generating inferences from qur'anic verses: a computational text mining approach

The recent advancements in deep learning have yielded novel and significant capabilities in natural language processing (nlp) and automatic inference generation. these capabilities are particularly critical due to their resemblance to human reasoning. at the same time, interdisciplinary initiatives have led to substantial advancements in the realms of knowledge and technology. in this study, the qur'an is examined as a rich source of multiple concepts and teachings. the objective of this research is to employ natural language processing algorithms to derive meaningful and accurate inferences from the english translation of the qur'an. inference is defined as the process of deriving a new and logical sentence from two basic and related sentences. the research methodology introduces a model that utilizes transformers and pre-trained language models. consequently, we construct the set of all unique unordered verse pairs (i

تولید استنتاج از آیات قرآن با به‌کارگیری الگوریتم‌های متن کاوی

پیشرفت‌های اخیر در یادگیری عمیق، قابلیت‌های نوین و چشمگیری را در حوزه پردازش زبان طبیعی (nlp) و تولید خودکار استنتاج فراهم کرده است. این قابلیت‌ها از آن جهت اهمیت ویژه‌ای دارند که شباهت قابل توجهی به فرایند استدلال انسانی دارند. هم‌زمان، رویکردهای میان‌رشته‌ای نیز موجب پیشرفت‌های چشمگیری در عرصه دانش و فناوری شده‌اند. در این پژوهش، قرآن کریم به‌عنوان منبعی غنی از مفاهیم و آموزه‌های متنوع مورد بررسی قرار گرفته است. هدف این تحقیق، بهره‌گیری از الگوریتم‌های پردازش زبان طبیعی برای استخراج استنتاج‌های معنادار و دقیق از ترجمه انگلیسی قرآن است. استنتاج در این پژوهش به فرایند استخراج یک گزاره جدید و منطقی از دو گزاره پایه و مرتبط اطلاق می‌شود. روش‌شناسی پژوهش، مدلی را معرفی می‌کند که بر پایه معماری ترنسفورمرها (transformers) و مدل‌های زبانی از پیش آموزش‌دیده توسعه یافته است. بدین منظور، مجموعه تمامی زوج‌های یکتای نامرتب آیات (i