استنتاج خودکار روابط بین اصطلاحات در اصطلاح نامه فارسی علوم اسلامی با استفاده از شبکه های پیچشی گرافی

پژوهش حاضر درصدد ارایه مدلی برای استنتاج خودکار روابط بین اصطلاحات در اصطلاح نامه علوم اسلامی با استفاده از شبکه های پیچشی گرافی (GCN) بود، تا با استفاده از الگوریتم های جدید در حوزه یادگیری عمیق بتواند از اطلاعات موجود در اصطلاح نامه علوم اسلامی، سرعت، دقت و جامعیت را افزایش داده و موجب کاهش هزینه ها و در عین حال باعث بهبود روابط بین اصطلاحات شود.
پژوهش حاضر، از روش شبکه های پیچشی گرافی که یکی از مهم ترین روش های مطرح در حوزه یادگیری عمیق بوده و قادرند در کنار توجه به ویژگی های هر گره، از الگوهای روابط در گراف نیز سود بجویند، استفاده کرده است. دیتاست مورد مطالعه عبارت است از کلیه اصطلاحات اصطلاح نامه علوم اسلامی، که از سال 1372 تا ابتدای 1400 تولید شده، و به صورت یک گراف در نظر گرفته شده اند. اصطلاحات به عنوان ریوس و ارتباط بین اصطلاحات به عنوان یال های این گراف هستند و این گراف به عنوان ورودی، به شبکه پیچشی گرافی داده شده و مدلی برای استنتاج خودکار ارتباطات حاصل شده است. به منظور تجزیه و تحلیل خروجی های حاصل، از معیارهای AP و Roc استفاده شد.
یافته های پژوهش نشان داد که میانگین دقت مدل بدست آمده برای داده های تست، 75 درصد و همچنین امتیاز  Rocحاصل شده، برای داده های تست، 72 درصد می باشد، و با توجه به اینکه این روش در حوزه علوم اسلامی و اصطلاح نامه ها برای اولین بار مورد استفاده قرار، نتایج قابل قبول است.
علی رغم چرخش نظر از اصطلاح نامه ها به هستی شناسی ها، هنوز هم استفاده از اصطلاح نامه ها، مخصوصا در کشور ایران مورد توجه است. در مقایسه با پژوهش های قبلی، روش استفاده شده برای ساخت اصطلاح نامه، متفاوت بوده و نتایج بدست آمده موجب اطمینان بیشتری است و در نتیجه در اهداف مختلف کاربرد اصطلاح نامه ازجمله نمایه سازی خودکار، خروجی های بهتری بدست آمده است. شیوه های جدید در پردازش زبان طبیعی و یادگیری عمیق نیز ما را در بازیابی اطلاعات و نمایه سازی خودکار امیدوارتر می کند.