هل سبق لك أن تساءلت عن كيفية تصدي منصات التواصل الاجتماعي الصينية لتعليقات المستخدمين الهجومية؟ إن الإجابة تكمن في دراسة حديثة استعرضت طريقة مبتكرة تعتمد على نماذج الذكاء الاصطناعي، وقد تم نشرها على منصة arXiv.

تعاني منصات مثل Weibo وXiaohongshu وTieba وZhihu من تدهور الأداء في اكتشاف التعليقات التي تحمل طابعاً هجومياً. لكن الباحثين قدموا حلاً فعّالاً من خلال تطوير طريقة تعدين ثنائية العتبة (dual-threshold hard example mining) لاكتشاف هذه التعليقات بشكل أكثر دقة.

أولاً، تم تعديل نموذج RoBERTa المصمم للغة الصينية (clean-Chinese-base RoBERTa) باستخدام مجموعة بيانات COLD لإنشاء معيار ثنائي لمقارنة الأداء. وبعد ذلك، تم بناء مجموعة اختبار ثلاثية التصنيفات تغطي منصات التواصل المذكورة، بحيث تم تنفيذ تحليلات لتحديد المسافات بين المجالات باستخدام قياسات مثل Jaccard وProxy-A Distance. وقد تم الكشف عن النقاط الحرجة التي تؤدي إلى تدهور الأداء عند انتقال البيانات بين المجالات.

استراتيجية التعدين المقترحة تركز على تصفية العينات التي يحتمل أن تكون خطأ بناءً على مستوى الثقة في التوقعات. مما يسمح للمطورين بتحسين النموذج باستخدام مجموعة صغيرة من العينات المُعَلّمة يدوياً، مما يساهم في تحقيق تكيف فعال بين المنصات بتكلفة منخفضة.

من خلال التجارب، أظهرت النتائج تحسينات ملحوظة في الأداء عبر الأربع منصات، مما يفتح آفاقاً جديدة لفهم أفضل وكيفية إدارة المحتوى في البيئات الرقمية.

هل تعتقد أن هذه الاستراتيجية ستكون فعّالة في منصات أخرى أيضًا؟ شاركونا آرائكم في التعليقات!