۳.
کلیدواژه‌ها:
یادگیری خودکار هستی نگاشت هستی نگاشت قرآن فناوری معنایی استخراج دانش داده کاوی
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.