FusionBullyNet: A Robust English—Arabic Cyberbullying Detection Framework Using Heterogeneous Data and Dual-Encoder Transformer Architecture with Attention Fusion

تمهيد

أصبح التنمر الإلكتروني تهديدًا واسع الانتشار على منصات التواصل الاجتماعي، يمس سلامة المستخدمين ورفاههم في أنحاء العالم، وتتعاظم خطورته مع ضخامة المحتوى المتدفق يوميًا وصعوبة الإشراف اليدوي عليه، غير أن معظم الدراسات القائمة تركز على المحتوى أحادي اللغة، مما يحد من قابلية تطبيقها على البيئات الرقمية الواقعية التي تختلط فيها اللغات ويتبادل فيها المستخدمون العربية والإنجليزية في السياق ذاته

ويشكل المحتوى باللغتين الإنجليزية والعربية حصة ضخمة من التواصل الرقمي العالمي، ومن ثم فإن غياب أنظمة كشف ثنائية اللغة عن الإساءات يترك فجوة حماية واسعة، ويتطلب سدها معالجة تحديات خاصة بكل لغة في صرفها وتراكيبها وتعبيراتها العامية، مع بناء نماذج قابلة للتوسع ومتينة الأداء، وهي الفجوة التي تصدت لها هذه الدراسة بمنهج كشف ثنائي اللغة يجمع بين دمج البيانات ونماذج المحولات العميقة

أولًا: أهداف الدراسة ومنهجيتها

هدفت الدراسة إلى تطوير منهج دقيق لكشف المحتوى المسيء في البيئات ثنائية اللغة، فجمع الباحثون مجموعات بيانات عدة وعولجت وعُززت بزيادة البيانات قبل بناء المنهج المقترح، وقام النموذج المقترح المسمى FusionBullyNet على الضبط الدقيق لنموذجي محولات هما RoBERTa الأساسي ونموذج AraBERT في صورته الثانية المخصصة لتويتر، مع دمج قائم على تقنية الانتباه، وفك تجميد تدريجي لطبقات النموذج، وتنعيم للتسميات بهدف تعزيز قدرة النموذج على التعميم

ولتقييم متانة الأداء درّب الباحثون أيضًا نماذج متعددة اللغات حديثة هي XLM-RoBERTa الأساسي ونموذج DeBERTa متعدد اللغات من مايكروسوفت ونموذج BERT متعدد اللغات محفوظ الحالة، إضافة إلى نماذج تعلم آلي تقليدية من بينها الانحدار اللوجستي ومصنفا XGBoost وLightGBM، وقورنت النماذج جميعًا بمقاييس الدقة ودرجات F1 ومساحة ما تحت منحنى خصائص التشغيل للمستقبل

واستند بناء النموذج إلى قناعة منهجية مفادها أن المحتوى العربي والإنجليزي يختلفان في خصائصهما اللغوية اختلافًا يستحق تمثيلًا مخصصًا لكل لغة، فبدل الاكتفاء بنموذج متعدد اللغات عام، جُمع بين نموذج مدرب على الإنجليزية وآخر مضبوط على بيانات عربية من منصات التواصل ذاتها، ثم رُبط النموذجان بآلية دمج انتباهي توازن بين إشاراتهما، مع فك تجميد تدريجي للطبقات وتنعيم للتسميات يحدّان من فرط التخصيص ويحسّنان سلوك النموذج أمام الأمثلة الحدّية غير المؤكدة

ثانيًا: أبرز النتائج

حقق النموذج المقترح FusionBullyNet دقة اختبار قدرها 0.86، ودرجات F1 بلغت 0.83 لفئة التنمر و0.88 لفئة عدم التنمر، ومساحة كلية تحت منحنى خصائص التشغيل للمستقبل قدرها 0.929، وهي أرقام تضع النموذج في صدارة المقارنات التي أجرتها الدراسة وتثبت جدوى دمج نموذجين محولين أحدهما مخصص للعربية بآلية انتباه

وحين قورن النموذج بالبدائل حققت النماذج متعددة اللغات المدربة في الدراسة دقة اختبار قدرها 0.84 جميعًا، بينما بلغت أعلى دقة لنماذج التعلم الآلي التقليدية 0.82 وحققها الانحدار اللوجستي ومصنفا XGBoost وLightGBM، وبذلك تفوق النموذج المقترح على النماذج متعددة اللغات العامة وعلى النماذج التقليدية معًا، مما يدل على قيمة التخصص اللغوي المزدوج وتقنيات الدمج بالانتباه وفك التجميد التدريجي في رفع الأداء

وتؤكد هذه المقارنة أن الاستثمار في نماذج متخصصة لكل لغة على حدة مع دمج انتباهي بينها أجدى من الاكتفاء بالنماذج العامة متعددة اللغات، وهي خلاصة عملية لمطوري أنظمة حماية المستخدمين والإشراف على المحتوى الرقمي المعاصر بمختلف منصاته وسياقاته

ثالثًا: دلالات الدراسة وتطبيقاتها

تثبت النتائج أن المنهج المقترح يقدم حلًا موثوقًا عالي الأداء لكشف التنمر الإلكتروني في المحتوى العربي والإنجليزي المختلط، بما يسهم في بيئات تواصل رقمي أكثر أمانًا، وتصلح بنيته أساسًا لأنظمة إشراف آلي على المنصات الاجتماعية ومنتديات التعليم والتعلم عن بُعد، كما يقدم دليلًا تطبيقيًا للمطورين على أن دمج نماذج لغوية متخصصة يتفوق على النماذج متعددة اللغات العامة في مهام تصنيف النصوص ثنائية اللغة

وتزداد قيمة هذه النتائج بالنظر إلى طبيعة البيانات غير المتجانسة التي دُرّبت عليها النماذج، فقد جاءت من مصادر متعددة بعد دمج ومعالجة وزيادة، وهو ما يجعل تفوق النموذج المقترح دليلًا على متانته أمام اختلاف مصادر المحتوى وأنماطه، لا على تخصصه الضيق في مجموعة واحدة، ويقربه من ظروف النشر الفعلية التي تختلط فيها اللهجات واللغات والأساليب على المنصات الاجتماعية كل يوم

وخلاصة القول إن إطار FusionBullyNet القائم على محولين متخصصين ودمج بالانتباه حقق أفضل أداء موثق في الدراسة لكشف التنمر الإلكتروني ثنائي اللغة، متفوقًا على النماذج متعددة اللغات والتقليدية، بما يجعله حلًا عمليًا واعدًا لحماية المستخدمين في البيئات الرقمية المختلطة اللغات