تعد مهمة تصحيح الأخطاء النحوية في معالجة اللغة الطبيعية مهمة جوهرية لأنها تستهدف رفع دقة اللغة المكتوبة ووضوحها، غير أن تطوير إطار لتصحيح الأخطاء النحوية للغات منخفضة الموارد يواجه تحديات كبيرة بسبب ندرة بيانات التدريب المتاحة، وتقترح هذه الدراسة إطارًا جديدًا لتصحيح الأخطاء النحوية في اللغات منخفضة الموارد متخذة العربية دراسة حالة، وتعالج في الوقت نفسه قيدين معروفين في النموذج الكلاسيكي القائم على الترميز وفك الترميز التسلسلي، هما المخرجات غير المتوازنة الناتجة عن فك الترميز أحادي الاتجاه، وانحياز التعرض أثناء الاستدلال، وذلك عبر منهج يجمع بين توليد البيانات الاصطناعية وتقطير المعرفة من الترجمة الآلية العصبية
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى بناء إطار فعال لتصحيح الأخطاء النحوية في اللغات منخفضة الموارد، ولتحقيق ذلك اقترح الباحثون منهج تشويش شبه خاضع للإشراف يسمى التوزيع المتساوي للأخطاء الاصطناعية، يولد مدى واسعًا من بيانات التدريب المتوازية بما يعوض ندرة البيانات الحقيقية المصححة، كما طبقت الدراسة تقنية تقطير المعرفة المستعارة من الترجمة الآلية العصبية لمعالجة قيدي النموذج الكلاسيكي، مستخدمة فاكي ترميز اثنين، أحدهما أمامي يعمل من اليمين إلى اليسار والآخر خلفي يعمل من اليسار إلى اليمين، مع قياس اتفاقهما باستخدام تباعد كولباك لايبلر حدًا تنظيميًا في دالة الهدف، وبذلك يتعلم النموذج إنتاج تصحيحات متوازنة الاتجاه لا تنحاز إلى اتجاه قراءة واحد، ويقل أثر انحياز التعرض الذي يظهر حين يختلف توزيع بيانات التدريب عن مواقف الاستدلال الفعلية، وقوّم الإطار على معيارين قياسيين معترف بهما في مهمة تصحيح الأخطاء النحوية
ثانيًا: أبرز النتائج
أظهرت النتائج التجريبية على المعيارين القياسيين أن الإطار المقترح يتفوق على نموذج المحول الأساسي وعلى تقنيتين واسعتي الاستخدام لفك الترميز ثنائي الاتجاه، هما فك الترميز ثنائي الاتجاه غير المتزامن وفك الترميز ثنائي الاتجاه المتزامن، كما سجل الإطار المقترح أعلى درجة في مقياس إف واحد بين المناهج المقارنة، وأدى توليد البيانات الاصطناعية باستخدام تقنية التوزيع المتساوي للأخطاء النحوية إلى تحسن ملموس في الأداء، وهو ما يؤكد أن مشكلة ندرة البيانات في اللغات منخفضة الموارد يمكن التخفيف منها بتوليد أخطاء اصطناعية موزعة بعناية تحاكي أنماط الأخطاء الحقيقية، وأن الجمع بين هذا التوليد وتقطير المعرفة ثنائي الاتجاه يرفع جودة التصحيح النحوي رفعًا يتجاوز ما تحققه المكونات منفردة أو النماذج الأساسية الشائعة
ثالثًا: دلالات الدراسة وتطبيقاتها
تبرهن هذه النتائج على فعالية الإطار المقترح في تحسين تصحيح الأخطاء النحوية للغات منخفضة الموارد، وللعربية على وجه الخصوص، وهو ما يفتح الباب أمام أدوات كتابة ذكية أدق للمتعلمين والكتاب الناطقين بالعربية، ومساعدات تحرير لغوي في التعليم والنشر والمنصات الرقمية، كما أن مكونات الإطار قابلة للنقل إلى لغات أخرى تعاني ندرة بيانات التصحيح، إذ لا يعتمد التوزيع المتساوي للأخطاء الاصطناعية ولا تقطير المعرفة ثنائي الاتجاه على خصائص حصرية بالعربية، ومن ثم تقدم الدراسة وصفة منهجية عامة لبناء أنظمة تصحيح نحوي في بيئات شحيحة البيانات، مع إبراز قيمة الجمع بين هندسة البيانات الاصطناعية وتحسين بنية النموذج في آن واحد بدل الاكتفاء بأحدهما
ويتضح من بنية الإطار أن مشكلة اللغات منخفضة الموارد مزدوجة، فهي من جهة ندرة في البيانات المصححة التي يتعلم منها النموذج، ومن جهة أخرى قيود بنيوية في نماذج التصحيح الكلاسيكية تظهر حتى مع توافر البيانات، ولهذا عالجت الدراسة الجبهتين معًا، فوسعت البيانات بتقنية التوزيع المتساوي للأخطاء الاصطناعية التي تولد أخطاء متنوعة موزعة بتوازن يحاكي التوزيع الطبيعي للأخطاء النحوية، وعالجت البنية بتقطير المعرفة الذي يجعل فاكي الترميز المتعاكسين يعلمان أحدهما الآخر حتى تستقيم مخرجات التصحيح في الاتجاهين، وتشير نتيجة مقياس إف واحد الأعلى إلى أن هذا الجمع حقق توازنًا أفضل بين دقة التصحيح وشموله، فلم يفرط في تصحيح ما هو صحيح ولم يترك أخطاء ظاهرة دون معالجة، وهي معادلة دقيقة في مهام التحرير اللغوي الآلي
وخلاصة القول إن الدراسة قدمت إطارًا متكاملًا لتصحيح الأخطاء النحوية في اللغات منخفضة الموارد يجمع بين توليد بيانات متوازية واسعة بتقنية التوزيع المتساوي للأخطاء الاصطناعية، وتقطير معرفة بفاكي ترميز متعاكسي الاتجاه يقاس اتفاقهما بتباعد كولباك لايبلر، فتفوق على نموذج المحول الأساسي وعلى تقنيات فك الترميز ثنائي الاتجاه الشائعة وسجل أعلى درجة في مقياس إف واحد على معيارين قياسيين، مؤكدًا إمكان بناء أدوات تصحيح عربية فعالة رغم ندرة البيانات
