أصبح تحليل المشاعر المعتمد على الجوانب (Aspect-Based Sentiment Analysis - ABSA) أحد المجالات الصاعدة في الذكاء الاصطناعي، حيث يهدف إلى فهم مشاعر المستخدمين بناءً على عناصر معينة. ومع ذلك، كانت النماذج التقليدية تعاني من تحديات عدة، مثل عدم القدرة على التعرف بدقة على حدود الكلمات المكونة لرأي محدد. واليوم، نُقدّم لكم "ديفيوسينت" (DiffuSent)، وهو إطار جديد تم تطويره ليكون موجهًا نحو عملية تحليل مشاعر متكاملة.

يتميز نموذج "ديفيوسينت" بأنه غير معتمد على التوليد التلقائي للكلمات واحدة تلو الأخرى، بل يعتمد على عملية إزالة الضوضاء الحدودية. وهذا يعني أنه يقوم بتحسين التعرف على الحدود بشكل تدريجي عبر مراحل مختلفة، مما يساعده على معالجة التعقيدات التي تنشأ من المصطلحات متعددة الكلمات.

عبر مجموعة شاملة من التجارب، أظهرت النتائج أن "ديفيوسينت" يتفوق بشكل ملحوظ على النماذج التقليدية، محققا تحسيناً متوسطا يصل إلى +2.48 في مؤشر F1 عند التعامل مع ثلاثيات متعددة الكلمات. وليس ذلك فحسب، بل لقد أثبت أيضًا قدرته على تحقيق فعاليةٍ كبيرة، حيث يصل رصد النتائج إلى 181 مرة أسرع مقارنة بالنماذج التي تعتمد على التوليد المتسلسل.

إن إدخال استراتيجية التدريب على إزالة الضوضاء التقابلية يساهم في معالجة المشكلات التي تنجم عن التكرارات الطفيفة في التنبؤات، مما يجعل "ديفيوسينت" خيارًا مثاليًا لمهام التحليل الأكثر تعقيدًا. إنه حقًا عصر جديد في عالم تحليلات المشاعر المعتمدة على الجوانب، ويبدو أن "ديفيوسينت" هو الجواب لمشكلات كانت تزعج الباحثين والمطورين.