استنتاج خودکار روابط بین اصطلاحات در اصطلاحنامه فارسی علوم اسلامی با استفاده از شبکههای پیچشی گرافی
نویسندگان
1 دانشجوی دکتری، گروه علم اطلاعات و دانششناسی، دانشکده روانشناسی و علوم تربیتی، دانشگاه خوارزمی، تهران، ایران.
2 استادیار، گروه علم اطلاعات و دانششناسی، دانشکده روانشناسی و علوم تربیتی، دانشگاه خوارزمی، تهران، ایران
3 استادیار، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران.
4 استادیار، گروه مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه خوارزمی، تهران، ایران.
doi
10.22091/stim.2023.8958.1912چکیده
هدف: پژوهش حاضر درصدد ارائه مدلی برای استنتاج خودکار روابط بین اصطلاحات در اصطلاحنامه علوم اسلامی با استفاده از شبکههای پیچشی گرافی (GCN) بود، تا با استفاده از الگوریتمهای جدید در حوزه یادگیری عمیق بتواند از اطلاعات موجود در اصطلاحنامه علوم اسلامی، سرعت، دقت و جامعیت را افزایش داده و موجب کاهش هزینهها و در عینحال باعث بهبود روابط بین اصطلاحات شود. روش: پژوهش حاضر، از روش شبکههای پیچشی گرافی که یکی از مهمترین روشهای مطرح در حوزه یادگیری عمیق بوده و قادرند در کنار توجه به ویژگیهای هر گره، از الگوهای روابط در گراف نیز سود بجویند، استفاده کرده است. دیتاست مورد مطالعه عبارت است از کلیه اصطلاحات اصطلاحنامه علوم اسلامی، که از سال 1372 تا ابتدای 1400 تولید شده، و به صورت یک گراف در نظر گرفته شدهاند. اصطلاحات به عنوان رئوس و ارتباط بین اصطلاحات بهعنوان یالهای این گراف هستند و این گراف به عنوان ورودی، به شبکه پیچشی گرافی داده شده و مدلی برای استنتاج خودکار ارتباطات حاصل شده است. به منظور تجزیه و تحلیل خروجیهای حاصل، از معیارهای AP و Roc استفاده شد. یافتهها: یافتههای پژوهش نشان داد که میانگین دقت مدل بدست آمده برای دادههای تست، 75 درصد و همچنین امتیاز Rocحاصل شده، برای دادههای تست، 72 درصد میباشد، و با توجه به اینکه این روش در حوزه علوم اسلامی و اصطلاحنامهها برای اولین بار مورد استفاده قرار، نتایج قابل قبول است. نتیجهگیری: علیرغم چرخش نظر از اصطلاحنامهها به هستیشناسیها، هنوز هم استفاده از اصطلاحنامهها، مخصوصاً در کشور ایران مورد توجه است. در مقایسه با پژوهشهای قبلی، روش استفاده شده برای ساخت اصطلاحنامه، متفاوت بوده و نتایج بدست آمده موجب اطمینان بیشتری است و در نتیجه در اهداف مختلف کاربرد اصطلاحنامه ازجمله نمایهسازی خودکار، خروجیهای بهتری بدست آمده است. شیوههای جدید در پردازش زبان طبیعی و یادگیری عمیق نیز ما را در بازیابی اطلاعات و نمایهسازی خودکار امیدوارتر میکند.