DuoKGQA: A Novel Dual-Module Framework for Cypher Query Generation in Knowledge Graph Question Answering

في المكتبة الرقمية الشاسعة للعالم الحديث، تنمو المعلومات بمعدل مذهل، وغالباً ما تكون مدفونة في مواقع إلكترونية وقواعد بيانات ومستندات معقدة. بالنسبة لطالب يحاول معرفة ما إذا كان برنامج جامعي معين يقبل درجة معينة، أو ولي أمر يبحث عن مواعيد نهائية للمنح الدراسية، فإن الإجابة موجودة عادةً، لكن العثور عليها يتطلب التنقل في متاهة من الروابط والنصوص الدقيقة. وهنا يأتي دور مجال "الإجابة على الأسئلة" (Question Answering)، الذي يحاول سد الفجوة بين سؤال الإنسان الطبيعي والبيانات المهيكلة للحاسوب. وأقوى الأدوات لهذه المهمة هي "رسوم المعرفة البيانية" (Knowledge Graphs)، وهي ليست خرائط جغرافية، بل هي شبكات ضخمة ومترابطة من الحقائق. تخيل شبكة عنكبوتية عملاقة حيث كل عقدة هي شيء محدد، مثل مساق جامعي، وكل خيط يربط بينها هو علاقة، مثل "يتكلف" أو "يتطلب". عندما يطرح شخص ما سؤالاً، فإن النظام الجيد لا يبحث فقط عن الكلمات المفتاحية؛ بل يتتبع خيوط هذه الشبكة ليجد العقدة الدقيقة التي تحمل الإجابة. ومع ذلك، فإن ترجمة جملة بشرية فوضوية إلى التعليمات الدقيقة اللازمة للتنقل في هذه الشبكة ظل تحدياً صعباً لفترة طويلة، خاصة عندما تتضمن الأسئلة اختلافات دقيقة في المعنى أو تفاصيل أكاديمية محددة.

لقد طور الباحثون يو لي تشونغ، وتشين بو لي، وكيان مينغ ليم نظاماً جديداً يسمى DuoKGQA لحل هذه المشكلة المحددة داخل العالم الأكاديمي. يركز عملهم على مساعدة المستخدمين في طرح أسئلة حول البرامج الجامعية، مثل رسوم الدراسة، أو متطلبات القبول، أو الآفاق المهنية، وتلقي إجابات دقيقة فوراً. ولتحقيق ذلك، قاموا ببناء رسم معرفة بياني متخصص لجامعة، يربط بين 852 معلومة متميزة، مثل أسماء البرامج وتفاصيل الكليات، مع أكثر من ألف علاقة. ويكمن جوهر ابتكارهم في محرك مكون من جزأين مصمم لفهم ما يسأل عنه المستخدم ثم إيجاد الإجابة الصحيحة داخل تلك الشبكة الرقمية. وبدلاً من محاولة القيام بكل شيء في وقت واحد، وهو ما يؤدي غالباً إلى الارتباك، قاموا بتقسيم المهمة إلى خطوتين متميزتين: أولاً، تحديد نوع السؤال، وثانياً، تحديد البرنامج المحدد الذي يتم مناقشته.

يعمل الجزء الأول من النظام كـ "مصنف" (Classifier). فعندما يكتب المستخدم سؤالاً، يحدد النظام أولاً فئة هذا السؤال. هل يسأل المستخدم عن تكلفة الدرجة العلمية، أم طول المساق، أم الموعد النهائي للتقديم؟ ولاتخاذ هذا القرار، يستخدم النظام نماذج لغوية متقدمة تقرأ السؤال وتفهم سياقه، تماماً كما يقرأ الإنسان جملة لاستيعاب مقصدها. وقد وجد الباحثون أنه من خلال الجمع بين نوعين مختلفين من نماذج التعلم العميق، استطاعوا تحقيق مستوى عالٍ جداً من الدقة في خطوة التصنيف هذه. أحد النماذج بارع بشكل خاص في النظر إلى الجملة بأكملها لفهم تدفق الأفكار، بينما يتميز الآخر في رصد الأنماط والتفاصيل المحلية المحددة. ومن خلال السماح لهذين النموذجين بالتصويت على الإجابة، وصل النظام إلى دقة تقارب 95 بالمائة في تحديد نوع السؤال بشكل صحيح. هذه الخطوة حاسمة لأنها تخبر الحاسوب بالقالب الذي يجب استخدامه للمرحلة التالية، مما يضمن هيكلة الإجابة النهائية بشكل صحيح.

بمجرد أن يعرف النظام نوع السؤال الذي يتعامل معه، ينتقل إلى الجزء الثاني: البحث عن اسم البرنامج المحدد. في البيئة الجامعية، قد يشير المستخدمون إلى مساق ما بطرق مختلفة، رب perhaps باستخدام اختصار، أو لقب، أو صياغة تختلف قليلاً عن الاسم الرسمي الموجود على الموقع الإلكتروني. يستخدم النظام أداة مطابقة متطورة لمقارنة كلمات المستخدم مع قائمة تضم 91 اسماً رسمياً للبرامج. يقوم النظام بتحويل كلمات المستخدم والأسماء الرسمية إلى تمثيلات رياضية لمعناها، مما يسمح له بإيجاد أقرب تطابق حتى لو لم تكن الكلمات متطابقة. هذه العملية فعالة للغاية، حيث تستغرق جزءاً بسيطاً من الثانية لمسح القائمة وتحديد البرنامج الصحيح. وإذا كان السؤال حول موضوع عام مثل المنح الدراسية الذي ينطبق على الجميع، يتم تخطي هذه الخطوة، ولكن بالنسبة للاستفسارات الخاصة بالمساقات، فإن هذا التحديد الدقيق يضمن أن يبحث النظام عن البيانات الصحيحة.

اختبر الباحثون نظامهم بأكثر من 11,000 سؤال مختلف، تراوحت بين الاستفسارات البسيطة والطلبات المعقدة حول متطلبات دخول محددة. وأظهرت النتائج أن النهج المكون من جزأين كان أكثر فعالية بكثير من الأساليب السابقة التي حاولت معالجة التصنيف والتعريف في آن واحد. نجح النظام في توليد التعليمات الحاسوبية الصحيحة لاسترجاع الإجابة في ما يقرب من 89 بالمائة من جميع الحالات، وهو تحسن ملحو-ظ عن النماذج السابقة التي عانت مع الفروق الدقيقة في اللغة الأكاديمية. وفي المهمة المحددة لتصنيف أنواع الأسئلة، كان النظام صحيحاً بنسبة 94.6 بالمائة من الوقت. تسلط الدراسة الضوء على أنه من خلال تقسيم مشكلة معقدة إلى قطع أصغر وأكثر قابلية للإدارة واستخدام أدوات متخصصة لكل منها، يمكن للنظام التنقل في الشبكة المعقدة للبيانات الأكاديمية بمستوى من الدقة كان من الصعب تحقيقه سابقاً.

يُظهر هذا العمل أنه بالنسبة للمجالات المتخصصة مثل التعليم العالي، فإن النهج المصمم خصيصاً يعمل بشكل أفضل من الحلول العامة التي تناسب الجميع. لم يكتفِ الباحثون ببناء نظام يخمن فحسب، بل بنوا إطار عمل قوياً يفهم هيكل الاستفسارات الأكاديمية والعلاقات المحددة بين البرامج وتفاصيلها. وبينما لا يعد النظام مثالياً ويمكنه أن يواجه صعوبات مع الأسئلة ذات الصياغة المتشابهة جداً أو التي تحتوي على طبقات متعددة من التعقيد، إلا أنه يمثل خطوة كبيرة للأمام في جعل المعلومات الجامعية متاحة من خلال المحادثة الطبيعية. إن نجاح DuoKGQA يشير إلى إمكانية بناء أنظمة مستقبلية للتعامل مع أسئلة أكثر تعقيداً، مع إمكانية التوسع إلى ما وراء الجامعات إلى مجالات أخرى حيث يكون البحث عن الإجابة الصحيحة عبر معرفة مهيكلة ودقيقة أمراً ضرورياً.