यह शोधपत्र गहन अधिगम-आधारित अर्थगत विभाजन में अनिश्चितता मॉडलिंग की एक व्यापक समीक्षा प्रस्तुत करता है। अर्थगत विभाजन में हालिया प्रगति के बावजूद, अधिकांश मॉडल बायेसियन मान्यताओं को शिथिल कर देते हैं, जिससे निर्णय लेने के लिए आवश्यक महत्वपूर्ण अनिश्चितता संबंधी जानकारी छूट जाती है। बिंदु अनुमानों पर इस निर्भरता ने संभाव्यतागत विभाजन में रुचि जगाई है, लेकिन संबंधित शोध अभी भी खंडित है। यह शोधपत्र अनिश्चितता मॉडलिंग की मूलभूत अवधारणाओं को एकीकृत और प्रासंगिक बनाता है, जिसमें ज्ञानात्मक अनिश्चितता को अस्थाई अनिश्चितता से अलग करने का कार्य भी शामिल है, और सक्रिय अधिगम जैसे चार प्रमुख उप-विभाजन कार्यों में इसकी भूमिका पर प्रकाश डालता है। यह सिद्धांत, शब्दावली और अनुप्रयोगों को एकीकृत करके शोधकर्ताओं के लिए एक सुसंगत आधार प्रदान करता है, और स्थानिक एकत्रीकरण की प्रबल मान्यताओं, मानकीकृत मानदंडों के अभाव और वर्तमान अनिश्चितता परिमाणीकरण विधियों की कमियों जैसी महत्वपूर्ण चुनौतियों की पहचान करता है। हम जनरेटिव मॉडलों को अपनाने और अनिश्चितता अनुमान के लिए वितरण- और नमूना-मुक्त दृष्टिकोणों में बढ़ती रुचि जैसे रुझानों का अवलोकन करते हैं। हम गहन शिक्षण में अनिश्चितता-जागरूक विभाजन को आगे बढ़ाने के लिए दिशा-निर्देश भी सुझाते हैं, जिसमें अनिश्चितता के विभिन्न स्रोतों को अलग करने की व्यावहारिक रणनीतियाँ, नए अनिश्चितता मॉडलिंग दृष्टिकोण और बेहतर ट्रांसफ़ॉर्मर-आधारित आधार शामिल हैं। अंततः, हमारा लक्ष्य अधिक विश्वसनीय, कुशल और व्याख्या योग्य विभाजन मॉडल के विकास का समर्थन करना है।
