کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

بهینه‌سازی چهارچوب مدل ذخیره‌سازی اسناد بزرگ XML با استفاده از مدل‌های زبانی بزرگ

نویسندگان :

محمدجواد باقری درزی محله¹ مرضیه قویدل² مرضیه فریدی ماسوله³

1- موسسه آموزش عالی احرار رشت 2- دانشگاه ملی مهارت 3- موسسه احرار رشت

کلمات کلیدی :

مدل زبانی بزرگ (LLM)،FAISS،XML،ذخیره سازی

چکیده :

با گسترش داده‌های ساختاریافته در قالب XML و افزایش حجم اطلاعات در وب، نیاز به روش‌های نوین ذخیره‌سازی و جستجوی معناگرا بیش از پیش احساس می‌شود. در این پژوهش، مدلی مبتنی بر «مدل‌های زبانی بزرگ» (LLM) و زبان برنامه‌نویسی پایتون ارائه شده است که با بهره‌گیری از بردارسازی معنایی (Semantic Embedding) و پایگاه داده برداری FAISS، به بهینه‌سازی ذخیره‌سازی و بازیابی اسناد بزرگ XML می‌پردازد. هدف اصلی، کاهش حجم داده‌ها، افزایش سرعت پردازش، بهبود امنیت و ارتقای قابلیت جستجوی معنایی در مقایسه با روش‌های سنتی مانند Xpath و Xquery است. برای ارزیابی عملکرد مدل، آزمایش‌هایی در سه سطح (۱۰۰، ۱۰۰۰ و ۵۰۰۰ منبع) انجام شد و نتایج با روش EXI مقایسه گردید. نتایج نشان داد مدل پیشنهادی علاوه بر حفظ دقت و ثبات، توانسته است پیچیدگی و حجم فایل‌های XML را به‌طور قابل توجهی کاهش دهد و زمان پاسخ‌دهی به کوئری‌ها را بهبود بخشد. همچنین رمزنگاری ایندکس‌های FAISS موجب افزایش امنیت داده‌ها بدون تحمیل سربار پردازشی چشمگیر شد. در مجموع، این مدل با ترکیب توانایی‌های LLM و ساختار برداری، بستری کارآمد برای ذخیره‌سازی، تحلیل و جستجوی معناگرای اسناد XML فراهم کرده است که می‌تواند زمینه‌ساز توسعه سامانه‌های هوشمندتر در حوزه‌های مرتبط با داده‌های وب باشد.