پیش پردازش

با رشد صنعت بازی های ویدئویی، بازارهای جدید و فن آوری ها در حال ظهور هستند. بازی های الکترونیکی نسل جدید به طور فزاینده ای نیاز به پردازش بیشتر و کارت های قدرتمند ویدئویی دارند. راه حلی که بیشترین توجه را به خود جلب می کند، بازی ابری است. بازی ابری روشی است که بازیکن یک فرمان را اجرا می کند واطلاعات فرستاده شده و پردازش شده از راه دور بر روی ابر قرار می گیرد و پس از آن تصاویر به عنوان یک جریان ویدیوئی با استفاده از اینترنت پخش می شود. نتیجه بازی از طریق مدیر بازی به نام Cloud Manager بیان شده است. مدیر ابر چارچوبیست که از تکنیک های ذخیره سازی لایه در پس زمینه استفاده می کند. این بازی باید در لایه های مختلف کد گذاری شود تا مدیر ابر بتواند از تکنیک های ذخیره سازی لایه ای در پس زمینه و برای پیش بینی وضعیت آینده،از ماتریس پیش بینی در لایه ی کارکتر استفاده کند. تکنیک ذخیره سازی برای کاهش حجم کار کدگذاری بر روی سرور و استفاده از پهنای باند شبکه با انتقال پیام بیت کمتر است. با توجه به نیاز به بهبود زمان پاسخ در بازی ها و زمان پردازش کمتر در آن ها، در این مقاله سعی بر آن شده است که با استفاده از الگوریتم لایه برداری به بهبود این نقص کمک شود.

هدف اصلی استخراج کلمات کلیدی انتخاب مجموعه ای از لغات در متن است که می تواند موضوع اصلی متن را بازگو کند. استخراج کلیدواژگان در بازیابی اطلاعات، سیستم های پیشنهاددهنده متنی و دسته بندی متون، نقش مهم را ایفا می کند. در زبان فارسی باتوجه به پیچیدگی ذاتی زبان فارسی استخراج کلیدواژگان به مراتب دشوارتر شده است. در این پژوهش سعی شده است با رویکرد نوین ترکیبی آماری و یادگیری ماشین به استخراج کلیدواژگان پرداخته شود. ابتدا باتوجه به ساختار زبان فارسی پیش پردازهای لازم برای حذف کلمات و علائم نگارشی صورت می گیرد. سپس با استفاده از سه نوع ویژگی آماری و دسته بند بیز سیستم به صورت خودکار الگوی کلمات کلیدی با کلمات عادی را آموزش می بیند. همچنین پس پردازش کارا برای کم کردن کلمات مثبت کاذب در چارچوب پیشنهادی طراحی شده است. گفتنی است که مدل ساخته شده قادر به شناسایی تعداد حداکثر 20 کلیدواژه در هر پایان نامه است و این کلمات با کلیدواژگان نوشته شده در هر متن مقایسه و ارزیابی می شوند. نتایج ارزیابی های متنوع نشان می دهد روش پیشنهادی با دقت مناسبی توانسته است کلمات کلیدی نوشتارهای فارسی علمی (پایان نامه و رساله) را استخراج کند.

برای سرعت بخشیدن و آسانی انتقال و گسترش دانش، فرایندهای ذخیره و مبادله اطلاعات خودکارسازی می شوند. پردازش زبان طبیعی از محورهای این خودکارسازی است. زبان شناسان نظری می توانند در پیشبرد مطالعات پردازش زبان طبیعی نقش تأثیرگذاری ایفا کنند. آن ها باتکیه بر دستاوردهای مطالعات زبان شناختی می توانند با شناسایی شباهت های زبان ها به یکدیگر ابزاری را که متخصصان پردازش زبان طبیعی برای زبانی مشخص طراحی کرده اند، براساس شباهت برای زبان دیگری پیشنهاد دهند. به عبارتی، زبان شناسان نظری می توانند به تعمیم نتایج پژوهش های پردازش زبان طبیعی کمک کنند. در این مقاله، رویکردهای ستاک یابی زبان فارسی ازمنظر زبان شناسی نظری مطالعه و تحلیل شده اند. تحلیل صرفی از مراحل پردازش زبان طبیعی است که به صورت کلمه می پردازد. ستاک یابی نیز از مراحل اصلی تحلیل صرفی است که بر کاهش صورت واژه تصریف شده یا واژه مشتق تا رسیدن به ریشه یا ستاک تمرکز دارد. ازنظر زبانی، غنای صرفی، مسائل خط فارسی و منابع محدود باعث شده اند ستاک یابی در زبان فارسی به پژوهشی دشوار تبدیل شود. پیمودن این مراحل دشوار در گرو طراحی روش هایی کارآمد برای مؤلفه های خاص زبان فارسی است. پس از تحلیل رویکردهای مختلف ستاک یابی همچون رویکردهای ساختاری، آماری و یادگیری عمیق برای زبان هایی با مسائل مشابه مسائل زبان فارسی، ستاک یابی با استفاده از الگوی دنباله به دنباله برای زبان فارسی پیشنهاد می شود.