در جست‌وجوی معنا: بازیابی مفهومی مبتنی‌بر گراف دانش در متون عرفانی فارسی (مطالعة موردی مثنوی معنوی)

1. مقدمه

متون عرفانی فارسی، به‌ویژه شاهکار سترگ مولانا در مثنوی معنوی، آکنده از صور خیال، تمثیل‌ها و لایه‌های معنایی پیچیده‌اند. پژوهشگرانی که به مطالعۀ این متون می‌پردازند، همواره با چالش بازیابی و یافتن ابیاتی مواجه بوده‌اند که مفاهیم خاصی را بازتاب می‌دهند. روش‌های جست‌وجوی متنی رایج، مانند جست‌وجوی مبتنی‌بر کلیدواژه که بر بسامد واژگان و مدل‌های احتمالاتی استوارند، گرچه در متون خبری یا علمی کارآمد می‌نمایند؛ در برابر پیچیدگی‌های زبانی و معنایی ادبیات عرفانی فارسی کارایی اندکی دارند. در این متون، یک واژه ممکن است در معانی گوناگون (اعم از استعاری، تمثیلی و یا رمزی) به ‌کار رود و ارتباطات مفهومی فراتر از سطح واژگانی پدید آیند. بدین‌‌ترتیب، نیاز به روش‌هایی که از سطح ظاهر کلمات فراتر روند و پیوندهای مفهومی میان ابیات را آشکار سازند، به‌شدت احساس می‌شود.

در عصر انفجار اطلاعات، چالش بنیادین سیستم‌های بازیابی اطلاعات، عبور از تطبیق سطحی واژگان و رسیدن به درک عمیق معناست؛ چالشی که به «شکاف معنایی»[1] معروف است. روش‌های مبتنی‌بر بسامد کلمات، واژگان را به‌مثابۀ واحدهایی منفهم و مجزا در نظر می‌گیرند و از جهان پیچیدۀ روابط معنایی، هم‌معنایی و وابستگی مفهومی غافل می‌مانند. گراف دانش معنایی، ساختاری قدرتمند است که این چالش را با مدل‌سازی دانش به‌صورت شبکه‌ای از مفاهیم (گره‌ها) و روابط میان آن‌ها (یال‌ها) پاسخ می‌دهد.

گراف دانش معنایی[2] به‌عنوان یک چهارچوب پیشرفته در حوزة هوش مصنوعی و پردازش زبان طبیعی، نمایانگر تحولی اساسی در نحوة سازماندهی و بازیابی دانش از پیکره‌های متنی عظیم است (Haslhofer et al., 2018). این ساختار گراف‌محور با سازماندهی اطلاعات در قالب موجودیت‌ها و روابط معنادار بین آن‌ها، نقش بسزایی در غلبه بر چالش‌های ابهام معنایی و بهبود دقت بازیابی اطلاعات در پیکره‌های متنی ایفا می‌کند. گراف دانش معنایی روابط معنایی بین موجودیت‌ها (مانند کلمات، عبارات و مفاهیم) را از پیکره‌های متنی استخراج و مدل‌سازی می‌کند و می‌تواند دقت جست‌وجو را ازطریق گسترش پویای پرس‌وجو و رفع ابهام معنایی بهبود ‌بخشد. از این منظر، گراف دانش نه‌‌تنها به موتورهای جست‌وجو توانایی تشخیص و تمایز بین مفاهیم هم‌نویسه (مانند «تاج‌محل» به‌عنوان یک بنا یا یک موسیقی‌دان) را می‌دهد، با ایجاد ساختاری یکپارچه، امکان کاوش اطلاعاتی عمیق‌تر و اکتشاف روابط غیرمنتظره بین موجودیت‌ها را برای پژوهشگران فراهم می‌سازد.

پژوهش حاضر تلاشی است در مسیر پیوندزدن رویکردهای آماری کلاسیک با روش‌های معناشناسانۀ نوین. رویکرد پیشنهادی، نقشه‌ای پویا از دانش دامنۀ مد نظر ایجاد می‌کند و به سیستم جست‌وجو اجازه می‌دهد تا پرس‌وجوی کاربر را از سطح واژگان به عمق مفاهیم ارتقا دهد. به این منظور، برای تقویت روش جست‌وجو از گراف مفهومی استفاده می‌شود. این گراف که بی‌درنگ و پس‌از پرس‌وجوی کاربر ایجاد می‌شود، با استخراج مفاهیم مرتبط با یک بیت و ایجاد پیوند براساس قرابت معنایی با دیگر مفاهیم در ابیات دیگر می‌تواند ارتباط معنایی بین ابیات را ایجاد کند؛ درنتیجه، جست‌وجو صرفاً براساس کلیدواژه و ظاهر آنها صورت نمی‌گیرد، بلکه ابیاتی در پاسخ به پرس‌وجوی کاربر بازگردانده می‌شوند که دارای مفاهیم موجود در پرس‌وجو هستند و معنایی درخواست‌شده از کاربر را منعکس می‌کنند. با بسط‌دادن حوزۀ جست‌وجو به شمول مترادف‌ها، ابررده‌ها و مفاهیم مرتبطی که در گراف به هم متصل‌اند، روش حاضر، گذار از جست‌وجوی واژگانی[3] به جست‌وجوی مفهومی[4]را ممکن می‌سازد و درنتیجه، دقت و مرتبط‌بودن نتایج را به‌شکل چشمگیری بهبود می‌بخشد.

 در روش پیشنهادی، نخست یک جست‌وجوی پایه با روش مرسوم مبتنی‌بر بسامد واژگان (BM25) (Robertson & Zaragoza, 2009) انجام می‌گیرد تا ابیات اولیۀ مرتبط با پرسش کاربر به ‌دست آید. سپس، با بهره‌گیری از ابزارهایی همچون شبکۀ معنایی فارسی (فارس نت) (Mousavi & Faili, 2017)، استخراج روابط هم‌رخدادی، مترادف‌ها و ابررده‌ها، مجموعه‌ای از مفاهیم مرتبط با جست‌وجو گردآوری می‌شود. این مفاهیم در قالب یک گراف دانش سازمان می‌یابند و روابط میان آنها به‌صورت بصری و تحلیلی آشکار می‌شود. سپس، با پایش گراف دانش معنایی هرکدام از مفاهیم نیز در پیکرة اشعار مثنوی جست‌وجو می‌شوند و به‌عنوان ابیات مرتبط بازگردانده می‌شوند. نتیجة نهایی جست‌وجو، ترکیبی از نتایج جست‌وجوی مبنا و جست‌وجوی مفاهیم است که با استفاده از یک الگوریتم رتبه‌بندی ایجاد می‌شوند.  

هدف اصلی این مقاله، ارائۀ روشی نوین برای جست‌وجوی معنایی در متون عرفانی فارسی است که هم دقت بازیابی را افزایش می‌دهد و هم فرایند جست‌وجو را برای پژوهشگران علوم انسانی تبیین‌پذیر و معنادار می‌سازد. افزون‌بر این، چنین رویکردی می‌تواند در گسترش حوزۀ علوم انسانی دیجیتال و درک ژرف‌تر از میراث عرفانی ایران اسلامی نقشی بنیادین ایفا کند. در ادامه، ابتدا مروری بر تحقیقات مرتبط با موضوع مقاله ارائه می‌شود و در بخش سوم، مدل پیشنهادی جست‌وجو تبیین خواهد شد. در بخش چهارم نیز ارزیابی روش جست‌وجو و تحلیل آنها ارائه می‌شود؛ درنهایت، مقاله با جمع‌بندی و نتیجه‌گیری به پایان می‌رسد.

 2. پیشینة پژوهش

در این بخش، تحقیقات پیشین درزمینة پژوهش حاضر ارائه می‌شود. این تحقیقات با درنظرگرفتن دو موضوع کلیدی بررسی می‌شوند: الف) گراف دانش معنایی؛ ب) جست‌وجوی معنایی در آثار فارسی.

 2ـ1. گراف دانش معنایی

گراف‌های دانش معنایی در جست‌وجوی معنایی، پایه‌ای برای درک ارتباطات بین داده‌ها و بهبود بازیابی اطلاعات فراهم می‌کنند. این گراف‌ها با مدل‌سازی مفاهیم و روابط بین آن‌ها، جست‌وجو را از سطح کلیدواژه به سطح معنا ارتقا می‌دهند و در حوزه‌های مختلف کاربردهای موفقی داشته‌اند. شرکت گوگل در سال ۲۰۱۲م. گراف دانش خود را معرفی کرد تا نتایج جست‌وجو را فراتر از تطابق کلیدواژه‌ها برده و ارتباط بین اشیا، اشخاص و مکان‌ها را درک کند. استفاده از گراف باعث شد پاسخ‌های مستقیم، پیشنهادهای زمینه‌ای و خلاصة اطلاعات مرتبط به کاربر نمایش داده شود (Peng et al., 2023).

در ادبیات جهانیِ ساخت گراف دانش و استخراج روابط معنایی، طی سال‌های اخیر چند گرایشِ قوی شکل گرفته است. مرور ادبیات پژوهش‌ها دربارة گراف‌های دانش معنایی نشان می‌دهد که این ساختارها به‌‌منزلة زیرساخت اصلی برای بهبود دقت و هوشمندی سیستم‌های جست‌وجوی معنایی شناخته می‌شوند. یافته‌های اخیر از مقالات مختلف چنین روندی را تأیید می‌کنند: سامانه‌های جست‌وجوی زیست‌پزشکی مانند ابزار Dug از گراف‌های دانش استفاده می‌کنند تا باتکیه‌بر هستان‌شناسی‌ها، بین داده‌های پژوهشی، بیماران و درمان‌ها پیوند برقرار کنند (Waldrop et al., 2022). این رویکرد جست‌وجوی معنایی را برای داده‌های پیچیده علمی ممکن می‌سازد. پلتفرم‌های تجارت الکترونیکی از گراف‌های دانش برای تحلیل روابط بین محصولات، برندها و ترجیحات کاربران بهره می‌برند (Kiff, n.d.). این گراف‌ها به بهبود جست‌وجو، رتبه‌بندی نتایج و پیشنهادات هوشمند کمک می‌کنند. در یکی از تحقیقات اخیر، ساخت گراف دانش معنایی متناسب با پاسخ‌های علّی، با تمرکز بر ویژگی‌های جست‌وجوی معنایی عمیق عصبی بررسی شده است (Bektemyssova & Sabdenov, 2024). در این مقاله، روش‌های تحلیل سیستم برای ساخت گراف‌های دانش، ضمن تحلیل جنبه‌های جست‌وجوی معنایی عمیق عصبی بررسی شده است. نتایج این تحقیق بینش‌هایی را دربارة ساخت یک مدل جست‌وجوی گراف دانش معنایی برای پاسخ‌های علّی ارائه می‌دهد و به چالش‌ها و روش‌های مربوط به ساخت چنین مدلی می‌پردازد. این امر بر اهمیت گراف‌های دانش در سیستم‌های اطلاعاتی مدرن و کاربردهای بالقوه آنها در حوزه‌های مختلف تأکید می‌کند. استفاده از گراف دانش همچنین در دسترسی آزاد به منابع علمی و تحقیقاتی نقش مهمی ایفا کرده است. آخرین نسخه از گراف دانش علوم رایانه (CS-KG 2.0)، یک پایگاه دانش گستردة تولیدشده از 15 میلیون مقالة تحقیقاتی را ارائه می‌دهد (Dessí et al., 2025). این گراف، 25 میلیون موجودیت مرتبط با 67 میلیون رابطه را توصیف می‌کند و نمایش ظریفی از دانش علمی در حوزة علوم کامپیوتر را عرضه می‌کند.

مطالعات در منابع ایرانی نشان می‌دهند که ادغام دانش واژگانی در فرایند گسترش کوئری یا بازنویسی پرس‌وجو می‌تواند اثر محسوسی بر کیفیت بازیابی داشته باشد، به‌ویژه در متونی که اصطلاحات یا وارونگی‌های معنایی دارند. پژوهش‌های خطی بر متون خبری/ علمی تفاوت‌هایی با متون ادبی دارند؛ فضای استعاری و تمثیلی متون عرفانی، نیازمند تلفیق دقیق‌تر بین سطح و معناست. استفاده از فارس‌نت به‌عنوان یک منبع ساخت‌یافته، هنگامی که با روش‌های استخراج از متن نیز ترکیب شود، امکان پیداکردن روابط ضمنی را افزایش می‌دهد. توسعة واژه‌نامک‌ها و WordNet فارسی از سال‌ها پیش در دستور کار پژوهشگران ایرانی قرار گرفته است. پروژۀ فارس‌نت، که هدف آن ایجاد یک WordNet فارسی و نگاشت آن به پرینستون وردنت است، از شبکه‌های نیمه‌خودکار و انسانی بهره برده و در نگارش‌ها و گزارش‌های فنی آن جزئیات دربارۀ ساختار مجموعة مترادف‌ها و نگاشت‌ها ارائه شده است(Shamsfard et al., 2010)؛ این منبع به‌عنوان ستون فقرات بسیاری از پژوهش‌های بعدی در زبان فارسی عمل کرده است.

دو رستۀ روشِ برنامه‌محور برای ساخت Persian WordNet (خودکار/نیمه‌خودکار) در ادبیات فارسی بارها پیشنهاد شده‌اند: روش‌های بدون ناظر [5] که بر شباهت توزیعی یا معیارهای هم‌آیندی مبتنی‌اند (Montazery & Faili, 2011) و روش‌های نظارت‌شده[6] که از نگاشت‌های دوزبانه و مدل‌های طبقه‌بندی برای تشخیص نگاشت‌ها استفاده می‌کنند؛ نمونۀ اخیرِ یک روش نظارت‌شده، که نتایج با دقت بالا تولید کرده، در پژوهش موسوی و فیلی (2017) مشاهده شده است (Mousavi & Faili, 2017) .

الگوهای واژگانی ـ نحویِ Hearst (مانند «مانند»، «از قبیل»، «نظیر») از قدیمی‌ترین و معتبرترین روش‌ها برای کشف رابطۀ ترادف/ ابرردگی [7]هستند؛ اگرچه دقت اولیۀ آن‌ها بالا است، فراخوانی کامل روابط [8]را به‌تنهایی تأمین نمی‌کنند و معمولاً نیاز به توسعۀ الگوها یا استفاده از ساختارهای وابستگی نحوی دارند (Hearst, 1992; Roller et al., 2018). در مقابل، روش‌های توزیعی مبتنی‌بر بردارهای واژه یا عبارات مانندWord2Vec, fastText  و مدل‌های مبتنی‌بر زمینه[9] مانند  BERTو مدل تنظیم‌شدة فارسی آن ParsBERT توانایی شناسایی واژگان «هم‌زمینه» یا «نزدیک معنایی» را دارند و می‌توانند به‌منزلة منبع تولید کاندیدای مترادف یا هم‌زمینه به کار روند؛ بااین‌حال، تمایز میان مترادف واقعی و تنها «مرتبط» نیازمند پالایش‌های اضافی است .(Zhong et al., 2023)

به‌طورکلی، ساختن گراف دانش معنایی در سه مرحلة کلی انجام می‌پذیرد: (۱) کسب دانش (استخراج موجودیت‌ها و روابط)، (۲) پالایش و یکپارچه‌سازی[10] و (۳) تکمیل و تحول گراف.

در سطح روش‌شناختی، رویکرد مؤثر برای زبان‌های کم‌منبع، ترکیب چندمنبعی است: الگوهای دست[11]، استخراج توزیعی[12] و یادگیری نظارت‌شده یا دور ـ نظارتی[13] که از نگاشت‌های موجود به‌مثابه برچسب‌گذار خودکار بهره می‌برند. مروری جامع که بیش از ۳۰۰ روش را دسته‌بندی کرده و تفاوت‌های معماریِ موجود را توضیح می‌دهد، در تحقیق ژائو و همکاران ارائه شده که می‌تواند راهنمای طراحی سیستم‌های جدید باشد (Zhao et al., 2023).

 2ـ2. جست‌وجوی معنایی در آثار فارسی

جست‌وجوی مفهومی و بازیابی اطلاعات معنایی، پارادایم‌های مکملی را ترکیب می‌کنند که در آن، پوشش واژگانی فدای دقت معنایی می‌شود. سیستم‌ها یا متن را با استفاده از منابع دانش ساختاریافته به فضاهای مفهومی ارتقا می‌دهند یا گراف‌های مفهومی ضمنی را از الگوهای آماری هم‌رخدادی می‌سازند (Egozi et al., 2011; Giunchiglia et al., 2009). این روش‌ها اصولاً از 4 رویکرد مشخص استفاده کرده‌اند:

• نگاشت مفهومی[14]: تبدیل واژگان به مفاهیم با استفاده از منابع واژگانی یا ابهام‌زدایی از معنای واژگان، پیش از نمایه‌سازی یا تطبیق، که به کاهش خطاهای مترادفی و چندمعنایی منجر می‌شود (Manjula et al., 2003).
• ویژگی‌های دانش صریح[15] : نمایش اسناد و پرس‌وجوها به‌صورت بردارهایی برحسب مفاهیم دانش بشری (مانند مفاهیم ویکی‌پدیا و مجموعه‌های مترادف واژگان) به‌جای واژگان خام، همان‌طور که در تحلیل معنایی صریح (ESA) پیاده‌سازی شده است (Egozi et al., 2011; Manjula et al., 2003).
• رویکردهای مبتنی‌بر گراف: ساخت گراف‌های مفهومی از روی الگوهای هم‌رخدادی یا ساختارهای پیوندی ویکی‌پدیا و استفاده از فاصله‌های گرافی برای تطبیق پرس‌وجو با سند (Chen & Schatz, 1994).
• تطبیق مبتنی‌بر هستان‌شناسی[16]: استفاده از هستان‌شناسی حوزه، سه‌تایی‌های RDF و استنتاج برای درک بافتار مفهومی و روابط دامنه به‌منظور دستیابی به بازیابی با محوریت دقت (Wen et al., 2006).

به‌منظور پیاده‌سازی جست‌وجوی معنایی در ادبیات این حوزه، از روش‌ها و الگوریتم‌های خاصی استفاده شده است که مهم‌ترین آنها به شرح زیر هستند:

• تحلیل معنایی صریح[17]: این روش با تبدیل متن به بردارهای مفهومی با ابعاد زیاد در ویکی‌پدیا، شباهت را در فضای مفهومی محاسبه می‌کند. بهره‌گیری از گزینش ویژگی و گزینش نظارت‌شده، به افزایش تمرکز و بهبود عملکرد رتبه‌بندی در وظایف مشخص‌شده در کنفرانس بازیابی اطلاعات متنی[18] منجر می‌شود و پیشرفت‌های پایداری نسبت به روش‌های مبنا ایجاد می‌کند (Egozi et al., 2011).
• مدل‌های بازتابی مبتنی‌بر مفهوم: این روش‌ها توزیع‌های تناسب را در فضای مفهومی تخمین می‌زنند، هم‌زمان وابستگی‌های واژگانی درون‌مفهومی را حفظ کرده و گونه‌های سطحی[19] را یکپارچه می‌سازند. کاربردهای این روش‌ها در بازیابی اطلاعات پزشکی، بهبودهای ۹ تا ۲۰ درصدی را نسبت به مدل‌های مبتنی‌بر واژگان نشان می‌دهند (Wang & Akella, 2015).
• توسعة پرس‌وجو بر پایة گراف: در این روش با به‌کارگیری فاصله‌های تناسب یا مرتبط‌بودن معنایی، پرس‌وجوها را روی گراف‌های مفهومی غیرجهت‌دار توسعه می‌دهد تا نرخ فراخوانی (Recall) افزایش یافته و رانش معنایی[20] نیز کنترل شود (Boubacar & Niu, 2013).
• ابهام‌زدایی معنای واژگان و نمایه‌سازی مفهومی: ابتدا با ابهام‌زدایی از معنای واژگان [21]، واژگان به شبکه‌ای از معانی[22] نگاشت می‌شوند. سپس، این شبکه‌های مرتبط در قالب مفاهیم، گروه‌بندی و نمایه‌سازی می‌شوند. در این فرایند، از وزن‌دهی مفهومی به‌جای فراوانی اولیة واژگان استفاده می‌شود (Boubacar & Niu, 2013; Manjula et al., 2003).

مسیر تکامل پردازش زبان طبیعی فارسی، از ابزارهای جزیره‌ای و قانون‌محور به‌سوی جعبه‌ابزارهای یکپارچة عصبی، پیکره‌های عظیم و منتخب و مدل‌های زبان بزرگ بومی، که زمینه‌ساز کاربردهای معنایی و سیستم‌های مکمل‌یافته با بازیابی هستند، طی شده است. این پیشرفت، چالش‌های ویژة پردازش زبان فارسی را مد نظر قرار می‌دهد؛ چالش‌هایی نظیر ساختار ریخت‌شناسی پیچیده، نگارش راست‌به‌چپ، و محدودیت منابع داده‌ای حاشیه‌نویسی‌شده در مقایسه با زبان‌های دارای منابع غنی. در حوزة پردازش زبان طبیعی و جست‌وجوی معنایی در زبان فارسی کارهای مختلفی برای پردازش مفهومی و هستان‌شناسی انجام شده است:

• هستان‌شناسی‌های فارسی: هستان‌شناسی FNLP-ONT ، که به‌طور خاص برای وظایف پردازش زبان طبیعی فارسی طراحی شده است، ویژگی‌های معنایی را در بر می‌گیرد که هنگام ترکیب با مدل‌های یادگیری ماشین روی پیکره‌های فارسی، دقت را به میزان ۴.۵٪ تا ۲۳٪ بهبود می‌بخشد؛ این بهبود، به‌ویژه برای وظایفی نظیر ابهام‌زدایی از معنای واژگان و شناسایی فعل مرکب، چشمگیر است (Hosseini Pozveh et al., 2018).
• استخراج روابط: سیستم‌هایی که روش‌های مبتنی‌بر الگو، ساختاری و آماری را ترکیب می‌کنند، روابط مفهومی طبقه‌بندی‌شده[23]و غیرطبقه‌بندی‌شده[24] را از متن فارسی و ساختارهای ویکی‌پدیا استخراج می‌کنند و تکمیل خودکار گراف دانش از منابع فارسی را ممکن می‌سازند (Fadaei & Shamsfard, 2010).
• پایگاه‌های دادة واژگانی:PersPred با فراهم‌آوردن یک پایگاه دادة نحوی و معنایی دستی پالایش‌شده برای گزاره‌های پیچیدة فارسی (حدود ۷۰۰ مدخل)، حوزه‌های واژگانی، نحوی و معنایی را کدگذاری می‌کند. این پایگاه برای درک روابط اصطلاحی در پایگاه‌های دانش و بهبود جست‌وجوی مفهومی برای گزاره‌های چندواژی حیاتی است (Samvelian & Faghiri, 2013).
• پیش‌پردازش معنایی :Perspell یک سیستم تصحیح املای آگاه به معنا، به میزان تقریبی ۹۵٪ در تشخیص خطای واژگان واقعی [25]موفق عمل می‌کند و نویز را در خط لوله‌های پایین‌دستی گراف دانش و جست‌وجوی معنایی کاهش می‌دهد (Dastgheib et al., 2017).

تاکنون پژوهش‌های اندکی درزمینة جست‌وجوی معنایی در آثار ادبی کلاسیک فارسی انجام شده است. سیستم‌های جست‌وجو در شعر کلاسیک در دنیا از استراتژی‌های بازیابی متنوعی بهره می‌برند که به نیازهای پژوهشی گوناگون و محدودیت‌های فنی پاسخ می‌دهند. ازجملة این استراتژی‎ها می‌توان به موارد زیر اشاره کرد:

الف) جست‌وجوی متن کامل و زبان‌شناختی: جست‌وجوی استاندارد روی پیکره‌های دیجیتالی‌شده (مانند کتابخانة دیجیتال پرسئوس) با بهره‌گیری از پیش‌پردازش زبان‌شناختی برای زبان‌های کلاسیک صرفی، امکان جست‌وجوی ریشه (Lemma) و گونه‌های واژگانی و همچنین، ارجاعات استاندارد را فراهم می‌آورد (Smith et al., 2000). این سیستم‌ها پایه و اساس بیشتر سیستم‌های بازیابی متن کلاسیک را تشکیل می‌دهند.

ب) روش‌های بازیابی خاص: این روشها باتوجه‌به شرایط و ایده‌های مرتبط با زبان و متن انجام می‌شوند. جست‌وجوی مبتنی‌بر بیت[26] سیستم‌هایی هستند که اولین بیت‌های ناقص را می‌پذیرند، موارد وقوع و متون ثانویه را ازطریق نمایه‌سازی مفهومی به‌جای تطبیق تحت‌اللفظی بازمی‌گردانند (Sanyal, 2018). در روش تشخیص بازاستفادة بینامتنی[27]، موتورهای مقایسه‌ای دوتایی مانند Tesserae، با شناسایی واژگان مشترک، به کشف الگوهای تل میح و بازاستفاده در میان متون می‌پردازند (Bernstein & Gervais, 2015). روش جست‌وجوی الگوی وزنی پیکره‌های مبتنی‌بر TEI که ازنظر آوای [28]حاشیه‌نویسی شده‌اند، امکان پرس‌وجوی الگوهای آهنگی و ساختارهای سونت را فراهم می‌آورند (Candela et al., 2017).

2ـ3. خلأها و انگیزۀ پژوهش حاضر

بررسی پژوهش‌های پیشین نشان می‌دهد که تحقیقات مرتبط با جست‌وجوی مفهومی در حوزة زبان و ادب فارسی بسیار محدود بوده و تاکنون پژوهش درخور توجهی درزمینة جست‌وجوی مفهومی با به‌کارگیری روش‌های نوین درزمینة آثار شعر فارسی انجام نشده است؛ گرچه منابعی همچون FarsNet بسیاری از واژگان فارسی را پوشش داده‌اند، به‌کارگیری آنها در متون ادبیِ کلاسیک نیازمند انطباق‌ها و گسترش‌هایی است:

الف) مفاهیم استعاری که در متون عرفانی پدیدار می‌شوند لزوماً در منابع واژگانی عمومی نیامده‌اند،

 ب) ساخت گراف‌های مفهومی پویا که مختص پرسش کاربر تولید شوند (و نه صرفاً یک گراف ایستا از کلِ مجموعه) هنوز به‌طور کامل بررسی نشده‌اند.

 پژوهش حاضر می‌کوشد این خلأ را با ارائۀ چهارچوبی ترکیبی ازطریق تلفیق روش جست‌وجوی مبنای کلیدواژة BM25 با گراف‌های مفهومی پویا و منابع واژگانی (FarsNet) پُر کند؛ درواقع، روش پیشنهادی این پژوهش مبتنی‌بر توسعة پرس‌وجو بر پایة گراف است که پرس وجوی کاربر را با استفاده از ایجاد گراف مفاهیم مرتبط در هنگام اجرای جست‌وجو گسترش داده و درنتیجه با افزایش میزان تناسب معنایی نتایج، پوشش حداکثری آنها را موجب می‌شود. افزون‌بر این، تأکید ویژه‌ای بر تبیین‌پذیری[29]نتایج جست‌وجو و ارائۀ نمای گرافی از چرایی بازگشت یک بیت گنجانده شده است.

3. روش پیشنهادی

3ـ1. فرایند کلی جست‌وجو

روش پیشنهادی جست‌وجو از دو مؤلفۀ اصلی تشکیل شده است:

1. هستۀ جست‌وجو[30]: این بخش یک روش جست‌وجوی مبنا را انجام می دهد که بر پایة Lucene/BM25 عمل می‌کند و مسئول بازیابی اسناد اولیه است.

۲. لایۀ معنایی[31]: این بخش از گراف دانش مفهومی ساخته‌شده از مثنوی معنوی و شبکة واژگان فارس‎نت برای گسترش مفاهیم، بسط پرس‌وجوی کاربر و بازرتبه‌بندی نتایج بهره می‌گیرد.

فرایند کلی روش جست‌وجو در قالب نمودار شکل 1 توصیف می‌شود:

شکل 1. نمودار روش جست‌وجوی مفهومی در اثر مثنوی مولانا

روش BM25 یکی از مدل‌های کلاسیک بازیابی اطلاعات مبتنی‌بر احتمال و فراوانی واژگان است که میزان ارتباط یک سند با پرس‌وجوی کاربر را براساس بسامد واژه‌ها و میزان پراکندگی آن‌ها در مجموعه اسناد محاسبه می‌کند. در این مدل، وزن هر واژه با درنظرگرفتن بسامد در سند (TF)، فراوانی معکوس در کل اسناد (IDF) و طول نرمال‌شدۀ سند تعیین می‌شود تا از تأثیر اسناد بسیار بلند یا کوتاه جلوگیری شود. به ‌بیان دیگر، BM25 به‌جای صرف تطابق سطحی واژه‌ها، با وزن‌دهی آماری، احتمال مرتبط‌بودن هر سند با پرس‌وجوی کاربر را برآورد می‌کند و بدین‌ترتیب مبنایی کارآمد برای رتبه‌بندی نتایج جست‌وجو فراهم می‌سازد.

روش BM25 باوجود کارایی بالا در بازیابی متون معاصر و اطلاعات ساخت‌یافته، در مواجهه با متون کلاسیک و استعاری، به‌ویژه متون عرفانی فارسی مانند مثنوی معنوی، با محدودیت‌های جدی روبه‌رو است. این مدل صرفاً بر پایۀ تطابق آماری واژه‌ها عمل می‌کند و از درک مفاهیم پنهان، روابط استعاری و چندمعنایی واژگان ناتوان است. به همین دلیل، در پژوهش حاضر، لایه‌ای معنایی مبتنی‌بر گراف دانش مفهومی بر مدل آماری BM25 افزوده شده است تا با بهره‌گیری از روابطی همچون ترادف، ابررده‌گی، و هم‌رخدادی مفاهیم، جست‌وجویی ژرف‌تر و معنادارتر ممکن شود؛ بدین‌ترتیب، جست‌وجو نه بر سطح واژه، بلکه بر شبکۀ مفاهیم و پیوندهای معنایی میان آن‌ها استوار می‌شود.

 3ـ2. روش ساخت گراف دانش معنایی

در این بخش، جزئیات ساخت، سازمان‌دهی و وزن‌دهی به گراف دانش مفهومی برای مثنوی ارائه می‌شود. هدف این بخش ایجاد مدلی ساختاری است که بتواند روابط معنایی عمیق بین مفاهیم عرفانی در مثنوی معنوی را بازنمایی کرده و از آن برای جست‌وجوی معنایی و استنتاج مفهومی بهره گیرد.

3ـ2ـ1. هدف و منطق نظری

متون عرفانی فارسی، ازجمله مثنوی معنوی، دارای شبکه‌ای غنی از مفاهیم هم‌بسته‌اند که اغلب در قالب نماد، تمثیل و ارجاع متقابل بیان می‌شوند. برای درک این شبکه، لازم است بین مفاهیم نه‌تنها روابط واژگانی (مانند مترادفی)، روابط مفهومی و استعاری نیز شناسایی شود. گراف دانش به‌عنوان یک مدل شبکه‌ای از دانش، این امکان را فراهم می‌کند تا:

• هم‌وابستگی مفاهیم براساس کاربرد در متن شناسایی شود.
• پیوندهای واژگانی از FarsNet یا منابع مشابه افزوده شود.
• با افزودن اطلاعات توزیعی از مدل‌های زبانی مدرن، پیوندهای معنایی ضمنی نیز آشکار شود.

3ـ2ـ2. ساختار کلی گراف

گراف مفهومی پیشنهادی یک گراف چند‌لایه (multi-layer graph) است که در آن هر نوع رابطه در لایه‌ای مجزا مدل می‌شود. در این گراف سه لایه وجود دارد: لایة هم‌رخدادی، لایة واژگانی و لایة توزیعی. جدول (1) لایه‌های مختلف این گراف و عملکرد هرکدام را نشان می‌دهد. هر گره (Node) نشان‌دهندۀ یک مفهوم یا واژۀ کلیدی است و هر یال (Edge) حامل نوع و وزن رابطه میان آن‌هاست.

جدول 1. ساختار گراف دانش مفهومی برای بسط جست‌وجو

برای ساخت گراف معنایی از هر پرس‌وجوی کاربر، دو ساختار داده‌ای مبنا از قبل تشکیل می‌شود تا هنگام پرس‌وجو گراف پویا با استفاده از آنها ساخته شود:

الف) مجموعه‌مفاهیم مرتبط با هر بیت از مثنوی (نگاشت بیت به مفهوم): هر بیت و مفاهیم مرتبط با آن در یک رکورد ذخیره می‌شوند. بنابراین، کل این مجموعه دارای ۲۵٬۶۳۶ رکورد است که برابر با تعداد ابیات مثنوی مولوی است. برای ساخت این مجموعه، ابتدا کلمات و واژه‌های پرتکرار به‌صورت unigram و bigram استخراج شدند و سپس اسم‌های مفهومی با PMI و فراوانی بالا گزینش شدند. درنهایت، این مفاهیم استخراج‌شده با مفاهیم حاصل از یک لیست ازپیش‌تعیین‌شده توسط قطب علمی تحقیق در متون حکمی و عرفانی دانشگاه اصفهان ادغام شد. این لیست مفاهیم برای دفتر اول و براساس نظر خبرگان حوزة ادبیات عرفانی تدوین شده بود.

ب) مجموعه ابیاتی که دارندة هر مفهوم هستند (نگاشت مفهوم به بیت): هر مفهوم و ابیاتی که دارای آن مفهوم هستند به روش ایندکس معکوس ذخیره می‌شوند تا هم برای پردازش الگوریتمی و هم برای نمایش بصری ‌استفاده شوند. برای این کار، ساختار نگاشت (الف) را پردازش کرده و از آن یک ایندکس معکوس ایجاد می‌شود. تعداد رکوردهای این مجموعه با تعداد مفاهیم استخراج‌شده از ابیات متناسب است. برای پژوهش فعلی، باتوجه‌به روش‌های استخراج مفاهیم، 1544 مفهوم استخراج شد و درنتیجه، این ساختار نگاشت دارای 1544 رکورد است.

جدول (2) یک نمونه از ساختار نگاشت بخش (الف) را نشان می دهد که در آن مفاهیم مرتبط با هر بیت ذخیره می‌شوند. در جدول (3) نیز ساختار نگاشت مفهوم به بیت را برای نمایش ابیاتی که هر مفهوم را در خود دارند، نشان می‌دهد.

 جدول 2. نگاشت بیت به مفهوم

افزون‌بر دو ساختار نگاشتی معرفی‌شده، با استفاده از شبکه معنایی فارس‌نت، دو ساختار داده‌ای برای رابطة ترادف (هم معنی‌ها)[32] و نیز ابرردگی[33] از میان ابیات مثنوی ساخته شدند. درواقع، یک بخش از شبکة فارس‌نت که دارای مجموعه‌کلمات هم‌معنی است و بخش دیگر که شامل روابط ابرردگی است، برای ایجاد مفاهیم مرتبط از مفاهیم اولیة مثنوی استفاده می‌شوند. به‌این‌ترتیب، دو فایل مبنا ایجاد می‌شود که در آن مجموعه ترادف و ابرردگی برای مفاهیم استخراج‌شده از مثنوی به دست می‌آید و این کار گسترش معنایی مفاهیم را در پی دارد. مفاهیم مستخرج از این دو مجموعه برای گسترش پرس‌وجو به کار می‌روند.

 جدول 3. نگاشت مفهوم به بیت

با استفاده از مجموعه‌داده‌های مفهومی که پیش‌تر نیز ذکر شد، پس‌از دریافت پرس‌وجوی کاربر، یک پرس‌وجوی اولیه با روش مبتنی‌بر کلیدواژه یا BM25 اجرا می‌شود و ابیات استخراج‌شده برای ساخت گراف دانش پویا به‌صورت زیر استفاده می‌شوند:

• همة مفاهیم مرتبط با ابیات استخراج‌شده، ابتدا ازطریق نگاشت «بیت به مفهوم» استخراج می‌شوند و در یک مخزن قرار می‌گیرند. افزون‌بر این، مفاهیم مرتبط با هر مفهوم نیز از دو ساختار ترداف و ابرردگی که از مثنوی و با استفاده از فارس‌نت استخراج شده‌اند، به دست می‌آیند و به این مخزن افزوده می‌شوند. همچنین، با استفاده از شباهت توزیعی مبتنی‌بر مدل‌های جانمایی fasttext، کلماتی که بیشترین شباهت را با مفاهیم مستخرج دارند، از مثنوی استخراج شده و در همین مخزن ذخیره می‌شوند.

2- در گراف دانش معنایی برای هر مفهوم یک گره اختصاص می‌یابد. مفاهیم مرتبط با استفاده از یال به یکدیگر متصل می‌شوند. به هر یال یک وزن اختصاص می‌یابد که نشان‌دهندة میزان قوت آن ارتباط است. وزن یال ترکیبی است از رابطة هم‌رخدادی، ترادف و ابرردگی و نیز شباهت توزیعی.

بنابراین، اگر وزن بین دو مفهومi  و j  باشد؛ آنگاه این وزن ازطریق زیر محاسبه می‌شود:

                                                (1)

که در آن :

• وزن نرمال‌شدۀ هم‌رخدادی در ابیات مشترک
• وجود رابطة ترادف (۰ یا ۱)
• وجود رابطة ابررده (۰ یا ۱)
• فاصلة توزیعی بین دو مفهوم
• ، ، ، ضرایب وزنی که می‌توان تنظیم کرد (در این پژوهش به‌ترتیب مقادیر 0.4، 0.2 ، 0.1 ، 0.3)

3- گراف تشکیل‌شده پالایش می‌شود تا گره‌هایی که یال‌هایی با وزن کمتر از یک آستانه خاص دارند حذف شوند. به این طریق، هم گراف کوچک‌تر می‌شود و پردازش آن سبک‌تر خواهد بود و هم دامنة مفاهیم مرتبط غنی‌تر می‌شود و به جست‌وجوی معنایی بهتری منجر خواهد شد.

با استفاده از گام‌های بیان‌شده، یک گراف دانش معنایی از مفاهیم مرتبط با پرس‌وجوی کاربر به‌صورت پویا و بی‌درنگ در زمان جست‌وجو ایجاد می‌شود که در مرحلة بعد برای بهبود جست‌وجو به کار خواهد رفت. شکل (2) نمونة یک گراف دانش مفهومی را برای یک مفهوم پرسش‌شده، یعنی «مستی» نشان می‌دهد. در این شکل، هر یال نشانگر یک ارتباط مفهومی بین یک مفهوم با مفهوم مرکزی «مستی» است. همچنین، وزن هر یال بیانگر قوت آن ارتباط است که از رابطة (1) محاسبه شده است. هرچه پیوند مفهومی حاصل قوی‌تر باشد و از عناصر بیشتری طبق رابطة (1) بهره گیرد، آن پیوند وزن بیشتری خواهد داشت و ضخامت یال آن نیز بیشتر است.

شکل 2. نمونة یک گراف دانش مفهومی برای واژة «مستی» در مثنوی مولوی

 3ـ3. جست‌وجوی بهبودیافته

پس‌از استخراج گراف دانش معنایی از مفاهیم مرتبط با پرس‌وجو، پژوهشگران می‌توانند این مفاهیم را برای گسترش پرس‌وجو به کار گیرند و جست‌وجوی جدیدی را انجام دهند. به این منظور، جست‌وجوی جدید برای هر مفهوم در گراف با پیمایش آن صورت می‌گیرد؛ درنتیجه، ابیات مرتبط با هر مفهوم پیمایش‌شده از گراف دانش استخراج می‌شود. بنابراین، اکنون فهرستی گسترش‌یافته از ابیاتی که با مفاهیم مستخرج از پرس‌وجوی کاربر مرتبط هستند، به دست می‌آید. بسیاری از این ابیات ممکن است کلمات موجود در پرس‌وجوی اولیة کاربر را در خود نداشته باشند؛ اما به‌سبب استفاده از گراف دانش معنایی، دارای معنای مرتبط هستند.

پس‌از به‌دست‌آمدن فهرست نهایی نتایج از فهرست گسترش‌یافتة ابیات، مرحلة بازرتبه‌بندی انجام می‌شود. برای رتبه‌بندی نهایی نتایج، از یک مدل ترکیبی آماری ـ مفهومی استفاده می‌شود. بدین‌صورت که امتیاز نهایی هر بیت (d) براساس ترکیبی از امتیاز آماری (مانند BM25) و امتیاز مفهومی حاصل از گراف محاسبه می‌شود. این ترکیب سبب می‌شود که نتایج نه‌‌تنها ازنظر ظاهری، از منظر معنایی نیز به پرس‌وجوی کاربر نزدیک‌تر شوند. در ادامه، شیوة محاسبة امتیاز مفهومی و امتیاز نهایی نشان داده خواهد شد.

3ـ3ـ1. محاسبۀ امتیاز مفهومی[34]

این امتیاز برای هر بیت (d) و پرس‌وجوی گسترش‌یافته (q') که مشتمل بر مفاهیم اصلی و مفاهیم استخراج‌شده از گراف است، محاسبه می‌شود.

(2)

که در آن:

• وزن مفهوم c در گراف (که از مجموع وزن یال‌های متصل به آن محاسبه می‌شود).
• 𝟙{c ∈ Concepts(d)} تابع شاخصی که درصورت حضور مفهوم c در بیت d  مقدار ۱ می‌گیرد.

3ـ3ـ2. محاسبۀ امتیاز بازرتبه‌بندی ترکیبی

این امتیاز به‌صورت زیر محاسبه می‌شود:

(3)

که در آن:

• امتیاز نرمال‌شده BM25 در بازة  [0,1] است.
• CS(d, q′): امتیاز مفهومی حاصل از گراف است
• γ ∈  [0,1] ضریب وزن‌دهی برای تعادل میان دو مؤلفه (پیشنهاد می‌شود γ = 0.7 در نظر گرفته شود).

بدین‌ترتیب، نتیجۀ نهایی نه‌تنها بر پایۀ تطبیق واژگان ظاهری، براساس شبکة ارتباطات معنایی میان مفاهیم عرفانی در متن به‌ دست می‌آید؛ درنتیجه، ابیاتی که ازنظر معنایی با پرس‌وجو هم‌خوانی دارند ولی فاقد واژه‌های سطحی مشابه‌اند نیز در رتبه‌های بالاتر ظاهر می‌شوند. نکتة درخور توجه این است که انتخاب ضریب وزن‌دهی مناسب برای تعادل میان دو مؤلفه بسیار حیاتی است؛ زیرا امتیاز مفهومی نهایی به این ضریب حساسیت دارد. ازاین‌رو، این ضریب باید با فرایند تنظیم پارامتر و طی آزمایش‌های متعدد تعیین شود و مقدار صحیح آن وابسته به دامنه و مسئلة جست‌وجوی مد نظر انتخاب می‌شود.

4. ارزیابی و تحلیل

برای ارزیابی اثربخشی روش پیشنهادی مبتنی‌بر گراف دانش معنایی، دو رویکرد جست‌وجو با هم مقایسه شدند:

۱. روش مبنا (Baseline) که براساس الگوریتم آماری BM25 عمل می‌کند.(Robertson & Zaragoza, 2009)

2. روش پیشنهادی ترکیبی که در این پژوهش با عنوان KG-BM25 شناخته می‌شود و تلفیقی از مدل آماری BM25 و گراف دانش معنایی (Knowledge Graph) است.

هدف از این مقایسه، سنجش تأثیر گراف دانش معنایی با روش پیشنهادی در بهبود بازیابی مفهومی از متون عرفانی، به‌ویژه در فضای استعاری و چندلایۀ مثنوی معنوی است.

 ۴ـ۱. مجموعه دادۀ ارزیابی

برای سنجش عملکرد دو روش، مجموعه‌ای از ۱۸ پرس‌وجو (Query) طراحی شد که هریک بازتاب‌دهندۀ مفاهیم کلیدی در اندیشۀ مولوی است؛ مفاهیمی همچون «عشق»، «توحید»، «عقل»، «نفس»، «فنا»، و «نبوت و رسالت».

در انتخاب پرس‌وجوها، تلاش شد تا طیف متنوعی از ساختارهای زبانی و معنایی پوشش داده شود، به‌گونه‌ای که برخی از آنها شامل ترکیبات کنایی یا استعاری و برخی دیگر مفاهیم مجرد و فلسفی باشند. برای هر پرس‌وجو، 10 بیت برتر بازگردانده‌شده توسط هر روش ذخیره شدند و نتایج دو روش به‌صورت موازی در اختیار ارزیابان قرار گرفت.

 ۴ـ۲. شیوۀ ارزیابی

باتوجه‌به ماهیت متون عرفانی و گسترۀ معناشناختی در آثار مولوی، ایجاد یک مجموعه‌دادۀ استاندارد طلایی[35] برای قضاوت ماشینی عملاً امکان‌پذیر نیست؛ زیرا ارزیابی شباهت مفهومی در این حوزه، وابسته به درک فلسفی و عرفانی از معناست. ازاین‌رو، در این پژوهش از روش امتیازدهی خبره[36] (امتیاز دهی قضاوت) استفاده شد. سه تن از خبرگان حوزۀ مولوی‌پژوهی و ادبیات عرفانی، با تجربۀ تدریس و پژوهش در حوزۀ متون کلاسیک فارسی، خروجی‌های هر دو سیستم را به‌صورت مستقل قضاوت کردند. برای هر بیت بازگردانده‌‌شده، امتیازی در بازۀ ۱ تا ۵ براساس معیارهای جدول (4) تخصیص یافت. میانگین امتیازات سه خبره به‌عنوان نمرۀ نهایی هر بیت محاسبه شد. سپس برای هر پرس‌وجو، میانگین امتیاز ده بیت نخست تعیین شد. درنهایت، میانگین کلی امتیازات ۱۸ پرس‌وجو برای هر روش محاسبه و با یکدیگر مقایسه شد.

جدول 4. روش امتیازدهی براساس میزان تناسب نتایج هر پرس‌وجو

 4ـ3. نتایج ارزیابی

جدول (5) میانگین امتیازات خبرگان را برای 10 بیت نتیجة دریافت‌شده از هر پرس‌وجو نشان می‌دهد. همچنین، در ستون بهبود، میزان ارتقای نتایج توسط روش KG-BM25 در مقایسه با روش مبنای BM25 مشاهده می‌شود. از نتایج مقایسه‌ای چنین برمی‌آید که گراف دانش معنایی پیشنهادی توانسته است در بیشتر پرس‌وجو‌ها، به استثنای سه پرس‌و‌جو، میزان تناسب نتایج برگشتی را بهبود بخشد. همچنین، در شکل (3) نمودار میله‌ای برای مقایسة عملکرد روش‌های جست‌وجو برای هر پرس‌و‌جو نمایش داده شده است.

 جدول 5. میانگین امتیازات خبرگان برای نتایج هر پرس‌وجو

شکل 3. نمودار نتایج مقایسه‌ای دو روش جست‌وجو براساس میانگین امتیازات خبرگان

جدول (6) میانگین کل امتیازات تناسب ارزیابی‌شده توسط خبرگان را برای کل 180 بیت برگشتی نشان می‌دهد. به این صورت، امکان یک مقایسة جامع دربارة عملکرد مدل‌های جست‌وجو فراهم می‌شود. باتوجه‌به این جدول، می‌توان نتیجه گرفت که روش جست‌وجوی مفهومی مبتنی‌بر گراف دانش معنایی استخراج‌شده قادر است تا حدود 9 درصد میزان اثربخشی نتایج را بهبود بخشد؛ البته این بهبود درصورتی‌که جست‌وجو بیشتر مرتبط با استخراج معنا باشد، چشمگیرتر خواهد بود.

جدول 6. میانگین کل امتیازات نتایج برای دو روش جست‌وجو

4ـ4. تحلیل نتایج

براساس نتایج به‌دست‌آمده، روش KG-BM25 در اغلب پرس‌وجوها توانست امتیاز بالاتری نسبت به روش کلاسیک BM25  کسب کند. در پرس‌وجوهایی که بار معنایی عمیق‌تری داشتند (مانند «عشق و معشوق»، «رزق و روزی»، یا «اتحاد ظاهر و مظهر»)، اختلاف امتیاز میان دو روش چشمگیرتر بود. این امر نشان می‌دهد که گراف دانش توانسته است بخشی از پیوندهای استعاری و مفهومی موجود در لایه‌های زبانی مثنوی را آشکار سازد و ابیاتی را بازیابی کند که دسترسی به آنها در روش‌های آماری سنتی امکان‌پذیر نبود. برای نمونه، در پرس‌وجوی «اتحاد ظاهر و مظهر»، روش BM25 عمدتاً ابیاتی را بازمی‌گرداند که واژۀ «اتحاد» یا ترکیبات آن در آنها تکرار شده بود؛ درحالی‌که روش KG-BM25 ابیاتی را نیز یافت که مفاهیمی همچون «ظاهر»، «مظهر»، و «اتحاد بین آن دو» در آنها به‌ کار رفته بود؛ مفاهیمی که بیشتر با مفهوم مستتر در پرس‌وجو ارتباط معنایی داشتند؛ درنتیجه، این روش بهبودی به‌اندازة 40 درصد در مقایسه با روش مبنای جست‌وجو ارائه می‌دهد. در جدول (7) نیز نمونة ابیات برگشتی از دو روش جست‌وجو برای این پرس‌وجو و نیز امتیازی که خبرگان برای هر بیت منظور کرده‌اند، مشاهده می‌شود.

در مواردی معدود که روش ترکیبی KG-BM25 نسبت به روش پایۀBM25  عملکرد ضعیف‌تری نشان داده است، باید این نکته را در نظر گرفت که انتظار نمی‌رود جست‌وجوی معنایی در همة موارد و پرس‌وجوها نتیجه بهتر ارائه دهد؛ بلکه عملکرد کلی روش باید بهتر باشد. باابن‌حال، بررسی دقیق‌تر نشان داد که علت اصلی، به ماهیت خاص زبان عرفانی و استعاری مثنوی بازمی‌گردد. در برخی ابیات، واژگان یا ترکیبات زبانی دارای چندلایگی معنایی هستند که در شبکۀ مفهومی، به‌ویژه در فارس‌نت یا مدل‌هایembedding ، با معنای متداول آن‌ها هم‌پوشانی ندارد. برای نمونه، واژه‌ای مانند «شراب» در معنای عرفانی به «عشق الهی» یا «معرفت» دلالت دارد؛ اما در منابع زبانی عمومی با معنای مادی آن مرتبط است. در چنین مواردی، گسترش معنایی مبتنی‌بر گراف ممکن است مسیرهای معنایی نادرست را نیز فعال کند و درنتیجه دقت بازیابی کاهش یابد. عامل دیگر، ناقص‌بودن پوشش واژگانی فارس‌نت برای حوزۀ عرفان و ادبیات کلاسیک است؛ برخی از مفاهیم خاص مثنوی هنوز در این شبکه تعریف نشده یا روابط معنایی کافی میان آن‌ها وجود ندارد. افزون‌بر این، وزن‌دهی یال‌ها در گراف براساس ترکیب خطی روابط (هم‌رخدادی، ترادف و ابررده‌گی) صورت گرفته است و ممکن است در برخی پرس‌وجوها، وزن‌های بهینه برای هر نوع رابطه متفاوت باشد.

همچنین، بررسی بازخوردهای خبرگان نشان داد که ابیات بازگردانده‌شده توسط KG-BM25 ازنظر توضیح‌پذیری[37] نیز وضعیت بهتری دارند؛ زیرا ارتباط مفهومی میان پرس‌وجو و بیت ازطریق گراف ردیابی می‌شود (برای مثال، از مسیر ابررده یا ترادف).

به‌طور کلی، نتایج نشان دادند که استفاده از گراف دانش معنایی می‌تواند دقت بازیابی و میزان تناسب معنایی را به‌طور معناداری افزایش دهد. به‌عبارت‌دیگر، ترکیب مدل آماری با ساختار معنایی باعث غنای محتوایی در نتایج جست‌وجو و درک بهتر روابط بینامتنی در متون عرفانی شد. اما نکته مهم آن است که این روش بیشتر در جست‌وجوی مفهومی یا معنایی کاربرد دارد و درصورتی‌که کاربر قصد جست‌وجوی کلیدواژه یا لفظی داشته باشد بهبود چشمگیری را در مقایسه با روش جست‌وجوی مبنا ارائه نمی‌دهد.

در مجموع، نتایج ارزیابی نشان داد که مدل پیشنهادی KG-BM25 با بهره‌گیری از ساختار گراف دانش معنایی توانسته است فراتر از سطح واژگانی، روابط مفهومی را در جست‌وجوی متون کلاسیک فارسی مدل‌سازی نماید. این ویژگی، مسیر تازه‌ای را برای پژوهش‌های مرتبط با علوم انسانی دیجیتال، تحلیل متون عرفانی و بازیابی معنایی در ادبیات فارسی فراهم می‌سازد.

جدول 7. نتایج برگشتی برای پرس‌وجوی «اتحاد ظاهر و مظهر» و ارزیابی خبرگان از میزان تناسب و ارتباط معنایی نتایج

5. 5. نتیجه‌گیری

در این پژوهش، تلاش شد تا از رهگذر پیوند فناوری‌های نوین معناشناختی با متون عرفانی کلاسیک فارسی، گامی در مسیر فهم و بازیابی دقیق‌تر مفاهیم ژرف مثنوی معنوی برداشته شود. مسئلة اصلی در جست‌وجوهای متنی در آثار ادبی و عرفانی، محدودیت روش‌های آماری صرف ــ نظیر BM25  ــ در درک لایه‌های استعاری و مفهومی زبان است؛ زیرا زبان عرفانی، نه‌‌تنها بر واژگان، که بر شبکه‌ای از اشارات، تمثیل‌ها و مفاهیم درونی بنا شده است. ازاین‌رو، در این تحقیق، الگویی ترکیبی با عنوان KG-BM25 ارائه شد که ضمن بهره‌گیری از توان روش‌های آماری در بازیابی اولیه، از گراف دانش معنایی برای گسترش و بازرتبه‌بندی نتایج استفاده می‌کند.

در این چهارچوب، گراف دانش از روابط سه‌گانة هم‌رخدادی، ترادف و ابررده‌گی میان مفاهیم استخراج‌شده از ابیات مثنوی ساخته شد. با اتکا به این گراف، مفاهیم مرتبط با هر پرس‌وجو به‌صورت پویا گسترش یافتند و بدین‌ترتیب، جست‌وجو قادر شد ابیاتی را نیز بازیابی کند که گرچه فاقد واژگان ظاهری پرس‌وجو بودند، در سطح معنا با آن پیوند داشتند. نتایج ارزیابی با مشارکت خبرگان حوزة مولوی‌پژوهی نشان داد که روش KG-BM25 در مقایسه با روش پایۀ BM25، ازنظر امتیاز تناسب معنایی به‌طور میانگین افزایشی معنادار در دقت و غنای مفهومی نتایج دارد. همچنین، تحلیل‌های کیفی خبرگان آشکار ساخت که این روش نه‌‌تنها ابیات مرتبط‌تری را ارائه می‌دهد، امکان توضیح‌پذیری و تبیین روابط معنایی میان ابیات را نیز فراهم می‌آورد. از منظر کاربردی، روش پیشنهادی می‌تواند بستری برای توسعة سامانه‌های هوشمند جست‌وجو و تحلیل در متون عرفانی فارسی باشد؛ سامانه‌هایی که پژوهشگر را نه صرفاً در یافتن واژه‌ها، بلکه در کشف پیوندهای مفهومی میان مفاهیم «عشق»، «قرب»، «فنا»، «عقل» و دیگر بن‌مایه‌های عرفان یاری رسانند.

یکی از چالش‌های اساسی در این پژوهش، محدودیت منابع زبانی موجود برای زبان فارسی در حوزۀ متون عرفانی کلاسیک است. شبکه‌های واژگانی و مدل‌های توزیعی نظیر FarsNet و FastText فارسی اگرچه ابزارهای قدرتمندی برای بازنمایی معنایی واژگان‌اند، پوشش آن‌ها نسبت به واژگان تخصصی عرفانی، استعاره‌های عرفانی و ترکیبات اصطلاحی خاص متون مولوی ناکافی است. بسیاری از مفاهیم محوری در مثنوی ــ مانند فنا فی‌اللّه، سِرّ وحدت، نفس رحمانی، یا جذبۀ الهی ــ یا در این منابع وجود ندارند یا در قالب‌هایی ثبت شده‌اند که با ساختار معنایی متون عرفانی سازگار نیستند. محدودیت دیگر، وابستگی نسبی مدل به کیفیت داده‌های استخراج‌شده از متن است. در متون کلاسیک فارسی، وجود پدیده‌هایی همچون املای متغیر، آرایه‌های ادبی و حذف یا تغییر ساخت‌های نحوی، فرایندهای استخراج مفاهیم، تشخیص هم‌رخدادی‌ها و ساخت نگاشت‌های دقیق را دشوار می‌کند.

برای غلبه بر این محدودیت‌ها، مسیرهای پژوهشی زیر پیشنهاد می‌شود:

1. ایجاد WordNet عرفانی فارسی با محوریت واژگان استخراج‌شده از متون بنیادین عرفانی همچون مثنوی معنوی، گلشن راز، و فصوص‌الحکم و پیوند آن با FarsNet عمومی.
2. آموزش مدل‌های embedding خاص متون عرفانی مانند SufiBERT یا Mystic2Vec که با داده‌های حوزة عرفان فارسی آموزش یابند و معنای استعاری و تمثیلی را بهتر بازنمایی کنند.
3. به‌کارگیری تحلیل صرفی و نحوی عمیق‌تر برای تفکیک معانی استعاری از معانی حقیقی در متون شعری.
4. طراحی چهارچوب ارزیابی انسانی ترکیبی که افزون‌بر امتیازدهی خبره، از تحلیل هم‌پوشانی مفهومی با سایر متون عرفانی بهره گیرد تا قضاوت‌ها نظام‌مندتر شود.
5. گسترش گراف دانش به متون عرفانی دیگر به‌منظور مقایسة میان‌متنی مفاهیم و بررسی شبکه‌های معنایی مشترک در آثار مولوی، عطار و ابن‌عربی.

به باور نگارندگان، ترکیب این مسیرها می‌تواند گام‌های مؤثری در مسیر ایجاد یک زیرساخت دانش‌محور برای مطالعات عرفانی دیجیتال در زبان فارسی فراهم آورد. چنین رویکردی می‌تواند در افق آینده، راه را برای پدیدآمدن علوم انسانی دیجیتالِ فارسی‌محور و بازخوانی داده‌محور میراث معنوی ایران هموار سازد.

 اعلام استفاده از هوش مصنوعی مولد:

در تهیه این مقاله از هوش مصنوعی مولد صرفاً برای سازمان‌دهی و انسجام بخشی متن بخش پیشینه پژوهش (و نه تولید خودکار متن) و نیز برای ترجمه و سازمان‌دهی چکیده گسترده انگلیسی استفاده شده است.

[1]. Semantic Gap

[2]. Semantic Knowledge Graph

[3]. Lexical Search

[4]. Conceptual Search

[5]. Unsupervised

[6]. Supervised

[7]. hyponymy/hypernymy

[8]. Recall

[9]. Contextual

[10]. Entity linking, canonicalization

[11]. Pattern-based

[12]. Embedding-based

[13]. Distant supervision

[14]. Concept Mapping

[15]. Explicit Knowledge Features

[16]. Ontology-Based Matching

[17]. Explicit Semantic Analysis

[18]. Text REtrieval Conference (TREC)

[19]. Surface Variant

[20]. Semantic Drift

[21]. Word Sense Disambiguation

[22]. Synsets

[23]. (Taxonomic)

[24]. Non-Taxonomic

[25]. Real-Word Error

[26]. Line-oriented

[27]. Intertextual Reuse

[28]. Prosody

[29]. Explainability

[30]. Retrieval Core

[31]. Semantic Layer

[32]. sysnonyms

[33]. hypernyms

[34]. Conceptual Score

[35]. Gold standard

[36]. Expert Judgment Scoring

[37]. Interpretability