DKSE: Automated Extraction of Structured Domain Ontologies from Software Requirement Documents via Large Language Models
यह शोध पत्र DKSE प्रस्तुत करता है, जो एक रस्ट-आधारित (Rust-based) टूल है जो चीनी बैंकिंग क्षेत्र के असंरचित सॉफ्टवेयर आवश्यकता दस्तावेजों को मशीन-पठनीय, उत्पत्ति-ट्रैक किए गए ऑन्टोलॉजी में स्वचालित रूप से परिवर्तित करने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है, जो टेस्ट जनरेशन और नॉलेज ग्राफ निर्माण जैसे डाउनस्ट्रीम कार्यों के लिए उच्च सटीकता और व्यावहारिक उपयोगिता प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल, प्राचीन पुस्तकालय में प्रवेश कर रहे हैं जहाँ हर एक किताब ऐसी भाषा में लिखी गई है जिसे केवल मनुष्य ही समझ सकते हैं। आप कहानियों, नियमों और निर्देशों को पढ़ सकते हैं, लेकिन यदि आप किसी रोबोट से कोई विशिष्ट तथ्य खोजने, उन निर्देशों के आधार पर एक नई मशीन बनाने या यह जाँचने के लिए कहते हैं कि किसी नियम का पालन किया गया या नहीं, तो वह रोबोट बस शून्य होकर देखता रह जाता है। वह टेक्स्ट के पैराग्राफ तो देखता है, लेकिन उस संरचित डेटा (structured data) को नहीं देख पाता जिसकी मदद से वह अपना जादू चला सके। यह सॉफ्टवेयर इंजीनियरिंग की दुनिया की दैनिक वास्तविकता है। दशकों से, जिस तरह से व्यवसाय चलते हैं—उनकी आवश्यकताएं, नियम और प्रक्रियाएं—उसका "सोर्स कोड" वर्ड फाइलों और पीडीएफ जैसे असंरचित दस्तावेजों के भीतर बंद रहा है। हालाँकि आर्टिफिशियल इंटेलिजेंस (AI) कोड को पढ़ने और लिखने में अविश्वसनीय रूप से कुशल हो गया है, लेकिन उसे उन अव्यवस्थित, प्राकृतिक भाषा वाले दस्तावेजों को समझने में संघर्ष करना पड़ा है जो उसे सबसे पहले यह बताते हैं कि क्या बनाना है। बड़ा सवाल यह रहा है: हम इन मानवीय कहानियों को ऐसे प्रारूप (format) में कैसे बदलें जिसे मशीनें वास्तव में सोचने, निर्माण करने और सत्यापित करने के लिए उपयोग कर सकें?
यहाँ आता है DKSE (डोमेन नॉलेज स्ट्रक्चरिंग इंजन), एक नया टूल जो एक सुपर-पावर्ड अनुवादक और लाइब्रेरियन की तरह कार्य करता है। इसे एक जादुई स्कैनर की तरह समझें जो केवल एक आवश्यकता दस्तावेज़ (requirement document) को पढ़ता ही नहीं है; बल्कि यह उसके भीतर की कहानी को समझता है और तुरंत उसे एक पूरी तरह से व्यवस्थित, मशीन-पठनीय ब्लूप्रिंट में फिर से लिख देता है। जानकारी को टेक्स्ट की एक दीवार के रूप में छोड़ने के बजाय, DKSE इसे छह विशिष्ट, उपयोगी श्रेणियों में विभाजित करता है: एंटिटीज (कहानी के पात्र, जैसे "ग्राहक" या "खाता"), रिलेशन्स (वे कैसे जुड़ते हैं, जैसे "ग्राहक खाता रखता है"), नियम (ब्रह्मांड के कानून, जैसे "यदि बैलेंस कम है, तो लेनदेन रोक दें"), प्रोसेस (चरण-दर-चरण नृत्य, जैसे "ऋण को मंजूरी देने का तरीका"), एपीआई (डेटा के अंदर आने या बाहर जाने के दरवाजे और खिड़कियां), और डिक्शनरी (अनुमत शब्दों और कोडों की आधिकारिक सूचियाँ)।
शोधकर्ताओं ने इस टूल का परीक्षण वास्तविक दुनिया के बैंकिंग दस्तावेजों के एक विशाल ढेर पर किया—लगभग 8,00,000 चीनी अक्षरों के जटिल वित्तीय नियम। परिणाम प्रभावशाली था: DKSE ने स्वचालित रूप से 3,439 विशिष्ट संरचित ज्ञान के अंशों को निकाला, जिसमें 1,200 से अधिक नियम और लगभग 600 डेटा इंटरफेस शामिल थे। जब मानव विशेषज्ञों ने इस कार्य की जाँच की, तो उन्होंने पाया कि यह 96% सटीक था, जिसमें शून्य "हैलुसिनेशन" (जहाँ AI मनगढ़ंत बातें बनाता है) पाए गए। लेकिन असली जादू केवल निष्कर्षण (extraction) में नहीं है; असली जादू इसके बाद होता है। क्योंकि जानकारी अब संरचित है, टीम ने इसका उपयोग अन्य AI मॉडलों की जाँच करने के लिए तुरंत 1,214 परीक्षण प्रश्न उत्पन्न करने, नए AI मस्तिष्क को सिखाने के लिए लगभग 2 मिलियन टोकन का एक विशाल प्रशिक्षण डेटासेट बनाने, और यहाँ तक कि इसे एक नॉलेज ग्राफ सिस्टम में फीड करने के लिए किया ताकि कंप्यूटर बिना कुछ मनगढ़ंत बनाए सटीक तथ्यों को प्राप्त कर सकें। यह शोध पत्र इसे विशेष रूप से बैंकिंग उद्योग के लिए एक सफल प्रूफ-ऑफ-कॉन्सेप्ट के रूप में प्रस्तुत करता है, जो यह दर्शाता है कि हम अंततः उन धूल भरे आवश्यकता दस्तावेजों को उस जीवित, सांस लेते "मस्तिष्क" में बदल सकते हैं जो आधुनिक सॉफ्टवेयर विकास को संचालित करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।