استخراج اطلاعات مبهم از متون طبیعی و نگاشت به XML فازی مروری سیستماتیک بر نقش پردازش زبان طبیعی فازی

متون طبیعی ذاتا سرشار از ابهام زبانی هستند. عباراتی نظیر «دمای نسبتا بالا» یا «فاصله نزدیک» به سادگی توسط انسان درک می شوند اما بازنمایی آنها در قالب داده های قطعی نظیر XML کلاسیک با افت معنا همراه است. در سوی دیگر XML فازی مدلی قدرتمند برای ذخیره سازی اطلاعات مبهم با استفاده از درجات عضویت و توزیع های امکانی فراهم می آورد. با این حال شکاف میان متون طبیعی مبهم و ساختار صریح XML فازی، مانعی اساسی در بهره گیری عملی از این مدل است. پژوهش حاضر یک مرور سیستماتیک بر روش های استخراج خودکار اطلاعات مبهم از متون طبیعی و نگاشت آن به XML فازی با تاکید بر نقش پردازش زبان طبیعی فازی (FNLP) ارائه می دهد. ابتدا مفاهیم پایه تشریح شده و معماری کلی سامانه های تبدیل متن به XML فازی تحلیل می شود سپس رویکردهای مختلف شامل روش های قانون محور (سامانه های استنتاج فازی، مدل های آماری میدان تصادفی شرطی فازی) و یادگیری عمیق (Fuzzy LSTM و ترنسفورمرهای تنظیم شده فازی به صورت تطبیقی) بررسی می گردند. یافته ها نشان می دهد روش های قانون محور شفافیت معنایی بالایی دارند اما در مقیاس پذیری با شکست مواجه می شوند؛ در مقابل رویکردهای یادگیری عمیق قادر به استخراج سرتاسری هستند اما نیازمند داده های برچسب خورده فراوان و منابع محاسباتی سنگین می باشند. مهم ترین چالش های پیش رو عبارتند از فقدان مجموعه داده های مرجع استاندارد با برچسب طلایی، دشواری مدلسازی نفی و طعنه و پیچیدگی نگاشت روابط تو در تو به درختان عمیق XML فازی. در پایان نقشه راهی شامل تلفیق مدل های زبانی بزرگ (LLMها) با لایه های خروجی فازی و توسعه معیارهای ارزیابی مناسب پیشنهاد می شود. این مرور منبعی جامع برای پژوهشگران حوزه داده های نیمه ساختار یافته، پردازش زبان طبیعی و سیستم های فازی جهت شناسایی شکاف های تحقیقاتی است.

کلیدواژه ها:

XML ، فازی ، پردازش زبان طبیعی فازی ، استخراج اطلاعات مبهم ، مرور سیستماتیک ، عدم قطعیت زبانی