يُعد تصنيف النصوص البنغالية المتناثرة تحديًا مهمًا في معالجة اللغة الطبيعية، ولا سيما أن اللغة البنغالية من اللغات منخفضة الموارد التي لا تتوفر لها مجموعات بيانات وأدوات بالقدر المتاح للغات واسعة الانتشار، ويزداد التحدي حين تكون النصوص قصيرة ومتناثرة مثل عناوين الأخبار، إذ تحمل كل كلمة وزنًا كبيرًا في تحديد فئة العنوان، وحين تكون مجموعات البيانات مشوبة بالضجيج الذي يتطلب معالجة مسبقة دقيقة قبل أي نمذجة
وتركز هذه الدراسة على تصنيف النصوص البنغالية المتناثرة، مع التأكيد على قابلية التفسير في معالجة اللغة الطبيعية للغات منخفضة الموارد، إذ لا يكفي أن يصنف النموذج العناوين بدقة، بل ينبغي أن يكون بالإمكان فهم سبب تصنيفه على هذا النحو، وتعزيز الشفافية والثقة في النتائج، وهو ما يجعل قابلية التفسير جزءًا أساسيًا من التصميم لا إضافة تجميلية إليه
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تصنيف عناوين الأخبار البنغالية بدقة عالية مع ضمان قابلية تفسير التنبؤات، وذلك من خلال مقارنة ثلاثة مستويات من النماذج، بدءًا من نماذج التعلم الآلي الخاضعة للإشراف بوصفها خطًا مرجعيًا، ثم شبكات الذاكرة الطويلة قصيرة المدى من مجال التعلم العميق، ثم نماذج المحولات المصممة للتعلم التسلسلي، وهو تدرج منهجي يتيح رؤية ما يضيفه كل مستوى من تعقيد إلى الأداء والتفسير معًا
واعتمدت الدراسة على جمع مقالات إخبارية بنغالية حديثة من الإنترنت لإعداد مجموعة البيانات، وإجراء هندسة خصائص واسعة، ومعالجة مسبقة كبيرة نظرًا للضجيج الكامن في مجموعات البيانات البنغالية، وقد أتاح هذا الإعداد الدقيق مقارنة عادلة بين النماذج، وتقييمًا موثوقًا لأدائها، قبل الانتقال إلى مرحلة التفسير التي تمثل جوهر إسهام الدراسة
ثانيًا: أبرز النتائج
1، حقق نموذج إكس إل إم روبيرتا الأساسي أعلى دقة بين النماذج المختبرة، إذ بلغت دقته 0.91، وهو ما يؤكد إمكانات نماذج المحولات في التعامل مع اللغات منخفضة الموارد، وقدرتها على التقاط الأنماط اللغوية الدقيقة في النصوص القصيرة، متفوقة على النماذج المرجعية التقليدية ونماذج التعلم العميق الأقدم
2، أظهرت المقارنة أن نماذج التعلم العميق تتفوق على النماذج المرجعية في تصنيف النصوص البنغالية، لكن التفوق الأكبر تحقق مع نماذج المحولات، مما يبين أن التقدم في هذا الميدان لا يأتي من زيادة التعقيد وحده، بل من المعماريات المصممة خصيصًا لفهم السياق التسلسلي للغة، وهو ما يفيد الباحثين في اختيار النماذج المناسبة للغات مشابهة
3، وظفت الدراسة تقنيات الذكاء الاصطناعي القابل للتفسير لتفسير تنبؤات النموذج، مما عزز الشفافية والثقة في نتائج التصنيف، إذ لم يعد النموذج صندوقًا أسود يصدر أحكامًا دون تعليل، بل صار بالإمكان فحص الأسس التي قام عليها كل تصنيف، وهو ما يزيد من قبول هذه الأنظمة في التطبيقات العملية
4، استُخدمت تقنية لايم، وهي اختصار للتفسيرات المحلية المستقلة عن النموذج، لتحديد الخصائص الأساسية والكلمات الأكثر وزنًا والمسؤولة عن تصنيف عناوين الأخبار، وقد أكدت هذه التقنية دقة نتائج تصنيف الأخبار البنغالية، إذ تبين أن الكلمات التي اعتمد عليها النموذج هي كلمات ذات دلالة حقيقية على الفئة، لا ارتباطات سطحية عابرة
ثالثًا: دلالات الدراسة وتطبيقاتها
تفيد هذه النتائج مطوري أنظمة معالجة اللغة الطبيعية للغات منخفضة الموارد، إذ تقدم دليلًا عمليًا على أن نماذج المحولات، مقترنة بتقنيات التفسير، يمكن أن تحقق أداءً عاليًا وشفافية معًا، وأن الاستثمار في إعداد البيانات والمعالجة المسبقة لا يقل أهمية عن اختيار النموذج نفسه، ولا سيما حين تكون البيانات مشوبة بالضجيج
كما تفيد هذه النتائج المؤسسات الإخبارية ومنصات المحتوى التي تتعامل مع اللغة البنغالية، إذ تبين أن التصنيف الآلي القابل للتفسير يمكن أن يدعم تنظيم المحتوى واكتشافه ومراقبته، مع إمكانية تدقيق القرارات الآلية والاعتراض عليها عند الحاجة، وهو ما يجعل الأتمتة أكثر مسؤولية وأقل عرضة للأخطاء غير المرئية
وخلاصة القول، تؤكد هذه الدراسة إمكانات نماذج التعلم العميق في النهوض بتصنيف النصوص للغة البنغالية، وتؤكد الدور الحاسم لقابلية التفسير في الحلول المدعومة بالذكاء الاصطناعي، فالنموذج الجيد ليس هو الذي يصيب وحده، بل هو الذي يصيب ويستطيع أن يشرح لماذا أصاب، وأن يكسب ثقة مستخدميه من خلال الشفافية لا من خلال الغموض
