راهنمای تعاملی هوشمند دستگاه i۲۴prestige با استفاده از شبکه عصبی

این پژوهش یک راهنمای تعاملی هوشمند دوزبانه (فارسی/انگلیسی) برای دستگاه اتوآنالایزر Prestige ۲۴i ارائه می کند که با تکیه بر چارچوب «تولید تقویت شده با بازیابی» (RAG) و ترکیب بازیابی هیبریدی BM۲۵ + تعبیه های چندزبانه SBERT، پاسخ های مستند و منبع دار بر پایه ی صفحات دفترچه های دستگاه تولید می کند. به دلیل حساسیت محیط های پزشکی، طراحی بر «وفاداری به منبع» و «توان عدم پاسخ در نبود شواهد» متمرکز است. زنجیره ی پردازش شامل OCR دو زبانه، نرمال سازی فارسی (ی/ی، ک/ک، نیم فاصله، اعداد فارسی/لاتین) و قطعه بندی ۲۰۰ تا ۲۵۰ توکنی است. مجموعه داده ی ارزیابی از ۳ سند (Operation/Service/Farsi) با ۶۵۲ صفحه پس از OCR و ۹۸ جفت پرسش/پاسخ منبع دار تشکیل شده و با ۵-فولد ارزیابی شده است. نتایج نشان می دهد موتور بازیابی در سطح کل Recall@۳=۰.۸۲، Recall@۵=۰.۸۹، MRR@۵=۰.۷۱، و nDCG@۵=۰.۷۸ عمل می کند و دقت صفحه ارجاع ۰.۷۶ است؛ در پاسخ گویی نیز EM=۰.۴۸، F۱=۰.۶۸، ROUGE-L=۰.۷۲، وفاداری به منبع ۰.۸۶ و دقت «عدم پاسخ» ۰.۹۲ به دست آمد. از نظر کارایی، تاخیر انتهابه انتها P۵۰=۲.۲s و P۹۵=۳.۶s با نرخ جلسات بدون کرش ۰.۹۹۱ گزارش شد. مطالعه ی کاربری با ۱۲ اپراتور برای این واژه ها (Start-up/Shutdown/Reagent/Calibration/QC/Maintenance) موفقیت ۸۹ تا ۹۶٪، SUS≈۷۹–۸۵ و رضایت ارجاع ۴.۱ تا ۴.۵ از ۵ را نشان داد. دستاوردهای کلیدی شامل پایپ لاین بومی سازی فارسی، بازیابی هیبریدی سبک قابل اجرا روی منابع محدود، و سازوکار ارجاع صفحه برای قابلیت ردیابی است. مسیرهای آتی شامل ررانکر کراس انکودر چندزبانه، بازنویسی خودکار پرسش های مبهم و استخراج پایگاه دانش ساخت یافته ی کدخطاها و پارامترها پیشنهاد می شود

کلیدواژه ها:

راهنمای تعاملی هوشمند ، پردازش زبان طبیعی ، RAG ، بازیابی اطلاعات ، Prestige ۲۴i ، چت بات دوزبانه ، SBERT چندزبانه ، BM۲۵ ، OCR ، کدسوئیچ ، کنترل کیفیت (QC) ، کالیبراسیون