روش ‌هاي يادگيري خودكار هستي ‌نگاشت‌ها در حوزۀ مفاهيم قرآني: مطالعۀ مروري دامنه‌اي

مقدمه: امروزه فناوري ‌هاي معنايي رويكرد جديدي را در پردازش و بازنمون معارف قرآني با هدف ارائۀ اطلاعات معنادار ارائه مي‌دهند. هستي ‌نگاشت‌ها به‌عنوان يكي از فناوري‌هاي معنايي، ابزاري جهت بيان رسمي مفاهيم و روابط موجود در حوزۀ خاصي بوده كه توسعه و كاربرد آن جهت استخراج معارف و علوم قرآني مورد توجه قرار گرفته است. يادگيري هستي‌نگاشت‌ها و روش‌هاي آن به‌صورت خودكار جهت استخراج مفاهيم از مباحث مهم در حوزۀ وب معنايي و فناوري‌هاي آن است. به‌تازگي توسعه و كاربرد يادگيري هستي‌نگاشت‌ها جهت استخراج مفاهيم قرآني مورد توجه قرار گرفته است. ازاين‌رو، هدف پژوهش حاضر، بررسي جامع يادگيري خودكار هستي‌نگاشت‌ها در حوزۀ استخراج مفاهيم قرآني به‌منظور شفاف‌سازي وضعيت فعلي و آينده است. معيارهاي مورد بررسي مجموعه داده‌ها، روش‌هاي يادگيري، روش‌هاي ارزيابي، نتايج و پيشنهاد‌هاي آتي پژوهش‌ها در حوزۀ يادگيري خودكار هستي‌نگاشت‌هاي قرآني بود.روش‌شناسي: روش بررسي پژوهش حاضر، مرور دامنه‌اي بر اساس دستورالعمل‌هاي پريزما و بر اساس رويۀ استفاده‌شده توسط آركسي و امالي (2005) است. اين فرآيند پروتكلي را به‌منظور تطبيق نتايج پژوهش موجود با سؤالات و معيارهاي تحقيق توصيف مي‌كند. پنج مرحلۀ پيشنهادي آركسي و امالي عبارت‌اند از: 1. شناسايي و طراحي سؤال(ها) پژوهش، 2. انجام استراتژي‌هاي جستجو براي استخراج مطالعات مرتبط از طريق انتخاب واژه‌هاي كليدي مناسب و عملگرهاي بولي، 3. انتخاب نهايي پژوهش‌هاي مرتبط با تعيين معيارهاي ورود و خروج، 4. خلاصه‌سازي و گزارش يافته‌ها و درنهايت، 5. گزارش و بحث پيرامون نتايج حاصل. جستجوي منابع در هفت پايگاه دادۀ علمي مشتمل برEmerald, Science Direct, IEEE Xplore Digital Library, Google Scholar, Web of Science, Scopus انجام شد. فرايند جستجو در فروردين 1402 صورت گرفت. تعداد 811 مقاله، بدون توجه به محدودۀ زماني، مورد ارزيابي و انتخاب قرار گرفت. به‌منظور سازماندهي مقالات بازيابي‌شده، از نرم‌افزار مديريت منابع اطلاعاتي اندنوت استفاده شد و پس از تطبيق عناوين در پايگاه‌هاي اطلاعاتي مختلف، تعداد 317 مقاله تكراري حذف گرديد. پس از بررسي چكيده‌ها، معيارهاي ورود و خروج و كيفيت مقالات اعمال گرديد. همچنين به‌منظور جلوگيري از سوگيري در انتخاب مقالات، طي بررسي تصادفي مجددي، توسط دو پژوهشگر مستقل در حوزۀ يادگيري خودكار هستي‌نگاشت نيز ارزيابي صورت گرفت و درنهايت تعداد 25 اثر به‌عنوان ملاك مرور انتخاب گرديد.يافته ها: يافته‌ها نشان داد اغلب پژوهش‌ها در حوزۀ مجموعۀ داده‌هاي قرآني به زبان‌هاي انگليسي و عربي بودند و بخش عمده آن‌ها نيز از ترجمۀ انگليسي قرآن الهلالي و خان استفاده كرده‌اند. استفاده از مجموعه داده‌هاي بسيار محدود، مهم‌ترين محدوديت پژوهش‌هاي انجام شده بود. بخش عمدۀ پژوهش‌ها از روش‌هاي نرمال‌سازي، خوشه‌بندي و دسته‌بندي متن، خلاصه‌سازي متن، استخراج اطلاعات، تشابه و يافتن موجوديت‌هاي نامدار استفاده كرده‌اند. البته در برخي پژوهش‌ها، روش‌هاي هوش مصنوعي نظير شبكۀ عصبي نيز به كار گرفته شده است. علاوه بر اين، يافته‌ها نشان داد كه الگوريتم‌هاي داده‌كاوي مبتني بر روش‌هاي آمار و احتمال براي يادگيري و ساخت هستي‌نگاشت‌هاي خودكار در ميان محققان با محبوبيت روبرو شده است. همچنين از روش‌هاي محاسبۀ دقت، فراخواني و معيار F براي ارزيابي نتايج كاربرد الگوريتم‌هاي يادگيري خودكار در هستي‌نگاشت‌هاي قرآني استفاده كرده‌اند. پژوهش‌هايي كه از روش‌هاي هوش مصنوعي بهره‌برداري كرده‌اند، با تحليل معنايي، استنتاج، مدل‌سازي و تأييد اعتبار داده‌هاي استنتاج‌شده به نتايجي مانند تشخيص صوت براي آموزش قرائت قرآن، تشخيص آرايه‌هاي ادبي و ايجاد ارتباط‌هاي موضوعي در مفاهيم قرآني و همچنين ايجاد ارتباط بين اين مفاهيم با مفاهيم ساير اديان نائل شده‌اند. ارزيابي‌ روش‌هاي ارائه‌شده براي يادگيري خودكار هستي‌نگاشت‌هاي قرآني نشان مي‌دهد استفاده توأمان از روش‌هاي داده‌كاوي و هوش مصنوعي نتايج بهتري را به‌همراه دارد. بخش عمدۀ نتايج اين حوزه در دو دسته كلي قرار دارد. دستۀ اول مبتني بر به‌كارگيري روش‌هاي داده‌كاوي، متن‌كاوي و يادگيري ماشين جهت استخراج خودكار مفاهيم و ابعاد سه‌گانه (فعل، فاعل، مفعول) به‌همراه روابط معنايي از متن قرآن بود. دستۀ ديگر به مقايسه عملكرد روش‌ها و الگوريتم‌هاي مبتني بر آمار و مشابهت‌يابي نظير TF، TF-IDF، AVE-TF، Ridf، TIM، N-gram، FREyA، Pos Taggin، Levenshtein، Log Likelihod، هِرسِت، و جز اين‌ها در استخراج مفاهيم خودكار جهت ساخت هستي‌نگاشت قرآني پرداخته‌اند. يافته‌هاي حاصل از بررسي كارهاي آينده نشان از علاقۀ محققان به الگوريتم‌هاي هوش مصنوعي و استفاده در يادگيري هستي‌نگاشت و توسعۀ خودكار و نيمه‌خودكار هستي‌نگاشت‌هاي قرآني دارد. فقدان مجموعه داده‌هاي صحيح، دليل عجز سامانه‌هاي هوش مصنوعي پيشرفتۀ دنيا مانند جي‌پي‌تي 4 است كه در آينده بايد به اين مهم پرداخته شود.نتيجه‌گيري: نتايج اين مطالعه مي‌تواند به جهت‌دهي پژوهش‌هاي آتي درباره بهترين روش‌ها در توسعۀ خودكار هستي‌نگاشت‌هاي قرآني كمك كند. اين مسئله مي‌تواند با طراحي هستي‌نگاشت جامع قرآني كه تمام موضوعات و مفاهيم را با توجه به بافت قرآن، پوشش دهد، مدنظر قرار گرفته و با ايجاد هستي‌نگاشتي جامع از مفاهيم قرآن، كاربران را به‌سمت بازيابي دانش قرآني رهنمون سازد. همچنين بهره‌برداري بيشتر از روش‌هاي هوش مصنوعي و پردازش زبان طبيعي نظير جي.پي.تي. به‌عنوان مدل يادگيري ماشيني براي توليد متن به زبان طبيعي با استفاده از شبكۀ عصبي عميق، در توسعۀ خودكار هستي‌نگاشت‌هاي قرآني ضروري به نظر مي‌رسد. با توجه به اينكه يادگيري ماشين مستلزم وجود داده‌هاي كلان در حوزۀ قرآن است، ساخت مجموعه داده‌هاي استاندارد ازجمله كارهاي آتي محققان است.