بهبود عملكرد استخراج اطلاعات از متن با استفاده از تكنيك يادگيري تقويتي

استخراج اطلاعات يعني استخراج موجوديت ها، روايط بين آن ها و رويدادها از متن يكي از راهكارهاي اساسي براي ارتقاء عملكرد سيستم هاي مبتني بر پردازش متن مانند پرسش و پاسخ، ترجمه ماشيني و غيره است. استخراج اطلاعات تابع پارامترهاي مختلفي مانند تطابق ساختار رشته اي، جنسيت، تعداد و ساختار معنايي كلمات است. در اين مقاله با در نظر گرفتن تك تك اين معيار ها و اهداف استخراج اطلاعات مانند كاهش نرخ خطا در تشخيص موجوديت ها و افزايش معيارهاي دقت و صحت، مسئله را در قالب پارامترهاي موثر دركارايي مدل كرده، سپس مدل فوق را با استفاده از تكنيك يادگيري تقويتي كه يكي از پركاربردترين تكنيك-هاي يادگيري در زمينه پردازش متن است، حل مي‌كنيم. در اين روش استخراج موجوديت ها و روايط بين آن ها بر اساس ارزش اختصاص يافته به هر يك از معيارهاي وابستگي صورت مي گيرد كه بر اساس منطق يادگيري تقويتي تعيين مي شود. جهت بررسي كارايي اين روش، شبيه سازي هاي گسترده‌اي صورت گرفته است كه نشان مي‌دهد، روش پيشنهادي نسبت به روش هاي اخير از نقطه نظرات دقت، صحت و F1 تحت معيارهاي جهاني MUC، B3 و CEAF_ϕ4 و تشخيص موجوديت و روابط، عملكرد بسيار بهتري دارد.