تحليل المشاعر في النصوص العربية: نموذج هجين يجمع بين المحولات والذاكرة طويلة قصيرة المدى لتحسين الدقة

يعد تحليل المشاعر، أو ما يعرف باستخراج الآراء، من أهم تطبيقات معالجة اللغات الطبيعية، إذ يتيح التعرف الآلي على المشاعر الإيجابية أو السلبية أو المحايدة المعبر عنها في البيانات النصية، وقد جعل انتشار شبكات التواصل الاجتماعي ومواقع المراجعات والمدونات هذه المنصات موارد غنية لاستخراج آراء الجمهور وتحليل اتجاهاتهم نحو المنتجات والخدمات والقضايا العامة

غير أن اللغة العربية تطرح تحديات خاصة أمام هذا النوع من التحليل بسبب نظامها الصرفي المعقد القائم على الاشتقاق والتصريف وتنوع اللهجات واختلاف أشكال الكلمة الواحدة، ولذلك تحتاج تقنيات تحليل المشاعر العربية إلى نماذج قادرة على استيعاب هذا التعقيد والتقاط السياق الدلالي بدقة، وهو ما يجعل هذا الموضوع ذا أولوية للباحثين العرب في مجالات الذكاء الاصطناعي وعلوم الحاسوب واللغويات الحاسوبية

وتتعدد مصادر النصوص التي يخضعها تحليل المشاعر للفحص، من تعليقات منصات التواصل وتقييمات المتاجر الإلكترونية إلى استطلاعات الرأي والمحتوى الإخباري، وقد دفعت وفرة هذه البيانات الباحثين إلى الانتقال من القواميس اليدوية البسيطة إلى نماذج التعلم العميق القادرة على فهم السياق والنفي والتراكيب المعقدة، غير أن قلة الموارد اللغوية العربية المصنفة بعناية ظلت عقبة أمام بلوغ دقة تضاهي ما تحقق في اللغات الأغنى موارد رقمية وأدوات معالجة

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى تطوير نموذج هجين لتحسين تحليل المشاعر في النصوص العربية بالجمع بين نماذج المحولات وتقنيات التعلم العميق، إذ تمثل الكلمات أولًا بوساطة نموذج أراب بيرت المبني على المحولات والمخصص لفهم اللغة العربية، ثم تمر المخرجات عبر نموذج الذاكرة طويلة قصيرة المدى لتعزيز نمذجة التسلسل والاحتفاظ بالاعتماديات بعيدة المدى داخل النص، وتلي ذلك شبكات عصبية أمامية التغذية وطبقة مخرجات للتصنيف النهائي، وقارنت الدراسة النموذج المقترح بخوارزميات تعلم آلي وخوارزميات تعلم عميق، وبأساليب تمثيل نصي متعددة شملت تردد المصطلح ومعكوس تردد الوثيقة وأراب بيرت ونموذج حقيبة الكلمات المستمرة وأسلوب تخطي الكلمات المجاورة، وذلك عبر أربع مجموعات بيانات عربية قياسية مرجعية، مع إجراء تجارب وتقييمات واسعة لأداء النماذج المتنافسة

ثانيًا: أبرز النتائج

1، حقق الإطار المقترح أداء استثنائيًا في تصنيف المشاعر، إذ تجاوزت نسبة دقته 97 في المئة على مجموعات البيانات العربية المستخدمة

2، أظهرت النتائج تحسينات دالة في دقة تحليل المشاعر مقارنة بخوارزميات التعلم الآلي والتعلم العميق الأخرى وبأساليب التمثيل النصي التقليدية المتنافسة

3، أسهم توظيف أراب بيرت في التقاط معلومات سياقية غنية من النص العربي، بينما عززت الذاكرة طويلة قصيرة المدى نمذجة التسلسل والاحتفاظ بالاعتماديات بعيدة المدى، فتكامل العنصران في رفع جودة التصنيف

4، أكدت التجارب المكثفة على مجموعات البيانات العربية فعالية النهج المقترح وقدرته على تقديم تحليل مشاعر أكثر دقة وموثوقية للنصوص العربية مقارنة بالبدائل المختبرة

ثالثًا: دلالات الدراسة وتطبيقاتها

تسهم الدراسة في تطوير تحليل المشاعر باللغة العربية بما يخدم تطبيقات واسعة مثل قياس رضا العملاء ومتابعة سمعة العلامات التجارية ورصد الرأي العام في المنصات العربية، كما تبرز إمكانات نماذج المحولات في معالجة اللغات ذات الصرف المعقد، وهو ما يفيد الباحثين العرب وطلاب الدراسات العليا عند تطوير أدوات لغوية عربية في مجالات التسويق الرقمي والإعلام والخدمات الحكومية الذكية، ويشجع هذا الاتجاه على بناء مجموعات بيانات عربية أغنى وأكثر تنوعًا، وتوسيع النماذج لتشمل اللهجات المحلية وأشكال التعبير المختلفة في المحتوى العربي المنشور عبر القنوات الرقمية

وتفتح هذه النتائج أمام الباحثين العرب مسارات تطبيقية واعدة، منها تطوير أنظمة إنذار مبكر لأزمات السمعة في المؤسسات، وتحليل اتجاهات الجمهور والمستهلكين، وتوظيف تحليل المشاعر في تقويم الخدمات التعليمية والصحية عبر منصات التغذية الراجعة، كما تستدعي الانتباه إلى تحديات اللهجات العربية المتنوعة والمحتوى الممزوج بلغات أجنبية الذي ينتشر في المنصات العربية ويحتاج إلى نماذج مدركة لهذا التنوع اللغوي

وخلاصة القول إن الجمع بين تمثيلات المحولات السياقية وقدرات الذاكرة طويلة قصيرة المدى على نمذجة التسلسل يقدم مسارًا واعدًا لرفع دقة تحليل المشاعر العربية، وإن نتائج هذه الدراسة تمثل خطوة عملية نحو أدوات عربية أذكى لفهم النصوص وتحليل اتجاهات جمهورها