ann-eam: یک چارچوب شبکه عصبی مصنوعی – انباشت شواهد برای مدل سازی تصمیم‌گیری واژگان انسانی

بازنمایی دانش مشکل اصلی مد‌ل‌های تصمیم‌گیری مانند مدل‌های انباشت شواهد می‌باشد. پیشرفت‌های اخیر حوزه هوش مصنوعی نوید‌بخش حل این مشکل با استفاده از چارچوب شبکه عصبی مصنوعی - انباشت شواهد یا به اختصار ann-eam می‌باشد. در این چارچوب محرک‌های ورودی توسط یک شبکه عصبی مصنوعی بازنمایی می‌شوند. سپس از بازنمایی‌های تولید شده پارامترهای مدل انباشت شواهد به وسیله توابع نگاشت تعیین و تخمین زده ‌می‌شوند. در مطالعه پیش‌رو توانایی پردازش کلمه در انسان با ارائه دو مدل از چارچوب شبکه عصبی مصنوعی - انباشت شواهد مدل شده است. مدل اول از ترکیب مدل fasttext با مدل انتشار مسابقه‌ای و مدل دوم از ترکیب مدل bert با مدل انتشار مسابقه‌ای ساخته شده‌اند. برای آزمایش عملکرد این مدل‌ها، آن‌ها بر روی داده های تکلیف تصمیم‌گیری واژگانی که از مجموعه‌داده english lexicon project بدست آمده‌اند برازش می‌شوند. نتایج به‌دست‌آمده نشان می‌دهد که مدل اول ضمن ارائه بازنمایی معنایی برای کلمات وغیرکلمات، زمان واکنش افراد را در مقایسه با مدل دوم بهتر پیش‌بینی می‌کند. همچنین مدل اول عملکردی قابل قبول و مشابه با مدل انتشار مسابقه‌ای معیار که به تنهایی و بر داده‌ها برازش شده بود را دارد. به طور کل می‌توان نتیجه گرفت که ann-eam چارچوبی مناسب برای مدل‌سازی تکلیف تصمیم‌گیری واژگانی است.