طبقه‌بندی مکاتب فلسفی با استفاده از پیش‌آموزش تطبیقی دامنه‌ای بر پایه مدل چندزبانه

چکیده

 در سال‌های اخیر، مدل‌های زبانی مبتنی بر یادگیری عمیق، به‌ویژه مدل برت، تحولات چشمگیری در حوزه پردازش زبان طبیعی ایجاد کرده‌اند. با این حال، عملکرد این مدل‌ها در متون تخصصی، به‌ویژه متون فلسفی، همواره با چالش‌هایی همراه بوده است. متون فلسفی دارای ساختار پیچیده، اصطلاحات دامنه‌محور، تنوع سبکی بالا و طول متغیر هستند که سبب می‌شود مدل‌های از پیش‌آموزش‌دیده عمومی، در درک دقیق مفاهیم آن‌ها با محدودیت مواجه شوند. در این پژوهش، چارچوبی مبتنی بر پیش‌آموزش تطبیقی دامنه‌ای برای بهبود سازگاری مدل برت با متون فلسفی ارائه شده است. در مرحله نخست، با استفاده از روش MLM مدل پایه برت بر روی مجموعه‌ای از متون مرتبط با مکاتب فلسفی مجدداً پیش‌آموزش داده شد تا دانش دامنه‌ای لازم را فراگیرد. در مرحله دوم، مدل حاصل برای مسئله دسته‌بندی مکاتب فلسفی مورد تنظیم دقیق قرار گرفت. به‌منظور مدیریت طول زیاد متون، از راهبرد قطعه‌بندی استفاده شد و متون کوتاه نیز جهت افزایش کیفیت داده‌ها حذف شدند. نتایج حاصل از آزمایش‌ها روی مجموعه داده مکاتب فلسفی نشان می‌دهد که مدل پیشنهادی به دقت 92.5 درصد و Macro-F1 برابر 92 درصد روی مجموعه اعتبارسنجی دست یافته است.