استخراج اطلاعات مبهم از متون طبیعی و نگاشت به XML فازی: مروری سیستماتیک بر نقش پردازش زبان طبیعی فازی

استخراج اطلاعات مبهم از متون طبیعی و نگاشت به XML فازی: مروری سیستماتیک بر نقش پردازش زبان طبیعی فازی

فاطمه عمرانی1 فاطمه خانی2 بی نظیر گنجی3

1) مربی، گروه مهندسی کامپیوتر، دانشگاه پیام نور، تهران، ایران
2) مربی، گروه مهندسی کامپیوتر، دانشگاه پیام نور، تهران، ایران
3) استادیار، گروه مهندسی کامپیوتر، دانشگاه پیام نور، تهران، ایران

کد IOI مقاله : AAHD-ABFFEK
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    متون طبیعی ذاتاً سرشار از ابهام زبانی هستند. عباراتی نظیر «دمای نسبتاً بالا» یا «فاصله نزدیک» به سادگی توسط انسان درک می‌شوند، اما بازنمایی آن‌ها در قالب داده‌های قطعی نظیر XML کلاسیک با افت معنا همراه است. در سوی دیگر، XML فازی مدلی قدرتمند برای ذخیره‌سازی اطلاعات مبهم با استفاده از درجات عضویت و توزیع‌های امکانی فراهم می‌آورد. با این حال، شکاف میان متون طبیعی مبهم و ساختار صریح XML فازی، مانعی اساسی در بهره‌گیری عملی از این مدل است. پژوهش حاضر یک مرور سیستماتیک بر روش‌های استخراج خودکار اطلاعات مبهم از متون طبیعی و نگاشت آن به XML فازی با تأکید بر نقش پردازش زبان طبیعی فازی (FNLP) ارائه می‌دهد. ابتدا مفاهیم پایه تشریح شده و معماری کلی سامانه‌های تبدیل متن به XML فازی تحلیل می‌شود. سپس رویکردهای مختلف شامل روش‌های قانون‌محور (سامانه‌های استنتاج فازی)، مدل‌های آماری (میدان تصادفی شرطی فازی) و یادگیری عمیق (Fuzzy LSTM و ترنسفورمرهای تنظیم‌شده فازی) به صورت تطبیقی بررسی می‌گردند. یافته‌ها نشان می‌دهد روش‌های قانون‌محور شفافیت معنایی بالایی دارند اما در مقیاس‌پذیری با شکست مواجه می‌شوند. در مقابل، رویکردهای یادگیری عمیق قادر به استخراج سرتاسری هستند اما نیازمند داده‌های برچسب‌خورده فراوان و منابع محاسباتی سنگین می‌باشند. مهم‌ترین چالش‌های پیش‌رو عبارتند از: فقدان مجموعه‌داده‌های مرجع استاندارد با برچسب طلایی فازی، دشواری مدلسازی نفی و طعنه، و پیچیدگی نگاشت روابط تو در تو به درختان عمیق XML فازی. در پایان، نقشه‌راهی شامل تلفیق مدل‌های زبانی بزرگ (LLMها) با لایه‌های خروجی فازی و توسعه معیارهای ارزیابی مناسب پیشنهاد می‌شود. این مرور منبعی جامع برای پژوهشگران حوزه داده‌های نیمه‌ساختاریافته، پردازش زبان طبیعی و سیستم‌های فازی جهت شناسایی شکاف‌های تحقیقاتی است.

کلمات کلیدی : xml فازی پردازش زبان طبیعی فازی استخراج اطلاعات مبهم مرور سیستماتیک عدم قطعیت زبانی