ايجاد مدل هوش مصنوعي بر پايه مبدل به‌ منظور پاسخ به سؤالات از داده‌هاي بدون ساختار

به دنبال موفقيت‌هاي چشم‌گير مدل ‌هاي زباني از پيش ‌آموزش ‌ديده و يادگيري انتقالي، اخيراً موج قابل‌ توجهي از تحقيقات هوش مصنوعي در اين حوزه انجام‌ شده است. مدل هاي زباني يكي از مؤلفه‌هاي اساسي در پردازش زبان طبيعي هستند. اين مدل‌ ها تنها يك‌بار روي پيكره‌هاي بزرگ متني به‌صورت خود ناظر آموزش‌ديده و سپس در حل مسايل  مختلف فهم زباني مانند پاسخ‌ به پرسش، بسط متن و طبقه‌بندي متون به‌كارگيري مي‌شوند. به‌كارگيري مبدل‌ها براي حل مسايل  گوناگون مستلزم فراهم نمودن سه پيش‌نياز (مدل، مجموعه داده مناسب، استانداردهايي به‌منظور توصيف نحوه ارزيابي مدل) است. بررسي حجم بالاي اسناد بدون ساختار كه بيشتر در قالب متن هستند براي متخصصان امري دشوار است. از طرفي پاسخ به بسياري از سؤالات تحقيق نيازمند بررسي حجم بالايي از متون است. در اين پژوهش به‌منظور پاسخ به سؤالات از روي متون بدون ساختار در زمينه تحليل امنيت شبكه‌هاي كامپيوتري سيستمي بر پايه هوش مصنوعي ارايه‌ شده است. سيستم مذكور بر پايه مبدل‌ها پياده‌سازي شده و با زبان پايتون و در بن‌سازة گوگل كولب‌پرو كدنويسي و پياده‌سازي شده است. اين سيستم پس از آموزش روي پرسش و پاسخ‌هاي حوزه امنيت شبكه‌هاي كامپيوتري قادر به استخراج پاسخ سؤالات از متن بدون ساختار است. به‌منظور آموزش مدل يك مجموعه داده سفارشي به نام هوشفا توسعه داده‌ شده است كه شامل 12.157 ركورد است. سيستم مذكور پس از ارزيابي دقت ارايه پاسخ در معيار تطبيق دقيق را بسته به نوع مدل پايه به ميزان 20 تا 43 درصد و در معيار اف‌1 به ميزان 8 تا 18 درصد بهبود بخشيده است. همچنين براي تعيين داده‌هاي مرتبط آموزشي براي آموزش مدل‌ها، سيستم پيشنهادي از يك مدل طبقه‌بندي داده‌ استفاده مي‌كند. نمرات ارزيابي مدل طبقه‌بندي داده نتايج بالاي80% در معيارهاي اف1، پوشش و صحت را نشان داده است. همچنين نمرات ارزيابي تعيين داده‌هاي غير مرتبط نتايج بالاي 97% در معيارهاي اف1، پوشش و صحت را نشان داده است.