وزن شعر کلاسیک فارسی، براساس طول مصرع‌ها و چیدمان هجاهای هر مصرع تعیین می‌شود. در آثار باقیمانده از شعرای کلاسیک می‌توان بیش از صد نوع الگوی وزنی مختلف پیدا کرد. روش‌های متنوعی برای تشخیص وزن شعر پیشنهاد شده که همگی بر اساس تبدیل رشته کلمات به هجاهای کوتاه، بلند و سپس ترکیب هجاها با لحاظ یکسری قوانین ویژه و استثنائات (اختیارات شاعری) کار می‌کنند. 

در این پروژه تشخیص وزن شعر با روش‌ یادگیری عمیق صورت گرفته است. برای این کار مدلی بر اساس شبکه عصبی بازگشتی طراحی شده است. این مدل صرفا با دیدن نمونه‌هایی از وزن‌هایی که بصورت دستی یا با استفاده از ابزارهای آنلاین استخراج شده آموزش دیده است. برای اطمینان از صحت عملکرد مدل از یک مجموعه داده آزمایشی با بیش از ۶۰هزار بیت در ۵۰ وزن مختلف استفاده شده است. هیچ کدام از این نمونه‌ها قبلا به مدل آموزش داده نشده است و با این وجود مدل قادر به تشخیص کاملا صحیح ۹۷.۸% الگوهای وزنی این نمونه‌ها است.

با مرور مقالات منتشر شده در زمینه تشخیص وزن شعر به نظر میرسد که تشخیص وزن شعر با این روش و دقت برای اولین بار انجام شده است.کارهای دیگری که در وبگاه عروض و  سرود توسط پیشگامان تشخیص رایانه‌ای وزن شعر انجام شده از روش‌های آماری یا rule-based استفاده کرده‌اند.

وزن‌یاب هوشمند موضوع این پروژه در وبگاه نوسخن در دسترس قرار دارد:

http://www.nosokhan.com/vaznyab

اگر در مورد این پروژه نظر یا سوالی دارید لطفا در قسمت نظرات مطرح کنید.

چند وقت پیش و پس از خواندن پست شگفت انگیز "کارایی نامعقول شبکه‌های عصبی بازگشتی" تصمیم گرفتم کارایی این شبکه‌ها رو در فهم و باز تولید شعر فارسی آزمایش کنم. نتیجه کار بسیار جالب بود و نشان داد که این مدل‌ها نه تنها میتوانند کلمات صحیح فارسی تولید کنند، بلکه وزن شعر و قافیه و ردیف رو هم بدون اشکال متوجه میشوند. نمونه زیر با استفاده از یک مدل مبتنی بر LSTM و بر اساس شعر فردوسی درست شده است. در این مدل شبکه عصبی آموزش میبیند که بتواند با دیدن n حرف قبلی در یک متن، حرف بعدی را پیش بینی کند. پستی که به اون اشاره کردم جزئیات را  به بهترین نحو توضیح داده و نیازی به تکرار نیست. 

 

ادامه داستان

سواران گردنکشان دسته دید

خردمند را او بدان خسته دید

سکندر نگه کرد پس پهلوان

به بدخواه شد شاد و روشن روان

سپاه اندر آمد به پیش سوار

خردمند و شایسته‌ی کارزار

بفرمود تا بنده آگاه دید

چنین تا بر شاه ایران کشید

نهادند چیزی که پوشیده بود

جهان را درم داد و دینار بود

سران افسر از گوهر شاهوار

نخست آفرین کرد بر کردگار

چو بهرام بشنید گریان شدند

وزان جایگه شاد و خندان شدند

بفرمود تا ناسزا بنگرید

یکی باد سرد از جگر برکشید

شب تیره چون رستم او را بدید

سپهدار پیران به هامون کشید

دمان تا فراز آمد اندر کمان

برو بر نکرد ایچ پیدا زبان

بران تیغ زهر آب داده به دست

به هاماوران داد جویان به دست

سیاوش چو بشنید شاه جهان

که آمد میان کهان و مهان

عنان برگرفتند یکسر به من

بخواند آگهی بر سر انجمن

چنین داد پاسخ که از مهتران

خداوند شمشیر و گرز گران

روان را به دانش به کار آوری

به توران به خواب اندر آرد سری

به گرد اندر آرد بهنگام کار

درختی چنان خسته در کارزار

حتما شما هم این جمله را شنیده اید که نباید کتاب ها و در کل خوب یا بد بودنشان را از روی جلد آنها قضاوت نمود. حالا اما دنیای فناوری و به طور مشخص هوش مصنوعی سعی دارد این اصل پذیرفته شده خرد انسانی را زیر پا بگذارد. ماجرا از […]

در «مسابقۀ ربات‌های پرنده» که در سطح حرفه‌ای برگزار می‌شود، متخصصان جوان کشور برای حل چالش‌های تحویل کالا با ربات پرنده، به رقابت می‌پردازند.
با پارامترهای یک شبکه عصبی در مرورگر وب بازی گنید تا از طرز کار آن سر در بیاورید
تشخیص احساسات یا Sentiment analysis شاخه ای از علوم کامپیوتر و پردازش زبان (NLP) است که سعی دارد ماشین و هوش مصنوعی را با احساس و عواطف انسانی آشنا سازد و تشخیص آنها از هم را میسر سازد . تلفن همراهی را تصور کنید که بر اساس مکالمات شما با افراد تشخیص میدهد که امروز روز دشواری داشته اید و به طور خودکار تماس کسانی که سابقه ی بیشترین دعوا ی لفظی را دارند را بلاک میکند تا شما در آرامش باشید . شبکه ی اجتماعی را تصور کنید که لحن و احساس شما را از آپدیت روزانه ی که پست کردید تشخیص میدهد و شما را با افرادی با حس مشابه در تماس قرار میدهد تا با هم بر سر مشکل مشترکتان (مثلا حقوق کم ) درد و دل کنید ! همچنین اگر شبکه ی اجتماعی دارای جامعه ی بزرگی باشد اطلاعات جمع آوری شده ی آن برای امور آماری - روان شناسی بی نظیر خواهند بود . مثلا روانشناسان میتوانند شروع یک اپیدمی افسردگی در یک منطقه ی خاص را تشخیص دهند . از آنجا که میزان جرم وقتی که مردم یک منطقه مشکلات روحی دارند بیشتر است پلیس نیز میتواند نیرو های خود را بر این اساس در جا های مختلف تقسیم کند . تشخیص احساس در زمان حال بیشترین کاربرد را در سایت های عرضه انواع کالا ( مجازی یا حقیقی ) دارد . بسیار مهم است که مدیر سایت و شرکت عرضه کننده ی محصول بدانند کدام نقد و بررسی ها از یک محصول مثبت هستند و کدام منفی و اینکه شدت منفی یا مثبت بودن چقدر است . کاربر از محصول کمی ناراضی است یا شدیدا ؟ شرکت های بزرگی همچون Amazon و Google و Ebay از SA برای بررسی نظرات کاربران استفاده میکنند . این شاخه از SA را Opinion mining میگویند . تشخیص احساس ماشین های فعلی را یک نسل به جلو رانده و باور عمومی بر بی احساس بودن ماشین ها را کمرنگ تر میسازد . در پی آن باعث آسان تر شدن بسیاری از جهات زندگی انسان نیز خواهد شد . (لینک اصلی را ببینید)
اگر شما یک طراح وب هستید، باید بدانید که یک هوش مصنوعی جدید می‌تواند کار شما را انجام دهد. مشتریان می‌توانند مستقیما مشخص کنند که وبسایت دقیق‌شان چه شکلی باشد. این هوش مصنوعی هنوز به مدت محدودی یک بتای آزمایشی است، اما به زودی ارایه می‌شود. این هوش مصنوعی «گرید» (The Grid) نام دارد و این احساس را به شما می‌دهد که گویا با یک انسان تعامل می‌کنید. لینک را ملاحظه کنید
Clarifai در سال 2013 توسط مت زلرز که متخصص یادگیری ماشینی است تاسیس شده و در حال حاضر از پیشرفته‌ترین شرکت‌های مطرح در این زمینه است. در لینک بالا میتوانید با بارگزاری تصاویر مختلف کارکرد سیستم را امتحان کنید.

بیشتر ببینید