روش های یادگیری خودکار هستی نگاشت ها در حوزۀ مفاهیم قرآنی: مطالعۀ مروری دامنه ای (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
مقدمه: امروزه فناوری های معنایی رویکرد جدیدی را در پردازش و بازنمون معارف قرآنی با هدف ارائه اطلاعات معنادار ارائه می دهند. هستی نگاشت ها به عنوان یکی از فناوری های معنایی، ابزاری جهت بیان رسمی مفاهیم و روابط موجود در حوزه خاصی بوده که توسعه و کاربرد آن جهت استخراج معارف و علوم قرآنی مورد توجه قرار گرفته است. یادگیری هستی نگاشت ها و روش های آن به صورت خودکار جهت استخراج مفاهیم از مباحث مهم در حوزه وب معنایی و فناوری های آن است. به تازگی توسعه و کاربرد یادگیری هستی نگاشت ها جهت استخراج مفاهیم قرآنی مورد توجه قرار گرفته است. ازاین رو، هدف پژوهش حاضر، بررسی جامع یادگیری خودکار هستی نگاشت ها در حوزه استخراج مفاهیم قرآنی به منظور شفاف سازی وضعیت فعلی و آینده است. معیارهای مورد بررسی مجموعه داده ها، روش های یادگیری، روش های ارزیابی، نتایج و پیشنهاد های آتی پژوهش ها در حوزه یادگیری خودکار هستی نگاشت های قرآنی بود. روش شناسی: روش بررسی پژوهش حاضر، مرور دامنه ای بر اساس دستورالعمل های پریزما و بر اساس رویه استفاده شده توسط آرکسی و امالی (2005) است. این فرآیند پروتکلی را به منظور تطبیق نتایج پژوهش موجود با سؤالات و معیارهای تحقیق توصیف می کند. پنج مرحله پیشنهادی آرکسی و امالی عبارت اند از: 1. شناسایی و طراحی سؤال(ها) پژوهش، 2. انجام استراتژی های جستجو برای استخراج مطالعات مرتبط از طریق انتخاب واژه های کلیدی مناسب و عملگرهای بولی، 3. انتخاب نهایی پژوهش های مرتبط با تعیین معیارهای ورود و خروج، 4. خلاصه سازی و گزارش یافته ها و درنهایت، 5. گزارش و بحث پیرامون نتایج حاصل. جستجوی منابع در هفت پایگاه داده علمی مشتمل برEmerald, Science Direct, IEEE Xplore Digital Library, Google Scholar, Web of Science, Scopus انجام شد. فرایند جستجو در فروردین 1402 صورت گرفت. تعداد 811 مقاله، بدون توجه به محدوده زمانی، مورد ارزیابی و انتخاب قرار گرفت. به منظور سازماندهی مقالات بازیابی شده، از نرم افزار مدیریت منابع اطلاعاتی اندنوت استفاده شد و پس از تطبیق عناوین در پایگاه های اطلاعاتی مختلف، تعداد 317 مقاله تکراری حذف گردید. پس از بررسی چکیده ها، معیارهای ورود و خروج و کیفیت مقالات اعمال گردید. همچنین به منظور جلوگیری از سوگیری در انتخاب مقالات، طی بررسی تصادفی مجددی، توسط دو پژوهشگر مستقل در حوزه یادگیری خودکار هستی نگاشت نیز ارزیابی صورت گرفت و درنهایت تعداد 25 اثر به عنوان ملاک مرور انتخاب گردید. یافته ها: یافته ها نشان داد اغلب پژوهش ها در حوزه مجموعه داده های قرآنی به زبان های انگلیسی و عربی بودند و بخش عمده آن ها نیز از ترجمه انگلیسی قرآن الهلالی و خان استفاده کرده اند. استفاده از مجموعه داده های بسیار محدود، مهم ترین محدودیت پژوهش های انجام شده بود. بخش عمده پژوهش ها از روش های نرمال سازی، خوشه بندی و دسته بندی متن، خلاصه سازی متن، استخراج اطلاعات، تشابه و یافتن موجودیت های نامدار استفاده کرده اند. البته در برخی پژوهش ها، روش های هوش مصنوعی نظیر شبکه عصبی نیز به کار گرفته شده است. علاوه بر این، یافته ها نشان داد که الگوریتم های داده کاوی مبتنی بر روش های آمار و احتمال برای یادگیری و ساخت هستی نگاشت های خودکار در میان محققان با محبوبیت روبرو شده است. همچنین از روش های محاسبه دقت، فراخوانی و معیار F برای ارزیابی نتایج کاربرد الگوریتم های یادگیری خودکار در هستی نگاشت های قرآنی استفاده کرده اند. پژوهش هایی که از روش های هوش مصنوعی بهره برداری کرده اند، با تحلیل معنایی، استنتاج، مدل سازی و تأیید اعتبار داده های استنتاج شده به نتایجی مانند تشخیص صوت برای آموزش قرائت قرآن، تشخیص آرایه های ادبی و ایجاد ارتباط های موضوعی در مفاهیم قرآنی و همچنین ایجاد ارتباط بین این مفاهیم با مفاهیم سایر ادیان نائل شده اند. ارزیابی روش های ارائه شده برای یادگیری خودکار هستی نگاشت های قرآنی نشان می دهد استفاده توأمان از روش های داده کاوی و هوش مصنوعی نتایج بهتری را به همراه دارد. بخش عمده نتایج این حوزه در دو دسته کلی قرار دارد. دسته اول مبتنی بر به کارگیری روش های داده کاوی، متن کاوی و یادگیری ماشین جهت استخراج خودکار مفاهیم و ابعاد سه گانه (فعل، فاعل، مفعول) به همراه روابط معنایی از متن قرآن بود. دسته دیگر به مقایسه عملکرد روش ها و الگوریتم های مبتنی بر آمار و مشابهت یابی نظیر TF، TF-IDF، AVE-TF، Ridf، TIM، N-gram، FREyA، Pos Taggin، Levenshtein، Log Likelihod، هِرسِت، و جز این ها در استخراج مفاهیم خودکار جهت ساخت هستی نگاشت قرآنی پرداخته اند. یافته های حاصل از بررسی کارهای آینده نشان از علاقه محققان به الگوریتم های هوش مصنوعی و استفاده در یادگیری هستی نگاشت و توسعه خودکار و نیمه خودکار هستی نگاشت های قرآنی دارد. فقدان مجموعه داده های صحیح، دلیل عجز سامانه های هوش مصنوعی پیشرفته دنیا مانند جی پی تی 4 است که در آینده باید به این مهم پرداخته شود. نتیجه گیری: نتایج این مطالعه می تواند به جهت دهی پژوهش های آتی درباره بهترین روش ها در توسعه خودکار هستی نگاشت های قرآنی کمک کند. این مسئله می تواند با طراحی هستی نگاشت جامع قرآنی که تمام موضوعات و مفاهیم را با توجه به بافت قرآن، پوشش دهد، مدنظر قرار گرفته و با ایجاد هستی نگاشتی جامع از مفاهیم قرآن، کاربران را به سمت بازیابی دانش قرآنی رهنمون سازد. همچنین بهره برداری بیشتر از روش های هوش مصنوعی و پردازش زبان طبیعی نظیر جی.پی.تی. به عنوان مدل یادگیری ماشینی برای تولید متن به زبان طبیعی با استفاده از شبکه عصبی عمیق، در توسعه خودکار هستی نگاشت های قرآنی ضروری به نظر می رسد. با توجه به اینکه یادگیری ماشین مستلزم وجود داده های کلان در حوزه قرآن است، ساخت مجموعه داده های استاندارد ازجمله کارهای آتی محققان است.Methods of the OntologyAutomatic Learning in the Fields of Quranic Concepts: a Scoping Review Study
Objective: Today, semantic technology offers a new approach in organizing Quranic knowledge with the aim of providing meaningful information and representing Quranic teachings. Ontologies are a tool to formally express concepts and relationships in a specific domain. In the same way, the development of ontology as a tool for representing the effulgence and extracting the knowledge of the Quran is not only valuable, but also necessary. Ontology learning and its methods automatically to extract concepts are important topics in the field of Semantic Web and its technologies. Recently, the development and application of ontologies learning for the extraction of Quranic concepts has been considered. Therefore, the aim of the current research is to comprehensively investigate the ontologies automatic learning in the field of extracting knowledge and Quranic concepts in order to clarify the current and future situation. The investigated criteria were data set, learning methods, evaluation methods, results and future suggestions of studies in the field of ontologies automatic learning of the Quran.Methodology: The research was conducted by the scoping review method in accordance with PRISMA guidelines and based on Arksey & O’Malley procedure. This process describes a protocol for matching the results of existing studies with research questions and criteria. The five steps suggested by Arksey & O’Malley are as follows: 1. Identify and design the research question(s), 2. Conduct search strategies advocate for relevant studies through the selection of appropriate keywords and Boolean operators, 3. Final selection of relevant studies, considering the inclusion and exclusion criteria, 4. Tabulating the data, and finally, 5. Reporting its results. Sources were searched in seven scientific databases including Emerald, Science Direct, IEEE Xplore Digital Library, Google Scholar, Web of Science, and Scopus. The search process has been done in April 2023. A number of 811 articles, regardless of the time limit, were evaluated and selected. In order to organize the retrieved articles, EndNote resource management software was used and after matching the titles in different databases, 317 duplicate articles were removed. After reviewing the abstracts, the entry and exit criteria and the quality of the articles were applied. Also, in order to avoid bias in the selection of articles, during a random review, two independent researchers in the field of ontology automatic learning were evaluated and finally 25 articles were selected as review criteria.Findings: Most of the study in the field of Quranic data set were in English and Arabic languages, and most of them used the English translation of Al-Hilali and Khan's Quran. The use of a limited data set was the most important limitation of the research conducted in the field of automatic learning of Quranic ontologies. Most of the studies have used normalization methods, text clustering and categorization, text summarization, information extraction, similarity and finding famous entities. Of course, in some studies, artificial intelligence methods such as neural network have also been used. In addition, the findings showed that data mining algorithms based on statistics and probability methods for learning and constructing automatic ontologies was apparently surging in popularity among researchers. Evaluation methods includes calculating accuracy, recall and F criteria in the application of automatic learning algorithms in Quranic ontologies. The studies that have used artificial intelligence techniques, by Semantic analysis, inference, modeling and validation of inferred data have achieved results such as sound recognition for teaching Quran reading, recognition of literary arrays and creating thematic connections in Quranic concepts as well as creating connections between these concepts and concepts in other religions. The evaluation of the presented methods for ontology automatic learning shows that the combined use of data mining methods and artificial intelligence brings better results. Most of the results of this field are in two general categories. The first category was based on the use of data mining, text mining and machine learning methods to automatically extract three concepts and dimensions (subject-predicate-object) along with Semantic relationships from the text of the Quran. The other category compares the performance of methods and algorithms based on statistics and similarity, such as TF, TF-IDF, AVE-TF, Ridf, TIM, N-gram, FREyA, Pos Taggin, Levenshtein, Log Likelihod, Herset, etc. in extracting concepts for the construction of the Quranic ontologies. The findings of the future studies review show the researchers' interest in artificial intelligence algorithms and their use in ontology learning and the automatic and semi-automatic development of Quranic ontologies. The lack of correct data sets is the reason for the inability of the world's advanced artificial intelligence systems such as GPT 4, which must be addressed in the future.Discussion and conclusion: The results of this study can help to direct future research about the best practices in the automatic development of Quranic ontologies. This issue can be taken into consideration by designing a comprehensive Quranic ontology that covers all topics and concepts according to the context of the Quran, and by creating a comprehensive ontology of the Quranic concepts, it will guide users towards the retrieval of Quranic knowledge. Also, more use of artificial intelligence and natural language processing methods, such as GPT as a machine learning model for natural language text generation by deep neural network, it seems essential in the development of automatic learning of Quranic ontologies. Machine learning requires the existence of big data in the field of the Qur'an, hence the creation of standard data sets is one of the future studies.
تبلیغات
