Dijital İşletmelerde bilgi erişimi için Transformers (BERT) ve Graf Sinir Ağları (GNN) ile Çiftyönlü Kodlayıcı Temsillerini Birleştiren Bir Yapay Zeka İş Akışı

Summary

Bu protokol, BERT'i varlık ve ilişki çıkarımı için ince ayarlar, ontoloji hizalanması için grafik sinir ağları kullanan, yapılandırılmamış verilerden kurumsal bilgi grafikleri oluşturan ve anlamsal arama performansını ve karar destek verimliliğini sistematik olarak değerlendiren tekrarlanabilir bir yapay zeka odaklı iş akışı sunar.

Abstract

Büyük hacimlerde yapılandırılmamış organizasyonel veriler, kurumsal bilgi yönetimi (KM) sistemlerinin doğru ve bağlamsal olarak ilgili bilgileri çıkarmasını zorlaştırabilir; bu da verimsiz bilgi paylaşımına ve karar vermenin gecikmesine yol açabilir. Bu çalışma, bu sınırlamayı aşmak için birleşik yapay zeka odaklı bir çerçeve önermektedir. Ontoloji hizalanması ve anlamsal akıl yürütme için Grafik Sinir Ağları (GNN'leri) ile alana özgü varlık ve ilişki çıkarımı için Transformers'tan geliştirilen İki Yönlü Kodlayıcı Temsilleri (BERT) ile birleştirir. Sistematik veri toplama, kurumsal metin derlemelerinin ön işlemesi, BERT'in varlıkları ve ilişkileri tanımlamak için ince ayarlanması, çıkarılan üçlemelerin yapılandırılmış bilgi grafiklerine dönüştürülmesi ve heterojen bilgi kaynakları arasında anlamsal tutarlılığı garanti etmek için GNN tabanlı ontoloji hizalanması metodolojik ürün hattını oluşturur. Gerçek dünya kurumsal senaryolarında sistem etkinliğini değerlendirmek için çerçeve, başvuru hassasiyeti, ontoloji hizalama doğruluğu ve karar gecikmesi gibi görev odaklı değerlendirme ölçütlerini de entegre eder. Temel yöntemlerle karşılaştırıldığında, iki sektör uygulamasında deneysel doğrulama, karar alma gecikmesinde %35 azalma ve bilgi arama hassasiyetinde %21 artış göstermektedir.

Ayrıca, kullanıcı geri bildirimleri, KM arayüzünün anlamsal arama ve bağlamsal etiketleme özellikleri sayesinde kullanıcı memnuniyetini artırdığını gösteriyor. Önerilen mimari, grafik tabanlı akıl yürütme ve uyumu derin öğrenme tabanlı bilgi çıkarımı ile metodik bir şekilde birleştirerek yapılandırılmamış kurumsal verilerden tekrarlanabilir bilgi grafiği oluşturmayı kolaylaştırır. Bulgular, organize bilgi temsillerinin organizasyonel prosedürlerle uyumlu hale getirildiğinde hem stratejik hem de operasyonel KM sonuçlarının iyileştiğini göstermektedir. Tüm bunlar göz önüne alındığında, önerilen yöntem geri alma doğruluğunu artırır, karar akışı tepki sürelerini hızlandırır ve kurumsal düzeyde KM sistemleri için uygulanabilir ve ölçeklenebilir bir seçenek sunar.

Introduction

Etkili KM, dijital dönüşüm programlarında benimsenmesi zor olabilir; çünkü dağınık veri depoları, çeşitli organizasyon platformları ve yapılandırılmamış belgelere yayılmış parçalı bilgi. Kurumsal bilgiyi sistematik olarak çıkaran, yapılandıran, hizalanan ve operasyonelleştiren, tekrarlanabilir, teknik olarak uygulanabilir bir çerçeve, daha önceki çalışmalara rağmen, yapay zeka benimsemesi ve dijital dönüşümü organizasyonel ve sektörel perspektiflerden incelemesine rağmen, çok fazla araştırma tarafından önerilmemiştir^(1,2,3). Mevcut yöntemler ....

Protocol

Etik ifade

Bu çalışma, veri toplamadan önce Malezya Ulusal Üniversitesi (UKM) Kurumsal İnceleme Kurulu (IRB) tarafından incelenip onaylandı (Onay Kimliği: UKM/FEP/2025/AI-047; Onay Tarihi: 12 Mart 2025). Onaylanmış protokol, insan katılımcıların yer aldığı yapılandırılmış anketlerin ve yarı yapılandırılmış mülakatların uygulanmasını kapsadı. Tüm katılımcılara çalışmanın amacı, katılımlarının gönüllü doğası ve herhangi bir zaman sonuç vermeden çekilme hakları hakkında bilgilendirildi ve dahil edilmeden önce yazılı bilgilendirilmiş onay alındı. Katılımcıların anonimliği ve gizliliği sıkı bir şe....

Results

Veri ön işleme ve BERT ince ayarlama

Önerilen cihaz, yapılandırılmamış anlama çıkarımı için en iyi ayarlanmış BERT versiyonunu ve ontoloji hizalanması ve akıl yürütme için bir grafik çerçevesi içinde bir Grafik Sinir Ağı (GNN) entegre eder. Deneysel kurulum, BERT yönünün NER ve RE görevlerindeki genel performansını karşılaştırmaya odaklanırken, GNN faktörü bağlantı tahmini ve düğüm sınıfı üzerinde inşa edilmiş anlama grafiği üzerinde incelendi.......

Discussion

Bu çalışma, BERT kullanılarak bağlamsal anlamsal çıkarımı grafik tabanlı ilişkisel akıl yürütme ve GNN'ler aracılığıyla ontoloji hizalanması ile entegre eden birleşik bir kurumsal KM çerçevesi sunmaktadır. Farklı iş veri kaynakları arasında varlık bağlantısı, çapraz belge akıl yürütme ve tutarlı bilgi temsili mümkün kılmak için, ana katkı, derin bağlamsal dil modellemesinin yapılandırılmış, ontolojiye duyarlı çıkarımla tek bir boru hattı^{içinde entegrasyonudur}

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
BERT-Base (Uncased) Pretrained Model	Google AI	Yok	Transformator tabanlı önceden eğitilmiş dil modeli (bert-base-uncased varyant)
Derin Grafik Kütüphanesi (DGL)	AWS Labs	RRID: SCR_017054	Grafik sinir ağı modellemesi için kullanılan 2.1 sürümü
Matplotlib Görselleştirme Kütüphanesi	PyData Topluluğu	RRID: SCR_008624	Performans grafikleri ve görsel analizler için kullanılır
NetworkX Grafik Kütüphanesi	PyPI Topluluğu	RRID: SCR_005317	Grafik oluşturma ve analiz için kullanılan 3.2 sürümü
NumPy Sayısal Hesaplama Kütüphanesi	PyData Topluluğu	RRID: SCR_008633	Sayısal işlemler ve dizi işleme için kullanılır
NVIDIA GPU (Tesla T4 / RTX 3080)	NVIDIA Corporation	RRID: SCR_016409	Model eğitimi için CUDA-enabled donanım hızlandırıcı
Pandas Veri Analiz Kütüphanesi	PyData Topluluğu	RRID: SCR_018214	Yapılandırılmış veri işleme için kullanılır
Python Programlama Dili	Python Yazılım Vakfı	RRID: SCR_008394	Model geliştirme ve veri işleme için kullanılan 3.10 sürümü
PyTorch Derin Öğrenme Çerçevesi	Meta AI	RRID: SCR_018536	Sürüm 2.0 sinir ağı uygulaması için kullanıldı
Scikit-learn Makine Öğrenme Kütüphanesi	Scikit-learn Geliştiricileri	RRID: SCR_002577	Ön işlem ve değerlendirme metrikleri için kullanılan 1.5 sürüm
Transformers NLP Kütüphanesi	Sarılma Yüzü	RRID: SCR_020989	Önden eğitilmiş trafon modelleri için kullanılan 4.40 sürümü
Ubuntu Linux İşletim Sistemi	Canonical Ltd.	RRID: SCR_018317	Sürüm 20.04 LTS çalışma zamanı ortamı