isr model: مدل بازنمایی معنای یکپارچه زبان طبیعی مستقل از ساختار نحوی

امروزه یکی از پرکاربردترین روش‌های بازنمایی زبان طبیعی، بازنمایی معنا جهت پردازش متون در سامانه‌های مختلف است. روش‌های بازنمایی معنا در سال‌های اخیر کاربردهای متعددی در حوزه پردازش زبان طبیعی از جمله سامانه‌های خلاصه‌سازی خودکار متن و سامانه‌های پرسش و پاسخ و غیره داشته‌اند. بسیاری از عبارات متنی ممکن است از لحاظ ساختار گرامری متفاوت، اما از نظر معنایی یکسانی باشند، لذا چگونگی اطلاق یک معنای یکسان و واحد به آن‌ها یکی از چالش‌های پردازش متن است. هدف اصلی این مقاله طراحی مدلی برای بازنمایی معنایی یکپارچه و مستقل از ساختار نحوی برای زبان طبیعی است. مدل پیشنهاد شده با حفظ سادگی خود در حاشیه‌نویسی و درک، عدم وابستگی به ویژگی‌های زبان طبیعی خاص و همچنین عدم وابستگی به ساختار نحوی و لغوی را دارد. در این راستا، مثال‌های از جملات زبان فارسی و انگلیسی که از نظر ساختار گرامری وتفاوت‌ هایی با یکدیگر دارند، در مقاله با روش بازنمایی پیشنهادی ارائه شده‌اند. به علاوه، با استفاده از مدل پیشنهادی، بازنمایی یکسانی برای متون با معنای یکسان و در عین حال ساختار گرامری متفاوت ارائه می‌گردد. مدل پیشنهادی در قالب گراف و لیست جهت تفسیر در پیکره طراحی شده است. یکی از ویژگی‌های اصلی مدل پیشنهادی، قابلیت بازنمایی روابط معنایی در سطح جمله و در سطح سند جهت بازنمایی پدیده‌های پیچیده و مهم زبانی مانند جنبه، زمان و سورها است. سادگی مدل پیشنهادی سبب می‌گردد که پردازش‌های زبانی در کاربردهای مختلف کند ویا پیچیده نشود، و تهیه پیکره‌های مبتنی بر این مدل در آینده برای زبان‌های طبیعی مختلف پیچیدگی زیادی نداشته باشد، تا هم برای زبان‌های طبیعی با منابع محدود و هم برای زبان‌های طبیعی با امکانات کامل قابل بهره‌برداری باشد. همچنین، ویژگی‌های مدل پیشنهادی با یکی از مهم‌ترین کارهای مرتبط پیشین مقایسه شده است.

integrated semantic representation (isr model): syntax independent model for natural language

today, one of the most widely used natural language representation methods is meaning representation for text processing in different systems. meaning representation methods have had many applications in the field of natural language processing in recent years, including automatic text summarization systems and question and answer systems, etc. many text expressions may be different in terms of grammatical structure, but they are the same in terms of meaning, so how to apply a single and uniform meaning to them is one of the challenges of text processing. the main goal of this paper is to design an integrated semantic representation (isr) model for natural language. the proposed model, while maintaining its simplicity in annotation and understanding, does not depend on specific natural language features or on syntactic and lexical structure. in this regard, several examples in both english and persian language, which have different in terms of written and grammatical structure, are presented in this paper. moreover, by using the proposed model, the same representation is provided for texts with the same meaning and different grammatical structure. the proposed model is designed in graph and list format is recommended to annotate its corpuses. one of the main features of this model is that it can represent semantic relations at both sentence level and document level and is able to represent complex and important linguistic phenomena such as aspect, tense, and quantification. the simplicity of the proposed model helps to avoid making language processing slow or complicated in various applications, and the preparation of structures based on this model for different natural languages will not be too complicated, so that it can be used both for natural languages with low resources and for those with various resources. further, features of the proposed model are compared with one of the most important related works.