کتاب صوتی تشخیص موجودیت نام‌دار (NER) در متن

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تشخیص موجودیت نام‌دار (NER) در متن

موضوع کلی: مهندسی کامپیوتر و معماری سیستم‌ها

موضوع میانی: پردازش زبان طبیعی

📋 سرفصل‌های دوره

• 1. تشخیص موجودیت نام‌دار در متن
• 2. مقدمه‌ای بر پردازش زبان طبیعی
• 3. مبانی زبان‌شناسی و ساختار متن
• 4. پردازش متن: پیش‌پردازش داده‌ها
• 5. روش‌های توکنایز کردن متن
• 6. ریشه‌کنی کلمات و نرمال‌سازی
• 7. برچسب‌گذاری اجزای گفتار (POS Tagging)
• 8. مقدمه‌ای بر مدل‌های زبانی
• 9. نحو و قواعد زبانی در تشخیص NER
• 10. آموزش مدل‌های زبانی با استفاده از مجموعه داده‌ها
• 11. روش‌های استخراج ویژگی‌ها برای NER
• 12. ویژگی‌های مبتنی بر کلمه
• 13. ویژگی‌های مبتنی بر زمینه
• 14. ویژگی‌های مبتنی بر سطح کلمه
• 15. مدل‌های ماشین یادگیری برای NER: یک دید کلی
• 16. مدل‌های مبتنی بر Hidden Markov Models (HMM)
• 17. مدل‌های مبتنی بر Maximum Entropy Markov Models (MEMM)
• 18. مدل‌های مبتنی بر Conditional Random Fields (CRF)
• 19. پیاده‌سازی مدل‌های CRF برای NER
• 20. تنظیم دقیق پارامترهای مدل‌های CRF
• 21. ارزیابی عملکرد مدل‌های NER
• 22. معیارهای ارزیابی: Precision، Recall، F1-Score
• 23. روش‌های افزایش دقت مدل‌های NER
• 24. استفاده از منابع دانش بیرونی
• 25. استفاده از فرهنگ‌نامه‌ها و پایگاه‌های داده‌ها
• 26. روش‌های نیمه‌نظارتی برای NER
• 27. یادگیری با استفاده از داده‌های نام‌گذاری شده محدود
• 28. روش‌های یادگیری فعال برای NER
• 29. مدل‌های شبکه‌های عصبی برای NER
• 30. شبکه‌های عصبی پیش‌خور برای NER
• 31. شبکه‌های عصبی بازگشتی برای NER (RNN)
• 32. شبکه‌های LSTM و GRU برای NER
• 33. شبکه‌های بیستویه‌ای برای NER
• 34. استفاده از Embeddingهای کلمه برای NER
• 35. Word2Vec و GloVe برای NER
• 36. FastText برای NER
• 37. مدل‌های مبتنی بر Transformer برای NER
• 38. BERT برای NER
• 39. مدل‌های زبان بزرگ برای NER
• 40. تشخیص موجودیت نام‌دار در زبان فارسی
• 41. چالش‌های خاص زبان فارسی در NER
• 42. منابع داده برای NER در زبان فارسی
• 43. ابزارهای NER برای زبان فارسی
• 44. کاربرد NER در پردازش زبان فارسی
• 45. تشخیص موجودیت نام‌دار در متون تخصصی