في عالم التقنيات الحديثة، أصبح تحليل مشاعر الميمات (memes) أمرًا ضروريًا لفهم التوجهات الاجتماعية والثقافية. تناولت دراسة جديدة التحديات المتعلقة بتحليل الميمات في اللغة النيبالية، مشيرة إلى أن تعقيدات هذه المهمة تعود إلى الاستخدام المتكرر للخلط اللغوي (code-mixing) ونقص الموارد القياسية المتاحة.

تستخدم الدراسة نهجًا يركز على النصوص لاستخراج النصوص المدمجة من الميمات باستخدام تقنية التعرف الضوئي على الأحرف (OCR) ومن ثم نمذجة البيانات باستخدام هياكل قائمة على التحويلات (Transformer-based architectures). وقد تم تقييم ستة نماذج مختلفة واستكشاف الفعالية النسبية لاستراتيجيات التصويت الصلب (Hard Voting) والناعم (Soft Voting) في مجالين مختلفين: كشف خطاب الكراهية وتحليل المشاعر بثلاث فئات.

أظهرت النتائج التجريبية أن نموذجًا مستقلًا يعتمد على الطبقة المشفرة قد حقق أعلى أداء في مهام التصنيف الثنائي، بينما كانت استراتيجية التصويت الناعم هي الأفضل في المهمة المتعلقة بتحليل المشاعر المتعددة الفئات، حيث حققت نسبة تحسين بلغت 15.8% في مؤشر F1 المتوازن مقارنة بأقوى نموذج مستقل.

تدل هذه النتائج على أن استراتيجيات التجميع تتفاعل بشكل مختلف وفقًا لطبيعة المهمة، مما يبرز أهمية اختيار الطرق الملائمة لتحقيق أهداف التصنيف المحددة. في النهاية، تعد هذه الدراسة خطوة هامة نحو تحسين فهمنا لتوجهات خطاب الكراهية والمشاعر في رحلة تزيد من تعقيد الاتصالات عبر الإنترنت.