تمهيد
تتمثل مهمة كشف تغير الأسلوب في تحديد المواضع التي يتغير عندها أسلوب الكتابة داخل الوثائق متعددة المؤلفين، وهي مهمة ذات تطبيقات واسعة في كشف الانتحال والأمن والتجارة، إذ تساعد على التمييز بين مقاطع كتبها أشخاص مختلفون داخل النص الواحد، وقد أحدث دخول النماذج اللغوية الكبيرة القائمة على فك التشفير تحولًا محوريًا في تطبيقات معالجة اللغة الطبيعية، غير أن هذه النماذج تقيد عادة طول الإدخال المسموح، فتتجاوز النصوص الطويلة هذا الحد المقيد وتتعذر معالجتها دفعة واحدة، وهي عقبة عملية أمام توظيف قوتها في مهمة كشف تغير الأسلوب التي تتعامل غالبًا مع وثائق طويلة
ومن هنا تسعى هذه الدراسة إلى سد هذه الفجوة واستثمار قدرات النماذج اللغوية الكبيرة في هذه المهمة عبر حل مقترح يركز على الحدود بين المقاطع بوصفها مواضع التغير المحتملة، بدل معالجة الوثيقة كاملة بلا تمييز
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تكييف النماذج اللغوية الكبيرة القائمة على فك التشفير لمهمة كشف تغير الأسلوب بكفاءة تتجاوز قيد طول الإدخال، فاقترح الباحثون حلًا سموه التكييف المركز على الحدود للنماذج اللغوية الكبيرة لكشف تغير الأسلوب، ويقوم على تمثيل حدود المقاطع في نماذج الكشف بدمج مقطعين متتاليين في صورة أزواج، ثم اقتطاع الإدخالات الطويلة بالإبقاء على النصوص القريبة من الحد المفحوص وإزالة النصوص الواقعة على الجانبين البعيدين، بما يبقي السياق ذا الصلة ويخفض طول الإدخال دون الإخلال بالإشارة الحاسمة، وجرى تكييف النماذج باستخدام تقنية التكييف الكمي منخفض الرتبة المعروفة اختصارًا بـ QLoRA التي تجعل ضبط النماذج الكبيرة ميسورًا حسابيًا، ودُرب الحل المقترح على ثلاث مجموعات بيانات من سلسلة PAN المتخصصة في مهام تحليل النصوص، وقورن أداؤه بأقوى الحلول المتقدمة في هذا المجال وفق مقياس F1، كما دُرب على مجموعة بيانات عربية لكشف تغير الأسلوب تضم ثلاثة مستويات من الصعوبة
ثانيًا: أبرز النتائج
أظهرت نتائج المقارنة أن الحل المقترح حقق أداء متميزًا، ويمكن إجمال أبرز النتائج في الآتي: (1) حقق الحل أفضل نتائج الأداء وفق مقياس F1 على مجموعتي PAN 2021 وPAN 2022/D1 متفوقًا على أقوى الحلول المتقدمة القائمة في المهمة، (2) حصل على نتائج تنافسية على مجموعة PAN 2022/D3 دون أن يتصدرها، بما يدل على متانة الأداء عبر نسخ مختلفة من بيانات التقييم، (3) على مجموعة البيانات العربية حقق الحل درجة F1 تجاوزت 0.99 على الأمثلة السهلة، وهو أداء شبه تام في اكتشاف حدود تغير الأسلوب ضمن هذا المستوى من الصعوبة، بما يشير إلى قابلية النهج للنقل إلى اللغة العربية رغم خصوصياتها الأسلوبية والصرفية
ثالثًا: دلالات الدراسة وتطبيقاتها
تثبت هذه النتائج أن التركيز على الحدود واقتطاع السياق البعيد يتيحان توظيف النماذج اللغوية الكبيرة في مهام تحليل الوثائق الطويلة دون التضحية بمواضع الإشارة المهمة، وأن التكييف الكمي منخفض الرتبة يجعل هذا التوظيف ممكنًا بكلفة حسابية معتدلة، وهي دلالة عملية لتطبيقات كشف الانتحال التي تحتاج إلى تحديد مواضع اختلاط الأساليب بدقة، ولتطبيقات الأمن والتحقق من نسبة النصوص في البيئات التجارية والتحريرية، كما يفتح نجاح الحل على البيانات العربية بابًا لتطوير أدوات كشف أسلوبي عربية موثوقة تدعم فحص الرسائل والمقالات والوثائق متعددة المؤلفين، ويمهد لمزيد من البحث في مستويات الصعوبة الأعلى وفي وثائق أطول وأكثر تنوعًا في الأساليب
وتتفرع عن هذه النتائج تطبيقات عملية واسعة، ففي مجال كشف الانتحال والتحقق من نسبة النصوص يستطيع الحل المقترح تحديد المواضع التي تنتقل فيها الكتابة من مؤلف إلى آخر داخل الوثيقة الواحدة بدقة عالية، وهو ما يفيد الجامعات ودور النشر والجهات الأمنية والتجارية التي تتعامل مع وثائق طويلة متعددة المساهمين، كما أن خفض طول الإدخال بالتركيز على جوار الحدود يقلل الكلفة الحسابية ويجعل تشغيل النماذج الكبيرة على أجهزة محدودة الموارد أمرًا ممكنًا، وهي ميزة مضاعفة الأهمية لمجموعات البحث في البيئة العربية التي تواجه أصلًا ندرة في الموارد الحاسوبية والبيانات المشروحة، ويشجع نجاح التكييف على البيانات العربية بمستويات صعوبتها المتدرجة على بناء مجموعات عربية أوسع وأدوات كشف أسلوبي عربية ناضجة قابلة للتوظيف في فحص الرسائل الجامعية والمقالات والوثائق الرسمية متعددة المؤلفين على نطاق واسع
وخلاصة القول إن الدراسة تقدم حلًا فعالًا يكيف النماذج اللغوية الكبيرة لكشف تغير الأسلوب عبر التركيز على الحدود واقتطاع السياق البعيد، محققًا أفضل الأداء على مجموعات قياسية معروفة وأداء شبه تام على الأمثلة العربية السهلة
