ANN-EAM: يك چارچوب شبكه عصبي مصنوعي – انباشت شواهد براي مدل سازي تصميم‌گيري واژگان انساني

بازنمايي دانش مشكل اصلي مد‌ل‌هاي تصميم‌گيري مانند مدل‌هاي انباشت شواهد مي‌باشد. پيشرفت‌هاي اخير حوزه هوش مصنوعي نويد‌بخش حل اين مشكل با استفاده از چارچوب شبكه عصبي مصنوعي - انباشت شواهد يا به اختصار ANN-EAM مي‌باشد. در اين چارچوب محرك‌هاي ورودي توسط يك شبكه عصبي مصنوعي بازنمايي مي‌شوند. سپس از بازنمايي‌هاي توليد شده پارامترهاي مدل انباشت شواهد به وسيله توابع نگاشت تعيين و تخمين زده ‌مي‌شوند. در مطالعه پيش‌رو توانايي پردازش كلمه در انسان با ارائه دو مدل از چارچوب شبكه عصبي مصنوعي - انباشت شواهد مدل شده است. مدل اول از تركيب مدل FastText با مدل انتشار مسابقه‌اي و مدل دوم از تركيب مدل BERT با مدل انتشار مسابقه‌اي ساخته شده‌اند. براي آزمايش عملكرد اين مدل‌ها، آن‌ها بر روي داده هاي تكليف تصميم‌گيري واژگاني كه از مجموعه‌داده English Lexicon Project بدست آمده‌اند برازش مي‌شوند. نتايج به‌دست‌آمده نشان مي‌دهد كه مدل اول ضمن ارائه بازنمايي معنايي براي كلمات وغيركلمات، زمان واكنش افراد را در مقايسه با مدل دوم بهتر پيش‌بيني مي‌كند. همچنين مدل اول عملكردي قابل قبول و مشابه با مدل انتشار مسابقه‌اي معيار كه به تنهايي و بر داده‌ها برازش شده بود را دارد. به طور كل مي‌توان نتيجه گرفت كه ANN-EAM چارچوبي مناسب براي مدل‌سازي تكليف تصميم‌گيري واژگاني است.