الترجمة العربية:يهدف التجزئة الدلالية غير المراقبة إلى تحقيق تجميع دلالي عالي الجودة دون الحاجة إلى تسميات بشرية. ومع ظهور التدريب الذاتي المسبق، استخدمت العديد من الأطر الخصائص المدربة مسبقًا لتدريب الرؤوس التنبؤية للتنبؤ الكثيف غير المراقب. ومع ذلك، يكمن تحدي كبير في هذا الإعداد غير المراقب في تحديد المستوى المناسب للتجميع المطلوب لتجزئة المفاهيم. لحل هذه المشكلة، نقترح إطارًا جديدًا يُدعى "التجزئة الدلالية غير المراقبة السببية" (CAUSE)، والذي يستفيد من رؤى الاستدلال السببي. بشكل خاص، نربط النهج المستند إلى التدخل (أي تعديل الباب الأمامي) لتعريف مهمتين ذات خطوتين مناسبتين للتنبؤ غير المراقب. تتضمن الخطوة الأولى بناء كتاب مجموعات مفاهيم كمتوسط، والذي يمثل نماذج مفاهيم محتملة على مستويات مختلفة من الدقة في شكل متقطع. ثم يقوم المتوسط بإنشاء رابط صريح مع التعلم الذاتي التالي للمفاهيم للتجزئة على مستوى البكسل. من خلال التجارب والتحليلات الواسعة على مجموعة متنوعة من قواعد البيانات، نؤكد فعالية CAUSE ونحقق أداءً رائدًا في التجزئة الدلالية غير المراقبة.ملاحظات:- تم استخدام المصطلح "كتاب مجموعات مفاهيم" (concept clusterbook) كترجمة لمصطلح "concept clusterbook" حيث أنه ليس شائعًا جدًا في اللغة العربية.- تم استخدام المصطلح "تعديل الباب الأمامي" (frontdoor adjustment) كترجمة لمصطلح "frontdoor adjustment"، وهو أيضًا ليس شائعًا جدًا ولكنه يستخدم في مجال الاستدلال السببي.- تم الحفاظ على اسم الإطار "CAUSE" كما هو وتقديمه بين قوسين بعد الترجمة العربية لتوضيح المصطلح الأصلي.