ایجاد مدل هوش مصنوعی بر پایه مبدل به‌ منظور پاسخ به سوالات از داده‌های بدون ساختار

به دنبال موفقیت‌های چشم‌گیر مدل ‌های زبانی از پیش ‌آموزش ‌دیده و یادگیری انتقالی، اخیراً موج قابل‌ توجهی از تحقیقات هوش مصنوعی در این حوزه انجام‌ شده است. مدل های زبانی یکی از مولفه‌های اساسی در پردازش زبان طبیعی هستند. این مدل‌ ها تنها یک‌بار روی پیکره‌های بزرگ متنی به‌صورت خود ناظر آموزش‌دیده و سپس در حل مسایل  مختلف فهم زبانی مانند پاسخ‌ به پرسش، بسط متن و طبقه‌بندی متون به‌کارگیری می‌شوند. به‌کارگیری مبدل‌ها برای حل مسایل  گوناگون مستلزم فراهم نمودن سه پیش‌نیاز (مدل، مجموعه داده مناسب، استانداردهایی به‌منظور توصیف نحوه ارزیابی مدل) است. بررسی حجم بالای اسناد بدون ساختار که بیشتر در قالب متن هستند برای متخصصان امری دشوار است. از طرفی پاسخ به بسیاری از سوالات تحقیق نیازمند بررسی حجم بالایی از متون است. در این پژوهش به‌منظور پاسخ به سوالات از روی متون بدون ساختار در زمینه تحلیل امنیت شبکه‌های کامپیوتری سیستمی بر پایه هوش مصنوعی ارایه‌ شده است. سیستم مذکور بر پایه مبدل‌ها پیاده‌سازی شده و با زبان پایتون و در بن‌سازة گوگل کولب‌پرو کدنویسی و پیاده‌سازی شده است. این سیستم پس از آموزش روی پرسش و پاسخ‌های حوزه امنیت شبکه‌های کامپیوتری قادر به استخراج پاسخ سوالات از متن بدون ساختار است. به‌منظور آموزش مدل یک مجموعه داده سفارشی به نام هوشفا توسعه داده‌ شده است که شامل 12.157 رکورد است. سیستم مذکور پس از ارزیابی دقت ارایه پاسخ در معیار تطبیق دقیق را بسته به نوع مدل پایه به میزان 20 تا 43 درصد و در معیار اف‌1 به میزان 8 تا 18 درصد بهبود بخشیده است. همچنین برای تعیین داده‌های مرتبط آموزشی برای آموزش مدل‌ها، سیستم پیشنهادی از یک مدل طبقه‌بندی داده‌ استفاده می‌کند. نمرات ارزیابی مدل طبقه‌بندی داده نتایج بالای80% در معیارهای اف1، پوشش و صحت را نشان داده است. همچنین نمرات ارزیابی تعیین داده‌های غیر مرتبط نتایج بالای 97% در معیارهای اف1، پوشش و صحت را نشان داده است.