تولید جملات فارسی با استفاده از شبکه‌های مولد تخاصمی (gans)

تولید متن، یکی از زمینه‌های تحقیقاتی در حوزه پردازش زبان طبیعی است که به‌وسیله آن، سیستم می‌تواند متون جامع، کامل و از نظر گرامری درست را مانند انسان تولید کند. از جمله کاربرد‌های تولید متن می‌توان به برچسب‌زدن به تصویر، تولید شعر و تولید گزارش‌های هواشناسی و زیست‌محیطی اشاره کرد. با ظهور شبکه‌های عصبی عمیق، پژوهش‌ها در زمینه تولید متن به سمت استفاده از این شبکه‌ها روانه شد؛ اما مهم‌ترین چالش در حوزه تولید متن با استفاده از شبکه‌های عصبی عمیق، بحث گسستگی داده‌هاست که باعث عدم توانایی انتقال گرادیان شده است. اخیراً استفاده از رویکرد جدیدی در حوزه یادگیری عمیق با عنوان شبکه‌های مولد تخاصمی جهت تولید تصویر، صوت و متن مورد توجه قرار گرفته است. هدف از این پژوهش، استفاده از این رویکرد جهت تولید جملات فارسی می‌باشد. در این مقاله از سه الگوریتم متفاوت شبکه‌های مولد تخاصمی برای تولید جملات فارسی، استفاده و این سه الگوریتم با هم مقایسه شده‌اند و با در نظر گرفتن معیار ارزیابی bleu و self-bleu، ارزیابی همه‌جانبه‌ای هم از نظر کیفیت جملات و هم از نظر تنوع صورت گرفته است.

generation of persian sentences by generative adversarial network

text generation is a field of natural language processing. text generation enables the system to produce comprehensive, .grammatically correct texts like humans. applications of text generation include image captioning, poetry production, production of meteorological reports and environmental reports, production of business reports, automatic text summarization, .with the appearance of deep neural networks, research in the field of text generation has change to use of these networks, but the most important challenge in the field of text generation using deep neural networks is the data is discrete, which has made gradient inability to transmit. recently, the use of a new approach in the field of deep learning, called generative adversarial networks (gans) for the generation of image, sound and text has been considered. the purpose of this research is to use this approach to generate persian sentences. in this paper, three different algorithms of generative adversarial networks were used to generate persian sentences. to evaluate our proposed methods we use bleu and self-bleu because they compare the sentences in terms of quality and variety.