معماری سامانه گراف دانش زبان فارسی
نویسندگان
1 دانشکده کامپیوتر؛ دانشگاه علم و صنعت ایران
2 دانشکده کامپیوتر؛ واحد تهران مرکزی؛ دانشگاه آزاد اسلامی؛ تهران، ایران
doi
10.35050/JIPM010.2020.057چکیده
گراف دانش بهعنوان یکی از بسترهای مهم جهت ورود به عرصه وب معنایی و توسعه ابزارهای پردازش زبان طبیعی شناخته میشود. تاکنون پایگاههای دانش مختلفی در زبانهای گوناگون ایجاد شده است، اما فقدان چنین پایگاهی در کاربردهای پژوهشی و صنعتی که به زبان فارسی اختصاص داشته باشد، کاملاً مشهود است. در این مقاله جامعترین پایگاه دانش زبان فارسی بهصورت عمومی و چنددامنهای مشتمل بر 500 هزار موجودیت و 7 میلیون رابطه میان آنها با عنوان «فارسبیس» ارائه میگردد که بهصورت متن باز در دسترس است. منابع اطلاعاتی «فارسبیس» عبارتاند از: اطلاعات ساختیافته «ویکیپدیا» مانند جعبههای اطلاعاتی، جداول وب و همچنین اطلاعاتی که توسط ماژول استخراجگر رابطه از متن خام استخراج شدهاند. موجودیتهای گراف دانش در یک هستانشناسی برگرفته از «دیبیپدیا» و سفارشیشده برای «فارسبیس»، سازماندهی شده است. بهمنظور پیوند جعبههای اطلاعاتی «ویکیپدیا» به هستانشناسی بیش از 7000 نگاشت میان الگوها و خصیصههای «ویکیپدیا» با هستانشناسی برقرار شده است. همچنین، با روشهای یادگیری ماشین و با نظارت خبرگان، قسمتی از هستانشناسی و تعدادی از موجودیتها به «فارسنت» متصل شدهاند. مدل دادهای گراف دانش فارسی بر اساس استاندارد وب معنایی و بهصورت RDF پیادهسازی شده است. بنابراین، دادهها بهصورت سهتایی در پایگاه دانش ذخیره شده و میتوان از طریق زبان پرسوجوهای معنایی را بیان نمود. در حال حاضر، اطلاعات متنوعی بهصورت ساختیافته راجع به اشخاص مشهور، مکانهای مهم، سازمانها و شرکتها، آثار ادبی و هنری، گونههای زیستی شامل گیاهان و حیوانات، رویدادها، زیستشناسی و اخترشناسی در این گراف قابل دسترسی است. بهمنظور خدمترسانی به موتورهای جستوجو یک سامانه جستوجو روی موجودیتها و گزارههای آن پیادهسازی شده است. «فارسبیس» از چهار جنبه صحت، فراخوانی، پوشش، و تازگی اطلاعات مورد ارزیابی قرار گرفته که نتایج بهدست آمده حکایت از غنی بودن آن دارد. بستر گراف دانش میتواند در کاربردهای بسیاری نظیر موتورهای جستوجو، سامانه پرسش و پاسخ، بازیابی اطلاعات، پردازش زبان طبیعی، تشخیص موجودیت، مشابهتیابی متن و هر کاربردی که نیازمند موجودیتهای فارسی و ارتباط میان آنهاست، مورد استفاده قرار گیرد.
