បញ្ហា (The Problem)៖ និក្ខេបបទនេះដោះស្រាយបញ្ហានៃការបង្កើតគំរូចំណេះដឹងវាក្យសព្ទ (ដូចជាការបែងចែកអត្ថន័យពាក្យ និងការកំណត់ប្រភេទពាក្យ) ដោយសារតែភាពស្មុគស្មាញនៃពាក្យសព្ទ និងកង្វះទិន្នន័យបណ្តុះបណ្តាល ដើម្បីកែលម្អភាពត្រឹមត្រូវនៃដំណើរការភាសាធម្មជាតិ។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានអភិវឌ្ឍស្ថាបត្យកម្មបណ្តាញសរសៃប្រសាទសិប្បនិម្មិត (RNN) និងពង្រឹងក្រាហ្វចំណេះដឹង (WordNet) ដើម្បីបង្កើតជាទម្រង់តំណាងពាក្យ (Embeddings) សម្រាប់វាយតម្លៃកិច្ចការ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Knowledge-Based WSD with Original WordNet ការបែងចែកអត្ថន័យពាក្យផ្អែកលើចំណេះដឹង ដោយប្រើប្រាស់ WordNet ដើម |
មិនទាមទារទិន្នន័យហ្វឹកហាត់ (training data) ច្រើនដែលត្រូវចំណាយពេលកត់ចំណាំអត្ថន័យដោយមនុស្សផ្ទាល់នោះទេ ដោយវាពឹងផ្អែកទាំងស្រុងលើវចនានុក្រមនិងបណ្តាញចំណេះដឹង។ | មានភាពត្រឹមត្រូវទាប ដោយសារតែវាខ្វះខាតបរិបទវាក្យសម្ព័ន្ធ និងពាក្យសព្ទដែលមានទំនាក់ទំនងក្នុងជីវិតជាក់ស្តែង។ | ទទួលបានភាពត្រឹមត្រូវចន្លោះពី 51% ទៅ 52% ប៉ុណ្ណោះនៅលើទិន្នន័យវាយតម្លៃ SemCor និង BulTreeBank។ |
| Knowledge-Based WSD with Enriched Knowledge Graph ការបែងចែកអត្ថន័យពាក្យ ដោយប្រើក្រាហ្វចំណេះដឹងដែលបានពង្រឹង (Enriched Knowledge Graph) |
មានដង់ស៊ីតេទំនាក់ទំនងខ្ពស់ដោយចាប់យកបរិបទវាក្យសម្ព័ន្ធ និងទំនាក់ទំនងក្នុងប្រយោគបានល្អ ដែលជួយឱ្យប្រព័ន្ធដោះស្រាយភាពស្មុគស្មាញនៃអត្ថន័យបានកាន់តែប្រសើរ។ | ការទាញយកទំនាក់ទំនងថ្មីៗដោយស្វ័យប្រវត្តិអាចបង្កើតជាកំហុស (noise) ប្រសិនបើមិនមានតម្រងពិនិត្យមើលភាពត្រឹមត្រូវគ្រប់គ្រាន់។ | បង្កើនភាពត្រឹមត្រូវបន្ថែមរហូតដល់ប្រមាណ 10% លើទិន្នន័យភាសាប៊ុលហ្គារី និងប្រមាណ 6% លើទិន្នន័យភាសាអង់គ្លេស បើធៀបនឹងម៉ូដែលគោល។ |
| Supervised WSD using Bi-LSTM (Architecture A) ម៉ូដែលចំណាត់ថ្នាក់អត្ថន័យពាក្យដោយប្រើប្រាស់បណ្តាញសរសៃប្រសាទ Bi-LSTM (Architecture A) |
សម្រេចបានភាពត្រឹមត្រូវខ្ពស់ ដោយរៀនដោយផ្ទាល់ពីបរិបទក្នុងប្រយោគ និងមិនទាមទារការកំណត់លក្ខណៈលម្អិត (feature engineering) ស្មុគស្មាញ។ | ត្រូវការទិន្នន័យដែលបានកត់ចំណាំអត្ថន័យធំមហិមា និងមានភាពលំបាកក្នុងការទាយអត្ថន័យពាក្យណាដែលវាមិនធ្លាប់ជួបក្នុងពេលហ្វឹកហាត់។ | ទទួលបានភាពត្រឹមត្រូវរហូតដល់ 70.4% លើសំណុំទិន្នន័យ Senseval-2 ដែលអាចប្រកួតប្រជែងជាមួយប្រព័ន្ធល្អៗបច្ចុប្បន្ន។ |
| Multi-task Learning (WSD + POS/Context Embedding) ការរៀនពហុកិច្ចការ (ការបែងចែកអត្ថន័យពាក្យ គួបផ្សំនឹង ការកំណត់ប្រភេទពាក្យ ឬទម្រង់បរិបទ) |
ជួយឱ្យម៉ូដែលរៀនទាញយកចំណេះដឹងអរូបីរួមគ្នា ដែលធ្វើឱ្យប្រសើរឡើងនូវភាពត្រឹមត្រូវសម្រាប់កិច្ចការទាំងសងខាងព្រមៗគ្នា។ | មានស្ថាបត្យកម្មស្មុគស្មាញក្នុងការរចនា និងទាមទារការសម្រួលអនុគមន៍វាយតម្លៃ (objective function) យ៉ាងប្រុងប្រយ័ត្ន។ | បង្កើនភាពត្រឹមត្រូវនៃការបែងចែកអត្ថន័យពាក្យ (WSD) ប្រមាណ 2% បន្ថែម លើម៉ូដែលដែលហ្វឹកហាត់តែកិច្ចការតែមួយ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការបណ្តុះបណ្តាលគំរូភាសាប្រភេទបណ្តាញសរសៃប្រសាទជ្រៅ (Deep Learning) ទាំងនេះទាមទារធនធានកុំព្យូទ័រខ្លាំង និងទិន្នន័យភាសាក្នុងទំហំមហិមា។
ការសិក្សានេះពឹងផ្អែកទាំងស្រុងលើទិន្នន័យភាសាអង់គ្លេសនិងប៊ុលហ្គារី ដែលមានធនធានរៀបចំរួចជាស្រេចដូចជា WordNet និង SemCor។ សម្រាប់ប្រទេសកម្ពុជា ដែលជាប្រទេសមានធនធានភាសាឌីជីថលតិចតួច (Low-resource language) ការអនុវត្តវិធីសាស្ត្រនេះមានការលំបាកខ្លាំង ដោយសារយើងមិនទាន់មានវចនានុក្រមទំនាក់ទំនងអត្ថន័យដូចជា WordNet ដែលមានទំហំធំ និងមានគុណភាពពេញលេញនៅឡើយទេ។
ទោះបីជាខ្វះខាតទិន្នន័យជាក់ស្តែង វិធីសាស្ត្រខាងស្ថាបត្យកម្មបណ្តាញសរសៃប្រសាទសិប្បនិម្មិតនៅក្នុងឯកសារនេះ ផ្តល់ជាគំរូដ៏មានតម្លៃសម្រាប់ការអភិវឌ្ឍបច្ចេកវិទ្យាភាសាខ្មែរនាពេលអនាគត។
ការចាប់ផ្តើមវិនិយោគលើការបង្កើតសំណុំទិន្នន័យស្តង់ដារ និង Khmer WordNet គឺជាជំហានចាំបាច់ដំបូងដើម្បីយកវិធីសាស្ត្រ Multi-task Learning និងបណ្តាញ RNN ទាំងនេះមកប្រើប្រាស់ឱ្យមានប្រសិទ្ធភាពក្នុងបរិបទកម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Word Sense Disambiguation | ជាដំណើរការបង្រៀនកុំព្យូទ័រឱ្យចេះកំណត់ថាតើពាក្យមួយដែលមានអត្ថន័យច្រើន គួរតែមានន័យបែបណានៅក្នុងបរិបទនៃប្រយោគជាក់លាក់ណាមួយ ដោយផ្អែកលើពាក្យជុំវិញវា។ | ដូចជាការស្តាប់មិត្តភក្តិនិយាយពាក្យថា «លុយ» ហើយយើងទាយដឹងថាគេចង់មានន័យថា «ប្រាក់» ឬ «លិចលង់» ដោយផ្អែកលើរឿងដែលគេកំពុងនិយាយ។ |
| Word Embeddings | ជាការបំប្លែងពាក្យសព្ទពីអក្សរទៅជាទម្រង់វ៉ិចទ័រ ឬតួលេខគណិតវិទ្យា ដើម្បីឱ្យកុំព្យូទ័រអាចគណនា និងយល់ពីទំនាក់ទំនងអត្ថន័យរវាងពាក្យទាំងនោះ។ | ដូចជាការផ្តល់លេខកូដទីតាំងលើផែនទីឱ្យពាក្យនីមួយៗ ដែលពាក្យមានន័យស្រដៀងគ្នា (ឧទាហរណ៍៖ ស្តេច និង ព្រះរាជិនី) នឹងមានទីតាំងនៅក្បែរគ្នា។ |
| Recurrent Neural Network | ជាប្រភេទបណ្តាញសរសៃប្រសាទសិប្បនិម្មិតដែលត្រូវបានរចនាឡើងសម្រាប់ដំណើរការទិន្នន័យជាលំដាប់លំដោយ ដូចជាអត្ថបទ ឬសំឡេង ដោយវាមានសមត្ថភាពចងចាំទិន្នន័យចាស់ៗដែលវាបានអានរួច។ | ដូចជាមនុស្សអានសៀវភៅ ដែលយើងអាចយល់ន័យប្រយោគចុងក្រោយ ដោយសារយើងចងចាំសាច់រឿងពីទំព័រមុនៗបន្តបន្ទាប់គ្នា។ |
| Knowledge Graph | ជាបណ្តាញទិន្នន័យដែលរក្សាទុកចំណេះដឹងតាមរយៈការតភ្ជាប់រវាងគំនិត ឬវត្ថុផ្សេងៗ ដើម្បីឱ្យប្រព័ន្ធកុំព្យូទ័រអាចទាញយកហេតុផល និងយល់ពីទំនាក់ទំនងនៃពាក្យសព្ទ។ | ដូចជាផែនទីបណ្តាញទំនាក់ទំនងសង្គម ដែលបង្ហាញយ៉ាងច្បាស់ថាអ្នកណាស្គាល់អ្នកណា ហើយមានជាប់សាច់ញាតិជាអ្វីនឹងគ្នា។ |
| Multi-task Learning | ជាវិធីសាស្ត្រក្នុងការហ្វឹកហាត់ម៉ូដែលបញ្ញាសិប្បនិម្មិតតែមួយ ឱ្យចេះដោះស្រាយកិច្ចការពីរ ឬច្រើនក្នុងពេលតែមួយ ដើម្បីឱ្យវារៀនទាញយកចំណេះដឹងរួមគ្នានិងជួយគាំទ្រភាពត្រឹមត្រូវរវាងគ្នា។ | ដូចជាការរៀនលេងហ្គីតាផង និងច្រៀងផងក្នុងពេលតែមួយ ដែលជួយឱ្យអ្នកកាន់តែពូកែខាងចាប់ចង្វាក់ភ្លេងជាងការរៀនតែមួយមុខ។ |
| Bi-LSTM | ជាទម្រង់ប្រសើរឡើងនៃ RNN ដែលដំណើរការទិន្នន័យជាពីរទិសដៅ (ពីមុខទៅក្រោយ និងពីក្រោយមកមុខ) ដើម្បីប្រមូលព័ត៌មានបរិបទឱ្យបានពេញលេញទាំងសងខាងនៃពាក្យគោលដៅមួយ។ | ដូចជាការអានប្រយោគមួយដែលរលុបពាក្យកណ្តាល ដោយអ្នកត្រូវអានពាក្យខាងមុខនិងខាងក្រោយ ដើម្បីទាយដឹងថាពាក្យដែលបាត់នោះជាអ្វី។ |
| Part-of-Speech Tagging | ជាដំណើរការចាត់ថ្នាក់ពាក្យនីមួយៗនៅក្នុងប្រយោគ ទៅតាមតួនាទីវេយ្យាករណ៍របស់វាដោយស្វ័យប្រវត្តិ (ដូចជានាម កិរិយាសព្ទ ឬគុណនាម) ដើម្បីងាយស្រួលដល់ការវិភាគរចនាសម្ព័ន្ធកម្រិតខ្ពស់។ | ដូចជាការបិទស្លាកឈ្មោះបញ្ជាក់តួនាទីលើសិស្សក្នុងថ្នាក់ ដើម្បីងាយស្រួលដឹងថាអ្នកណាជាប្រធានថ្នាក់ អ្នកណាជាអនុប្រធាន។ |
| WordNet | ជាមូលដ្ឋានទិន្នន័យវចនានុក្រមឌីជីថល ដែលចងក្រងពាក្យសព្ទជាក្រុមទៅតាមអត្ថន័យ និងភ្ជាប់ពួកវាដោយទំនាក់ទំនងន័យវិទ្យា (ដូចជា ពាក្យផ្ទុយ ពាក្យសទិសន័យ ជាដើម) សម្រាប់ឱ្យកុំព្យូទ័រប្រើប្រាស់។ | ដូចជាដើមឈើគ្រួសារនៃពាក្យសព្ទ ដែលបង្ហាញប្រាប់កុំព្យូទ័រថាពាក្យ «រថយន្ត» ជាកូនរបស់ពាក្យ «យានយន្ត»។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
