فارس نت

در این پژوهش به بررسی مشکلات موجود در انتخاب معادل برای دسته های هم معنای (دسمعناهای) فارس نت پرداخته شد. اهمیت این پژوهش به این لحاظ است که نتایج آن می تواند در طرحهای آینده مربوط به تکمیل فارس نت و ساخت شبکه های واژگانی دیگر یا تخصصی مورد استفاده قرار گیرد. با توجه به وجود سه دسته از مشکلات جهت انطباق وردنتها بر همدیگر شامل الف. مشکلات ناشی از سختی در تمایز معنایی در وردنت مبدأ ب. مشکلات ناشی از اصول حاکم بر وردنت مبدأ و منابع زبان مقصد و ج. مشکلات ناشی از تفاوتهای ذاتی بین زبان مبدأ و مقصد، به تحلیل موارد یافت شده در فارس نت پرداخته شده است. این پژوهش سعی بر پاسخ به سوالات زیر داشته است: مشکلات موجود بر سر راه انطباق دسمعناهای فارس نت با وردنت چه می باشد؟ چه مشکلاتی بسامد بیشتری دارند؟ آیا تفاوتی بین مشکلات موجود در انطباق فارس نت با وردنت و انطباق در سایر وردنتهای موجود وجود دارد؟ حجم نمونه مورد بررسی که به شکل تصادفی انتخاب شده اند 1552 دسته می باشد که شامل دسمعناهایی است که اولین عضو آن ها با حروف >ع، غ، ف و ق< شروع شده اند. مشکلات یافته شده به هشت دسته تقسیم گردیدند و بسامد و درصد هر مشکل ارائه گردید و برای حل برخی از این مشکلات راههایی پیشنهاد شد. این راه حلها می تواند در فرایند تکمیل فارس نت و یا پیش از ساخت شبکه های واژگانی دیگر یا شبکه های واژگانی تخصصی مد نظر قرار گیرد.

در این پژوهش، روابط معنایی درون زبانی اسامی در سه شبکة واژگانی فارس نت، یورونت و وردنت پرینستون را مقایسه کرده ایم. برای این منظور، ابتدا شبکة واژگانی و روابط موجود بین واحدهای سازندة آن و سپس روابط معنایی موجود بین دسته های هم معنای اسم در شبکة واژگانی را معرفی کردیم. در این پژوهش، می کوشیم به این سؤالات پاسخ دهیم که آیا تفاوتی ازلحاظ نوع و تعداد روابط بین این سه شبکة واژگانی وجود دارد و درصورت وجود تفاوت، علت آن چیست. پژوهش حاضر پژوهشی توصیفی-تطبیقی است و نتایج مقایسه نشان داد که با اینکه چند رابطة محدود استخوان بندی این سه شبکة واژگانی را شکل می دهند و بین این سه شبکه مشترک هستند، روابط دیگری وجود دارند که بر اطلاعات موجود بین دسته های هم معنا و درنتیجه بر قدرت و کارایی این ابزارها در پردازش زبان طبیعی می افزایند؛ هرچند بیش ازحد بودن آن ها خود به کاهش توانایی محاسباتی منجر می شود و به همین دلیل در فارس نت، تعداد روابط متعادل تر انتخاب شده است. یافته های این پژوهش در ساخت شبکه های واژگانی دیگر، ازجمله شبکه های واژگانی تخصصی، به کار می رود.