سارا طحانیان - دانشجوی کارشناسی ارشد قرآن کاوی رایانشی
مصطفی برهانی - استادیار قرآن کاوی رایانشی، دانشگاه شهید بهشتی
بهروز مینایی بیدگلی - دانشیار، (دانشگاه علم وصنعت ایران)، دکتری هوش مصنوعی

متن کتاب مقدس قرآن کریم شامل عبارات مشابه معنایی متعددی است. برخی از این شباهت ها همراهبا شباهت در الفاظ، و برخی بدون شباهت در الفاظ هستند. در راستای فهم همه ی معارف موجود در قرآن،نیازمند به تشخیص این مشابهات معنایی هستیم. این تشخیص پی شنیازی برای تحقیق و تدبر عمیق تر حولموضوعات متفاوت در متن قرآن، راهگشایی بیشتر در امر تفسیر قرآن به قرآن، تعمیق در امر حفظ قرآن، وتشخیص ترتیب و الگوی ارائه ی موضوعات در متن قرآن است. محققان تاکنون تحقیقاتی در مورد مسئله یتشخیص شباهت در متن قرآن، با استفاده از نیروی انسان و یا با استفاده از ماشین، انجام داده اند، اما تا بحالموفق به ارائه ی منظم همه ی آیات مشابه معنایی نشد هاند. این عدم موفقیت به علت مشکلات و محدودیت هاییمانند تعداد زیاد مشابهات معنایی، محدودیت نمایش همه ی آیات مشابه، و خطای انسانی بوده است.در این تحقیق، استفاده از روش های هوشمند بدون نظارت یادگیری عمیق، به عنوان راهکاری برایتشخیص شباهات معنایی در آیات قرآن -تشخیص آیات مشابه با هر آیه و درجات شباهت بین آیا ت- در نظرگرفته شده است. به این منظور، رو شهایی بر اساس یادگیری عمیق با رو شهایی بر اساس شباهت رشته،مقایسه شده اند. برای ارزیابی عملکرد این روش ها، مجموعه داده ی معیار استاندارد شامل ۲۵۰ جفت آیه، همراهبا برچسب درجات شباهت آن ها تهیه شده است. جفت آیات موجود در این مجموعه داده به صورت تصادفی ازبین آیات زیر مجموعه ی موضوعات انتهای کتاب “مصحف التجوید” انتخاب شده اند. درجات شباهت معناییاین جفت آیات، بر اساس یک مجموعه قواعد منظم -ارائه شده در این تحقیق- برای تعیین درجات شباهتاست. نتایج ارزیابی ها نشان می دهد که روش یادگیری عمیق “ paragraph-vector ”، از بین روش هایآزمایش شده بهترین عملکرد را در تشخیص شباهت معنایی بین آیات قرآن دارد. درجه ی همبستگی پیرسوناین روش با مجموع ه داده ی معیار، % ۷۰ بدست آمده است.