تنبؤ الاتجاهات الناشئة: اكتشاف قوي يعتمد على التعلم الآلي الآلي

في عصر تتسارع فيه وتيرة التطورات، تجد الشركات والباحثون وصانعو السياسات أنفسهم بحاجة ملحة لتوقع الاتجاهات الناشئة. لكن تواجه الطرق التقليدية صعوبات في التكيف والنمو. لذا، انطلق هذا البحث ليقدم إطار عمل متقدماً يعتمد على التعلم الآلي الآلي (AutoML)؛ نظام مصمم لاستخراج الرؤى من مجموعات بيانات نصية ذات سمات زمنية.

يبدأ النظام بعملية معالجة وتحليل البيانات، حيث يقوم بتضمين الإدخالات النصية المتخصصة التي ترافقها حقل الزمان. بعد ذلك، يتم استخدام AutoClustering الذي يعتمد على التعلم الآلي لاختيار أفضل خوارزمية لتجميع البيانات.

يتبع ذلك AutoTopicModeling الذي يقوم بتطبيق أساليب الاقتطاع المتتالي لتحديد أفضل طريقة لنمذجة الموضوعات مثل تخصيص ديريشليت (LDA) وتحليل الدلالات الكامنة (LSA) وBERTopic. كما يتم استخدام تقنيات تحليل المصفوفات غير السلبية (NMF) بناءً على درجات التماسك لكل مجموعة.

أما بالنسبة لتوقع الاتجاهات، فإن AutoTrendAnalysis يقيم نماذج متعددة مثل Facebook Prophet وARIMA وSTL وLSTM، وذلك لتحديد النماذج الأكثر دقة بناءً على متوسط الخطأ التربيعي الجذري (RMSE).

بفضل التصنيف المدروس، يتم تصنيف المواضيع إلى إشارات قوية، إشارات ضعيفة، أو ضجيج، مما يمكن من التعرف على الاتجاهات الناشئة بدقة. هذه الأبحاث لا تعمل فقط على تحسين دقة توقعات الاتجاهات، بل تعمل أيضاً على تقليل الجهد اليدوي المطلوب.

تظهر النتائج التجريبية أن أفضل تجربة للنظام المقترح تحقق أخيراً RMSE يعادل 7.099، مما يشير إلى دقة تنبؤية عالية، مما يجعله حلاً جذاباً وسهل الاستخدام يناسب التطبيقات الوقت الحقيقي وأصحاب المصلحة الذين لديهم خبرة محدودة في مجال التعلم الآلي.