من التجربة إلى الإنتاج: بناء أنطولوجيا قائمة على تعلم الآلة لمحتوى الهندسة لدى WSDOT.

نبذة عن العميل

تنشر WSDOT عشرات الأدلة الهندسية المرجعية التي يعتمد عليها مهندسو الولاية في تخطيط مشاريع البنية التحتية للنقل وتنفيذها، وتغطي موضوعات تمتد من الهيدروليكا والامتثال البيئي إلى تصميم جوانب الطرق وصيانة الطرق السريعة. وواصل هذا المشروع أعمال سهولة العثور على المعلومات التي كانت Iknow قد بدأتها لصالح WSDOT من خلال مشروع تجريبي سابق برعاية NCHRP ركّز على مجموعة أصغر من الأدلة المتعلقة بمياه الأمطار.

سياق القطاع

يمثل هذا المشروع تطورًا طبيعيًا لذلك المشروع التجريبي السابق، بالانتقال من إثبات مفهوم مركّز إلى تطبيق أوسع نطاقًا يشمل 18 دليلًا ويدمج تقنيات تعلم آلة أكثر تطورًا، من تجميع عنقودي غير خاضع للإشراف ونمذجة موضوعات، بدلًا من الاعتماد أساسًا على التحليل اليدوي. وللتمييز بين التصنيف الهرمي والأنطولوجيا أهمية هنا. فالتصنيف الهرمي يلتقط علاقات هرمية بسيطة بين الأصل والفرع من نوع «نوع من» أو «هو»، بينما تستطيع الأنطولوجيا التقاط أنواع علاقات أكثر ثراءً بكثير، مثل تركيب المواد وبنية الجزء والكل وعلاقات العمليات أو دورة الحياة. وهذا يمنح المستخدمين المهندسين وسيلة أقوى حقًا لفهم كيفية ارتباط المفاهيم بعضها ببعض والتنقل بينها، لا مجرد معرفة موقعها في تسلسل هرمي.

الوضع الراهن

في إطار مشروع لدى WSDOT لتحسين إدارة محتوى هندسة النقل وسهولة العثور عليه، طوّرت Iknow أنطولوجيا نقل تركز على تصريف مياه الأمطار من الطرق. وأتاحت أنطولوجيا مياه الأمطار للفريق إثبات مفهوم أن الأنطولوجيا يمكن أن تصنّف العلاقات بين المفاهيم وتوثقها، مع استخدامها في الوقت نفسه لتشغيل التصنيف الآلي للمحتوى الهندسي.

• مجموعة محتوى أكبر وأكثر تعقيدًا بكثير مما عالجه المشروع التجريبي السابق. كان يلزم تحليل 18 دليلًا هندسيًا منفصلًا، أُلّف كل منها ويُصان بشكل مستقل، معًا للكشف عن مقدار التداخل الموضوعي الحقيقي بينها، وهي معلومات لم تكن WSDOT تملكها عند البدء.
• تصنيف هرمي بسيط لا يستطيع التقاط التعقيد الحقيقي للعلاقات الهندسية. تنطوي مفاهيم مثل العبّارات (القنوات الصندوقية) في آن واحد على تركيب المواد ومعالجات الأطراف وبنية الجزء والكل والانتماء إلى الأنظمة، وهي علاقات لا يمكن لتسلسل هرمي أساسي بين أصل وفرع تمثيلها، لكن المهندسين يحتاجونها فعلًا للبحث والاستدلال.
• عدم وجود أدلة كمية مسبقة على مقدار التداخل الفعلي في محتوى الأدلة. كانت WSDOT بحاجة إلى أدلة موضوعية يمكن الدفاع عنها، لا مجرد افتراض، على أن توحيد المحتوى المصنّف عبر الأدلة الثمانية عشر سيفيد المستخدمين حقًا قبل مواصلة الاستثمار في هذا النهج.
• تجهيز محتوى مصدري شديد الفوضى فعلًا لتحليل صارم بتعلم الآلة. كانت الأدلة الهندسية موجودة بصيغة PDF، ما استلزم تحويلها إلى نص ومعالجة مسبقة مكثفة قبل إمكانية البدء بأي تنقيب في النصوص أو تجميع عنقودي ذي معنى.

• تطوير أنطولوجيا نقل تركز على تصريف مياه الأمطار من الطرق.
• تمكين البحث والتنقل عبر أدلة WSDOT الهندسية التي تغطي الهيدرولوجيا والتعرية وتصميم الطرق والجريان السطحي للطرق السريعة والاعتبارات البيئية وتقدير التكاليف وسياسة جوانب الطرق وصيانة الطرق السريعة واستيعاب المرافق العامة.
• إثبات مفهوم أن الأنطولوجيا يمكنها تصنيف العلاقات بين المفاهيم وتوثيقها، وتشغيل التصنيف الآلي للمحتوى الهندسي في آن واحد.

كيف نظّمت Iknow العمل

اتبعت Iknow عملية من ثماني خطوات جمعت بين تحليل صارم للمحتوى قائم على تعلم الآلة، والتحقق من قبل خبراء الموضوع، والبناء اليدوي للأنطولوجيا، ثم الإدخال في نظام تصنيف آلي.

الأنشطة والقرارات الرئيسية

• تحليل المحتوى. حوّلت Iknow الأدلة من PDF إلى نص وأجرت المعالجة المسبقة، من تقطيع إلى وحدات وإزالة علامات الترقيم وكلمات التوقف والتجذيع، ثم مثّلت النص غير المهيكل رقميًا باستخدام نهجي bag-of-words وtf-idf، موازنةً تكرار المصطلح مقابل مدى شيوع ظهوره في جميع الوثائق. وباستخدام مكتبة Scikit-learn في Python، اختبرت Iknow نموذجين من نماذج تعلم الآلة غير الخاضعة للإشراف: التجميع العنقودي K-means، الذي يخصص كل وثيقة لعنقود واحد ويمكن تقييمه بمقياس silhouette لقياس جودة ملاءمة العناقيد، ونمذجة الموضوعات بأسلوب Latent Dirichlet Allocation، التي تخصص لكل وثيقة توزيع احتمالات على موضوعات متعددة بدلًا من تخصيص صارم لعنقود واحد.
• تحليل النتائج. أظهرت نتائج التجميع العنقودي تداخلًا كبيرًا في المحتوى المعروض عبر الأدلة الثمانية عشر التي جرى تحليلها، وعُرض ذلك في مخطط لتوزيع الموضوعات عبر الأدلة، بما يدعم مباشرة الطرح القائل إن مجموعة موحدة ومصنفة تفاعليًا من المحتوى الهندسي ستساعد المستخدمين على اكتشاف مواد ذات صلة في أدلة ربما لم يخطر لهم البحث فيها.
• مقابلات خبراء الموضوع. قابلت Iknow خبراء الموضوع لتأكيد فهمها للمصطلحات والمترادفات، وجمع الملاحظات على مجموعة المصطلحات المستمدة من تعلم الآلة، وإضافة المصطلحات الغامضة أو تصحيحها أو حذفها استنادًا إلى مدخلات الخبراء تلك.
• اختيار المصطلحات وتأليف الأنطولوجيا. اختارت Iknow المصطلحات النهائية المستخدمة لوصف المحتوى والعلاقات بين المصطلحات، مستخدمة WebProtégé أداةً لتأليف الأنطولوجيا.
• تطوير الأنطولوجيا. بنت Iknow الأنطولوجيا يدويًا حول سبع فئات مترابطة تمثل البيانات التي يحتاجها المستخدمون المهندسون، هي Drainage Assets وBest Management Practices وMaster Deliverables وPractical Solutions Life Cycle وDrainage System وMaterials وProject Development Topic Areas، ملتقطةً أنواع علاقات تتجاوز بكثير التسلسل الهرمي البسيط، بما في ذلك علاقات تركيب المواد ومعالجة الأطراف والجزء والكل والنظام والعنصر وخطوات عمل دورة الحياة والمخرَج والموضوع.
• الإدخال والتصنيف. أدخلت Iknow الأنطولوجيا المكتملة في نظام التصنيف الآلي وصنّفت على أساسها مجموعة محتوى هندسة النقل الكاملة.

أصحاب المصلحة والتعاون

عملت Iknow متعاقدًا من الباطن لدى المتعاقد الرئيسي Spy Pond Partners، بالتعاون المباشر مع خبراء الموضوع في WSDOT للتحقق من المصطلحات وتأكيد أن علاقات الأنطولوجيا تعكس الممارسة الهندسية الفعلية.

إثبات تداخل المحتوى بالأدلة لا بالافتراض

لم يكن توحيد المحتوى المصنّف عبر 18 دليلًا يُصان كل منها بشكل مستقل يستحق المتابعة إلا إذا وُجد تداخل موضوعي حقيقي بينها، وكانت WSDOT بحاجة إلى إثبات قبل مزيد من الالتزام. عالجت Iknow ذلك بتطبيق تحليل صارم وكمي بتعلم الآلة، من تجميع عنقودي K-means ونمذجة موضوعات LDA عبر Scikit-learn، على المجموعة الكاملة، منتجة تحليلًا موضوعيًا لتوزيع الموضوعات عبر الأدلة أثبت مباشرة وجود تداخل كبير في المحتوى، محوّلة فرضية معقولة إلى استنتاج قائم على الأدلة يمكن الدفاع عنه قبل بدء أي بناء للأنطولوجيا.

التقاط علاقات لا يستطيع التصنيف الهرمي القياسي تمثيلها

تحمل المفاهيم الهندسية مثل العبّارات سمات متعددة متزامنة، من مادة وبنية ووظيفة وانتماء إلى نظام، لا يمكن لتصنيف هرمي مسطح بين أصل وفرع تمثيلها. عالجت Iknow ذلك ببناء أنطولوجيا حقيقية بدلًا من تصنيف هرمي، محددة سبعة أنواع متمايزة من العلاقات مصممة لغرضها، بحيث يمكن تمثيل المفاهيم بكامل ثراء سماتها الهندسية الحقيقية، لا بموقع واحد في تسلسل هرمي فحسب.

النتائج التشغيلية

• تحليل المحتوى عبر 18 دليلًا هندسيًا لدى WSDOT باستخدام التنقيب في النصوص والتحليل العنقودي، مع اختبار نموذجين متمايزين من تعلم الآلة غير الخاضع للإشراف.
• بناء أنطولوجيا من سبع فئات، هي Drainage Assets وBest Management Practices وMaster Deliverables وPractical Solutions Life Cycle وDrainage System وMaterials وProject Development Topic Areas، مع تحديد سبعة أنواع متمايزة من العلاقات تتجاوز التسلسل الهرمي البسيط بين الأصل والفرع.
• إدخال الأنطولوجيا في نظام التصنيف الآلي لدى WSDOT وتصنيف مجموعة المحتوى الهندسي الكاملة.

النتائج الاستراتيجية والتنظيمية

أثبت التحليل العنقودي وجود تداخل موضوعي كبير في المحتوى عبر الأدلة الثمانية عشر، بما يؤكد جدوى مجموعة موحدة ومصنفة تفاعليًا من المحتوى الهندسي. ووجد المستخدمون الوسوم والعلاقات الناتجة مفيدة حقًا لعملهم، وتحديدًا عند البحث عن المعلومات، بما أثبت المفهوم الأساسي لمشروع Iknow التجريبي السابق برعاية NCHRP على نطاق إنتاجي كامل، وفي تنفيذ أكبر بكثير وأكثر تطورًا من الناحية التقنية.

الوقت حتى تحقق الأثر

امتد مشروع Iknow نحو 20 شهرًا، بما يعكس العمق التقني للعمل، من التحليل الصارم للمجموعة النصية القائم على تعلم الآلة، مرورًا بالبناء اليدوي للأنطولوجيا، وصولًا إلى الإدخال والتصنيف الكاملين في بيئة الإنتاج، ويمثل تطورًا متعدد السنوات لبرنامج سهولة العثور على المعلومات لدى WSDOT الذي بدأ بالمشروع التجريبي السابق لـ NCHRP.

المهارات الأساسية

• تصميم الأنطولوجيات وتطويرها
• تحليل المحتوى القائم على تعلم الآلة
• تنفيذ التصنيف الآلي
• التصنيف ونمذجة المعرفة

الأساليب وأطر العمل

• التنقيب في النصوص والتحليل العنقودي (K-means وLatent Dirichlet Allocation)
• تمثيل النصوص بأسلوبي tf-idf وbag-of-words
• تطوير المصطلحات المتحقق منه من قبل خبراء الموضوع
• نمذجة أنطولوجيات غنية بالعلاقات

التقنيات والأدوات

• Python ‏(Scikit-learn وNumPy وSciPy)
• WebProtégé (تأليف الأنطولوجيات)
• أنظمة التصنيف الآلي