سامانه خودکار طبقه بندی موضوعی آیات قرآن با استفاده از یادگیری ماشین و یادگیری عمیق

طبقه بندی موضوعی آیات قرآن کریم به صورت دستی، فرآیندی زمان بر و پیچیده است؛ به ویژه با توجه به چندموضوعی بودن بسیاری از آیات، نیاز به روشی خودکار و کارآمد برای سازمان دهی محتوای قرآن بر اساس موضوعات، بیش از پیش احساس می شود. پرسش اصلی این پژوهش آن است که چگونه می توان با بهره گیری از فنون یادگیری ماشین (ML) و یادگیری عمیق (DL)، سامانه ای خودکار برای تعیین موضوع یا موضوعات هر آیه ارائه داد. روش تحقیق این مطالعه، توصیفی–تحلیلی است. ابتدا مفاهیم کلیدی و پیشینه مرتبط بررسی شده و سپس رویکردهای مختلف ML و DL در زمینه طبقه بندی موضوعی آیات تحلیل می گردد. یافته ها نشان می دهد که الگوریتم های کلاسیک مانند بیز ساده و ماشین بردار پشتیبان، نتایج قابل قبولی ارائه کرده اند؛ اما با توجه به چندبرچسبی بودن بیش از نیمی از آیات، استفاده از مدل های چندبرچسبی ضروری است. بهره گیری از شبکه های عصبی پیچشی (CNN) و ترنسفورمرها موجب افزایش چشمگیر دقت طبقه بندی شده و پژوهش های اخیر دقتی بالاتر از ۹۰٪ را گزارش کرده اند. این دستاوردها بیانگر توانمندی سامانه های خودکار به عنوان ابزار کمکی برای پژوهشگران علوم قرآنی است. با این حال، محدودیت هایی همچون وابستگی به داده های برچسب خورده و پایین بودن تفسیرپذیری مدل ها همچنان باقی است. در مجموع، ترکیب دانش علوم رایانه و علوم قرآنی در قالب سامانه ای خودکار برای طبقه بندی موضوعی آیات، می تواند روشی کارآمد و مکمل برای روش های سنتی تفسیری و فهرست نگاری فراهم آورد و مسیر جدیدی را برای پژوهش های قرآنی در عصر دیجیتال هموار سازد.

Keywords:

طبقه بندی موضوعی , یادگیری ماشین , یادگیری عمیق , طبقه بندی چندبرچسبی , ترنسفورمر , متن کاوی قرآن