مرجع گزینی با استفاده از شبکه های عصبی و کاربرد آن در علوم اسلامی

در حال حاضر با توجه به کثرت ترجمه های موجود از منابع اسلامی مانند قران و احادیث و وجود ضمایرو عناوین مختلف از افراد در آن ها سبب شده تا مرجع گزینی ضمایر، اسامی و شخصیت ها کار دشواریباشد و در برخی موارد چال شهایی را به وجود آورد. در برخی موارد به خاطر عدم آگاهی کامل مترجم اززبان منبع و یا برخی مواقع عدم توجه به جنبه های مختلف شاهد بروز اختلاف میان مفسران و مترجماندر تعیین مراجع اسمی هستیم، علاوه بر این موضوع خواندن تمام متون موجود در منابع مختلف و به تبعآن تحلیل آنها و دستیابی به ارتباطات این متون نیازمند صرف هزینه زمانی و انسانی بسیار بالا استکه در عصر کنونی با استفاده از فن های مختلف پردازش زبان طبیعی صورت می گیرد، یکی از چالش هایموجود در این زمینه پایین بودن دقت سامانه های مرجع گزینی است که سبب کشف روابط ناصحیح و یاعدم کشف روابط صحیح می شود. مراحل کلی حل مسئله مرجع گزینی با استفاده از علوم هوش مصنوعیاز سه گام تشکیل شده است: شناسایی موجودیت های نامدار، استخراج ویژگی های موجودیت های نامدارو مرجع گزینی آنها. موجودیت های نامدار دارای ویژگی های فراوانی هستند، وجود ویژگی های مختلف(متناسب و متناقض با مرجع) این امکان را می دهند که بتوان حد آستانه ای را از ترکیب ویژگی هایمختلف استخراج کرد. در مقاله ارائه شده ابتدا پیش پردازش های مختلف روی پیکره پژوهشگاه خواجه نصیرصورت پذیرفت، بعد با استفاده از الگوریتم های مبتنی بر شبکه عصبی عمیق داده های موجود به بردارهایعددی تبدیل شدند سپس با سایر ویژگی هایی که در متن مقاله عنوان شده ترکیب و ویژگی های اصلی راتشکیل دادند و نهایتا با استفاده از گراف هرس مراجع انتخاب شده، صورت پذیرفت. درواقع رویکردهایمبتنی بر گراف، موجودیت ها را همچون مجموعه ای از عناصر مرتبط با یکدیگر می شناسد که تحلیلروابط میان موجودیت های اولیه در گراف منجر به کاهش تناقضات ایجاد شده بر اساس کمبود اطلاعاتمی شود سپس با استفاده از شبکه های عصبی، روی پیکره آزمون اپسلا مرجع گزینی صورت پذیرفت کهنتایج حاصل بیانگر بهبود روش پیشنهادی (رسیدن به دقت ۶۱.۱۳) است که در متن مقاله بطور مشروحبیان شده است.