسید. از آن پس پردازش زبان با حرکتهای تازهای دنبال شد اما هرگز قادر به حل کلی مسئله نشد.

اسلاید 8 :

NLPکاربرد هاي
خلاصه سازی متون

خلاصه سازی یکی از زیرمجموعه مشکلات پیچیده پردازش زبان طبیعی می باشد که در حال حاضر همچنان حل نشده است .
خلاصه سازی عبارت است از نمایش فشرده و دقیق متن ورودی به نحوی که متن خروجی مفاهیم مهم متن ورودی را در برداشته باشد .

اسلاید 9 :

NLPکاربرد هاي
مثالی از کاربرد خلاصه سازی متون

یک سیستم خلاصه سازی اتوماتیک اطلاعاتی را به صورت مختصر و مفید در اختیار کاربر می گذارد تا کاربر بتواند سریعتر به اطلاعات خود دسترسی پیدا کند . متور جستجوی گوگل تا حدودی این کار را انجام می دهد.

اسلاید 10 :

تکنیک های پردازش زبان های طبیعی
NLP برای سنتز گفتار

NLP برای تشخیص گفتار

نویسه خوان نوری

اسلاید 11 :

تکنیک های پردازش زبان های طبیعی
NLP برای سنتز گفتار(TTS) :

نرمال سازی

اسلاید 12 :

تکنیک های پردازش زبان های طبیعی
NLP برای تشخیص گفتار :


POS(Part-Of-Speech-Tagging)
GTPC(Grapheme-To-Pheme)
WS(Word Stress)

اسلاید 13 :

تکنیک های پردازش زبان های طبیعی
نویسه خوان نوری :


تکنیکی برای تبدیل متون تصویری و غیرقابل ویرایش و تشخیص توسط کامپیوتر می باشد .

در واقع این تکنیک تصاویر اسکن و غیرقابل ویرایش را به متن قابل ویرایش تبدیل می کند.

اسلاید 14 :

تکنیک های پردازش زبان های طبیعی
مزایا نویسه خوان نوری:

افزایش چشمگیر سرعت دسترسی به اطلاعات.

کاهش فضای ذخیره سازی .

اسلاید 15 :

تکنیک های پردازش زبان های طبیعی
کار برد ها نویسه خوان نوری:

کنترل ترافیک .

فرم خوان ها .

تبدیل متن به صحبت .

اسلاید 16 :

تکنیک پنهان سازی تصادفی برای تشخیص صدا : مدل مارکوف
مدل مارکف چیست ؟
چه کاربردی هایی در پردازش زبان های طبیعی دارد ؟
مدل مارکوف در بیوانفورماتیک
تشریح مدل مارکوف با یک مثال ساده
مدل مارکوف در تشخیص حرکات انسان و بررسی آن با دیگر مدلها

اسلاید 17 :

تکنیک پنهان سازی تصادفی برای تشخیص صدا : مدل مارکوف
مدل مارکف چیست ؟

این مدل یکی از قدرتمندترین روش ها برای تشخیص گفتار می باشد.
مدل پنهان مارکف یک مدل آماری است.

اسلاید 18 :

تکنیک پنهان سازی تصادفی برای تشخیص صدا : مدل مارکوف
چه کاربردی هایی در پردازش زبان های طبیعی دارد ؟

ماشین های ترجمه
تشخیص حرکات انسان
تشخیص گفتار
بیوانفورماتیک
و . . .

اسلاید 19 :

تکنیک پنهان سازی تصادفی برای تشخیص صدا : مدل مارکوف
مدل مارکوف در بیوانفورماتیک :

دانش استفاده از علوم کامپیوتر و آمارواحتمالات در شاخه زیست شناسی مولکولی است .
مثل تشخیص توالی 24 کروموزوم بدن انسان .

اسلاید 20 :

تکنیک پنهان سازی تصادفی برای تشخیص صدا : مدل مارکوف
تشریح مدل مارکوف با یک مثال