ارائه ­دهنده:
محمدحسین خجسته

  استاد راهنما:
دکتر بهروز مینایی بیدگلی

  هیات داوران:

دکتر سیدصالح اعتمادی ؛ دکتر مهرنوش شمس فرد

زمان : ۱۸ شهریور ماه ۱۴۰۲

  ساعت ۱۰:۰۰

چکیده پایان نامه :
 

یکی از وظایف بسیار مهم که بر روی گراف‌های دانش تعریف می‌شود، وظیفه پیش‌بینی پیوند است. در این وظیفه هدف این است که بتوان واقعیت‌های جدید را از حقایق موجود در گراف دانش استنباط کرد و گراف دانش را کامل‌تر کرد. مدل‌هایی که در این وظیفه تعریف می‌شوند را می‌توان به سه دسته جانمایی، منطقی و چندگامی تقسیم کرد. بر خلاف مدل‌های جانمایی که به‌صورت جعبه سیاه دیده می‌شوند، مدل‌های منطقی و چندگامی توانایی تولید توضیح برای خروجی تولید شده را دارند. همچنین طبق نتایج به‌دست‌آمده از مدل‌های قبل، روش‌های جانمایی معمولاً به دقت‌های بهتری نسبت به دو دسته مدل دیگر دست پیدا می‌کنند.
هدف از انجام این پروژه در وهله اول ترکیب دو مدل پیش‌بینی پیوند جانمایی و منطقی برای بهره‌مندی از فواید هر دو این مدل‌ها است. در واقع هدف این است که با داشتن یک هوش مصنوعی نمادی - عصبی هم دقت‌هایی بهتر از دقت‌های دو مدل قبل به دست آید و هم اینکه مدل نهایی توانایی ارائه توضیح‌ برای خروجی‌های تولید شده را داشته باشد. همچنین در این پروژه قواعد تولید شده توسط مدل منطقی بررسی شده است و یکی از مشکلات اساسی این مدل‌ها که تولید قواعد نامناسب است، اصلاح شده است. قواعدی نامناسب هستند که از نظر یک کاربر انسانی قابل‌قبول و منطقی نمی‌باشند، اما بعضاً این قواعد امتیازهای بالایی از مدل اولیه دریافت کرده بودند. تلاش شد که با استفاده از استدلال عرف جاری انسان و مدل‌های استدلال¬ورزی زبان طبیعی مشکل این قواعد برطرف شود. مدل نهایی از ترکیب یک مدل جانمایی به همراه یک سامانه منطقی ایجاد شده است. در این مدل قواعد استخراج شده از سامانه منطقی به‌وسیله استدلال عرف جاری انسان پالایش شده‌اند. مدل نهایی توانست به دقتی بالاتر نسبت به مدل‌های قبل از خود دست پیدا کند.