💬 NLP

Construction of a Battery Research Knowledge Graph using a Global Open Catalog

تقدم هذه الورقة مساراً قابلاً للتوسع لبناء رسم بياني معرفي متمحور حول المؤلف لأبحاث البطاريات باستخدام OpenAlex واستخراج الكلمات المفتاحية المعزز بالنماذج اللغوية الكبيرة لتمكين تتبع الخبرات عبر المؤسسات، وكشف المجتمعات، وتحليل التشابه الدلالي بما يتجاوز الطرق التقليدية القائمة على الاستشهاد.

المؤلفون الأصليون: Luca Foppiano, Sae Dieb, Malik Zain, Kazuki Kasama, Keitaro Sodeyama, Mikiko Tanifuji

نُشر 2026-04-23

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Luca Foppiano, Sae Dieb, Malik Zain, Kazuki Kasama, Keitaro Sodeyama, Mikiko Tanifuji

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل عالم أبحاث البطاريات كمكتبة ضخمة وفوضوية تحتوي على ما يقرب من 190,000 كتاب (أوراق علمية). في هذه المكتبة، يكتب آلاف المؤلفين عن كل شيء، بدءاً من كيمياء الليثيوم وصولاً إلى سلامة التصنيع. المشكلة؟ من الصعب للغاية العثور على الشخص المناسب للتعاون معه لأن الكتب مبعثرة، والعناوين مربكة، والمؤلفين مخفيون خلف جدران المؤسسات.

تصف هذه الورقة مشروعاً لبناء خريطة تفاعلية ذكية لهذه المكتبة، ولكن بدلاً من تنظيمها حسب الكتب، يتم تنظيمها حسب الأشخاص.

إليك كيف فعلوا ذلك، مشروحاً عبر تشبيهات بسيطة:

1. نقطة البداية: "الكتاب الكبير" (OpenAlex)

بدأ الباحثون بكتالوج رقمي ضخم ومجاني يسمى OpenAlex. فكر في هذا كفهرس بطاقات مكتبة ضخم يحتوي بالفعل على بعض الوسوم الأساسية على الكتب (مثل "الفيزياء" أو "الطاقة").

المشكلة: هذه الوسوم فضفاضة للغاية. إذا وسمت كتاباً بكلمة "علوم" فقط، فهذا لا يخبرك ما إذا كان المؤلف خبيراً في البطاريات أم في علم الفلك.
الحل: كانوا بحاجة لقراءة الصفحات الفعلية (العناوين والملخصات) للعثور على المواضيع المحددة والتفصيلية.

2. العمل الاستقصائي: البحث عن "الكلمات المفتاحية السرية"

لفهم ما يهتم به كل مؤلف حقاً، استخدم الفريق محققاً رقمياً يُدعى ChatGPT (تحديداً نسخة تسمى gpt-3.5-turbo).

التشبيه: تخيل أن لديك كومة من 190,000 سيرة ذاتية. تطلب من ChatGPT قراءة قسم "نبذة عني" في كل منها واستخراج أهم مهارتين أو ثلاث مهارات رئيسية.
النتيجة: بدلاً من رؤية كلمة "علوم" فقط، أصبح النظام الآن يرى عبارات محددة مثل "الإلكتروليتات الصلبة" أو "تدهور أيونات الليثيوم". لقد اختبروا "محققين" مختلفين (نماذج ذكاء اصطناي) ووجدوا أن ChatGPT كان الأفضل في فهم دقة لغة البطاريات.

3. إنشاء "بطاقة هوية المؤلف" (المتجه - Vector)

بمجرد حصولهم على الكلمات المفتاحية، أنشأوا بطاقة هوية فريدة لكل باحث. هذه ليست بطاقة هوية بصورة، بل هي بطاقة نقاط موزونة.

كيف تعمل: تخيل وصفة لـ "سموذي":
- الطزاجة: إذا نشر المؤلف ورقة بحثية بالأمس، فإنها تُحتسب أكثر مما لو كانت ورقة من عام 1995 (لأن العلم يتحرك بسرعة).
- القيادة: إذا كان المؤلف هو أول شخص كتب الورقة (رئيس الطهاة)، فإن أفكاره تُحتسب أكثر مما لو كان مجرد مساعد في الفريق.
- المكونات: يقومون بخلط الوسوم العامة من كتالوج المكتبة مع الكلمات المفتاحية المحددة التي وجدها الذكاء الاصطناعي.
المخرج: يحصل كل مؤلف على "بصمة" رياضية تمثل أسلوبه البحثي الفريد وتركيزه الحالي.

4. الخريطة السحرية: العثور على قبيلتك

باستخدام بطاقات الهوية هذه، بنى الباحثون متصفحاً يعرض خريطة (رسم بياني معرفي - Knowledge Graph).

التصور البصري: فكر في مجرة حيث كل نجم هو عالم.
- الخطوط الزرقاء: تربط العلماء المتشابهين جداً (يستخدمون نفس الكلمات المفتاحية والأفكار). هؤلاء هم أفضل أصدقائك المحتملين أو شركائك في التعاون.
- الخطوط الصفراء: تربط العلماء المرتبطين بشكل غير مباشر (رب perhaps تعرف شخصاً يعرفهم). هؤلاء هم "الروابط الضعيفة" التي قد تؤدي إلى فرص جديدة.
البحث: يمكنك كتابة اسم، وتقوم الخريطة بعمل زووم (تكبير) لتظهر لك من يعرفهم وما الذي يعملون عليه. يمكنك أيضاً البحث حسب موضوع (مثل "الأنودات") ورؤه سحابة من الكلمات توضح من هو الخبير في هذا المجال.

5. "المترجم العالمي" (RDF و Wikidata)

أخيراً، لم يحتفظوا بهذه الخريطة لأنفسهم فقط. لقد ترجموها إلى لغة عالمية تسمى RDF وربطوها بـ Wikidata (مثل قاعدة بيانات ويكيبيديا).

التشبيه: تخيل أنهم أخذوا خريطتهم المخصصة وأعطوها جواز سفر عالمي. الآن، يمكن لأنظمة الكمبيوتر الأخرى، أو المكتبات، أو حتى المجالات العلمية المختلفة (مثل الطاقة الشمسية أو الذكاء الاصطناعي) "التحدث" إلى خريطة البطاريات هذه وفهمها. هذا يكسر الحواجز بين قواعد البيانات المختلفة.

لماذا يهم هذا؟

قبل هذا، كان العثور على متعاون يشبه محاولة العثور على إبرة في كومة قش عن طريق التخمين.

الطريقة القديمة: "أعرف شخصاً في جامعة (X) يعمل على البطاريات."
الطريقة الجديدة: "أحتاج إلى خبير في 'سلامة الحالة الصلبة' ويكون نشطاً حالياً. ها هي خريطة تظهر أفضل 10 أشخاص في العالم الذين يطابقون هذا الوصف الدقيق، بغض النظر عن الجامعة التي يعملون بها."

باختصار: لقد بنوا نظام تحديد مواقع (GPS) ذكياً مدعوماً بالذكاء الاصطناعي لعلماء البطاريات، مما يساعدهم في العثور على شركاء أبحاثهم المثاليين عبر العالم، بناءً على ما يكتبونه ويفعلونه فعلياً، وليس فقط مكان عملهم.

إليك ملخص تقني مفصل لورقة بحثية بعنوان "بناء رسم بياني معرفي لأبحاث البطاريات باستخدام فهرس مفتوح عالمي".

1. بيان المشكلة

تعد أبحاث البطاريات مجالاً يتوسع بسرعة ومتعدد التخصصات بشكل كبير، حيث يتقاطع مع علوم المواد، والكيمياء الكهربائية، والتصنيع. إن الحجم الهائل للمنشورات وتجزؤ المعرفة عبر الحدود المؤسسية يجعل من الصعب:

تتبع الخبرات والمصطلحات ذات الصلة.
تحديد المتعاونين المحتملين عبر المؤسسات.
إجراء اكتشاف على مستوى المؤلف بناءً على الدلالات المعرفية (semantics) بدلاً من مجرد شبكات الاستشهاد أو هياكل التأليف المشترك.

غالباً ما تكون الحلول الحالية منظمة حول الوثائق أو الكيانات (الأنطولوجيات) بدلاً من المؤلفين، مما يحد من فائدتها في استرجاع التشابه الكمي وتحديد الخبرات على نطاق عابر للمؤسسات.

2. المنهجية

يقترح المؤلفون مسار عمل لبناء رسم بياني معرفي متمحور حول المؤلف باستخدام فهرس OpenAlex الببليوغرافي المفتوح. يتكون سير العمل من أربع مراحل رئيسية:

أ. إعداد مجموعة البيانات

المصدر: تم استرداد البيانات من OpenAlex باستخدام المعرف الخاص بـ "البطارية (الكهرباء)" (C555008776).
النطاق: احتوت المجموعة الأصلية على 189,581 عملاً تقابلها 356,103 مؤلف.
التصفية: تمت إزالة السجلات التي تعود لما قبل عام 1990 أو التي تفتقر إلى تواريخ النشر. ولغرض عرض إثبات المفهوم، تم تنقيح مجموعة البيانات لتشمل أفضل 10,000 مؤلف من حيث عدد المنشورات لتقليل العبء الحسابي.
المعالجة المسبقة: تم استبعاد مفاهيم "البطارية" العامة، وإزالة المفاهيم ذات درجات الثقة الصفرية لتقليل الضجيج.

ب. استخراج واصفات البحث الهجينة

للتغلب على التدرج الخشن لمفاهيم OpenAlex المحددة مسبقاً، استخدم المؤلفون نهجاً هجيناً:

مفاهيم OpenAlex: استُخدمت كعلامات نطاق خشنة (coarse-grained).
استخراج الكلمات المفتاحية: تم استخراج كلمات مفتاحية دقيقة من العناوين والملخصات باستخدام KeyBERT.
- اختيار النموذج: تمت مقارنة أربعة نماذج (SentenceTransformers، ومتغيرات BERT المعدلة للمجال، وChatGPT). تم اختيار ChatGPT (gpt-3.5-turbo) كنموذج خلفي، حيث حقق أعلى درجة تشابه (0.6781) مقابل حقيقة أرضية فضية (silver-standard) مستمدة من Grobid.
- حدود الاستخراج: تم الاحتفاظ بما يصل إلى كلمتين مفتاحيتين من العناوين و10 كلمات من الملخصات لكل ورقة بحثية.

ج. بناء متجه المؤلف

تم إنشاء متجه واصف بحثي مرجح ( $\vec{v}_a$ ) لكل مؤلف، يجمع تاريخ منشوراته بالكامل. تضمن بناء المتجه ثلاثة عوامل ترجيح محددة:

أصل الواصف: تم تطبيق أوزان مختلفة على مفاه_يم OpenAlex مقابل الكلمات المفتاحية المستخرجة.
الحداثة الزمنية: تم تقسيم المنشورات إلى ثلاث فترات (1990–2000، 2001–2010، 2011–2023). تم تطبيق عامل اضمحلال ( $f_{pj}$ ) على الفترات الأقدم للتركيز على الخبرة الحالية.
موقع التأليف: تم ترجيح المنشورات التي يكون فيها الباحث هو المؤلف الأول ( $w_{first}$ ) بشكل أكبر من المنشورات التي لا يكون فيها المؤلف الأول ( $w_{nonfirst}$ )، لأنها تعكس بشكل أفضل التركيز البحثي الأساسي.

يتم حساب المتجه النهائي كما يلي:
$\vec{v}_a = \sum_{j=0}^{2} f_{pj} \cdot (w_{first} \cdot \vec{D}_{pj} + w_{nonfirst} \cdot \vec{D}'_{pj})$
حيث يمثل $\vec{D}$ متجه الواصفات (المفاهيم والكلمات المفتاحية) المرجحة بالتكرار والارتباط.

د. بناء الرسم البياني والتصور

حساب التشابه: تم حساب التشابه بين المؤلف والمؤلف بناءً على تشابه جيب التمام (cosine similarity) لمتجهات الواصفات البحثية الخاصة بهم.
التصور:
- سحب الكلمات (Word Clouds): تم إنشاؤها لتمثيل ملفات تعريف المؤلفين الفردية، حيث يتناسب حجم الخط مع صلة الواصف.
- الخريطة التفاعلية: تتيح واجهة مستندة إلى المتصفح للمستخدمين البحث حسب المؤلف أو المفهوم. وهي تصور الاتصالات المباشرة (الواصفات المشتركة) والاتصالات غير المباشرة (سلاسل التأليف المشترك).
التسلسل (Serialization): تم تسلسل الرسم البياني إلى صيغة RDF (إطار وصف الموارد) وربطه بمعرفات Wikidata لضمان التوافق مع مصادر البيانات المفتوحة المرتبطة (Linked Open Data).

3. المساهمات الرئيسية

إطار عمل متمحور حول المؤلف: على عكس الأعمال السابقة التي ركزت على تجميع الوثائق أو المستودعات المؤسسية، يخلق هذا النهج تمثيلاً عابراً للمؤسسات وعلى مستوى المؤلف يستند إلى الدلالات المعرفية للمجال.
التمثيل الدلالي الهجين: يوفر الجمع المبتكر بين مفاهيم OpenAlex الخشنة والكلمات المفتاحية المستخرجة بواسطة النماذج اللغوية الكبيرة (LLM) رؤية أكثر ثراءً ودقة لخبرة الباحث مما توفره أي طريقة بمفردها.
نموذج المتجه المرجح: يسمح إدخال نظام الترجيح متعدد العوامل (الاضمحلال الزمني، موقع التأليف، وأصل الواصف) بمطابقة تشابه ديناميكية وقابلة للتفسير.
التوافق المفتوح: من خلال تسلسل الرسم البياني بصيغة RDF وربطه بـ Wikidata، تم تصميم النظام ليكون قابلاً للتوسع خارج مجال البطاريات وقابلاً للدمج مع الرسوم البيانية المعرفية العلمية الأوسع.

4. النتائج

مجموعة البيانات: تمت معالجة مجموعة تضم حوالي 190 ألف ورقة بحثية متعلقة بالبطاريات بنجاح.
أداء النموذج: أظهر تقييم استخراج الكلمات المفتاحية أن ChatGPT (gpt-3.5-turbo) تفوق على متغيرات BERT المتخصصة وSentenceTransformers من حيث التشابه الدلالي مع الكلمات المفتاحية للحقيقة الأرضية.
التصور: نجح النظام في توليد خرائط تشابه تفاعلية وسحب كلمات.
- مثال: نجحت الخريطة في تصور اتصالات الباحث المباشرة (الأقواس الزرقاء) بناءً على الواصفات المشتركة، والاتصالات غير المباشرة (الأقواس الصفراء) بناءً على التأليف المشترك، مما سلط الضوء بفعالية على المتعاونين المحتملين الجدد.
التوافق: نجح تسلسل RDF في ربط عقد المؤلفين بـ Wikidata، مما سمح بالاستعلام القياسي والدمج مع مجموعات البيانات الخارجية.

5. الأهمية

يعالج هذا العمل فجوة حرجة في المعلوماتية المادية (materials informatics) من خلال توفير أداة دلالية قابلة للتوسع للتنقل في مشهد أبحاث البطاريات.

اكتشاف التعاون: يُمكّن الباحثين من العثور على متعاونين بناءً على خبرة تقنية محددة (مثل "مصعد ليثيوم أيون") بدلاً من مجرد التقارب المؤسسي أو عدد الاستشهادات.
قابلية التكيف مع المجال: رغم تطبيقه على البطاريات، فإن مسار العمل مستقل عن المجال ويمكن تكييفه مع مجالات علمية أخرى.
جاهزية المستقبل: يضمن استخدام الفهارس المفتوحة (OpenAlex) والتنسيقات القياسية (RDF) بقاء الرسم البياني المعرفي قابلاً للتحديث والتوافق.
القيود والعمل المستقبلي: يشير المؤلفون إلى أن النسخ المستقبلية يمكن أن تستخدم نماذج لغوية كبيرة ذات أوزان مفتوحة لتحقيق شفافية أفضل، وتنفذ دمجاً أكثر صرامة للكلمات المفتاحية المتداخلة دلالياً (مثل "مصعد" مقابل "مادة المصعد")، وتعدل عوامل الترجيح لتمثيل الباحثين في بداية مسيرتهم المهنية بشكل أفضل.