ثورة في فهم السخرية: إطار عمل ثنائي الإشارات للكشف عن السخرية في النصوص الاجتماعية

في عصر التواصل الاجتماعي، تبرز السخرية كعنصر مهم في التعبير عن الآراء والأفكار، لكن كشفها يعد تحديًا كبيرًا للذكاء الاصطناعي. وقد كشف الباحثون مؤخرًا عن إطار عمل مبتكر يُعرف باسم “مركب الإشارات الثنائية المتين” (Robust Dual-Signal Fusion)، الذي يجمع بين تقنيات الذكاء الرمزي والعصبي لمواجهة هذا التحدي.

تعتبر نماذج اللغات الضخمة (Large Language Models) قادرة على فهم اللغة، لكنها عادة ما تسجل تفسيرات حرفية، مما يجعل الكشف عن السخرية بدقة يعتمد على تفكيرٍ دقيق صعب التحقيق. إطار العمل الجديد يقدم حلاً يوفر معالجة سلسة لتسلسل الأفكار (Chain-of-Thought) بشكل مضغوط دون الحاجة إلى تحسينات خاضعة للتدريب المراقب (Supervised Fine-Tuning).

تم تقييم أداء هذا الإطار على مجموعة بيانات TweetEval المثالية، حيث حقق نسبة دقة بلغت 78.1% وMacro F1 يصل إلى 0.777. هذه النتائج توازي الأداء الرائع لنموذج BERTweet المدرب بشكل خاص. على الجانب الآخر، ومع مجموعة بيانات iSarcasm غير المتوازنة، أثبتت مجموعة أدوات CoT المجمدة قدرتها على تصفية 22.5% من الأخطاء الناتجة عن توزيع البيانات الخاطئ، مسجلة رقمًا قياسيًا في دقة F1 الساخر تفوق الأنظمة الأخرى المبنية على تحويلات خاضعة للإشراف.

تظهر التحليلات الإحصائية أن الدمج الكامل لكل من الرموز الحرفية والعصبية يحقق تحسنًا ملحوظًا على القاعدة التقليدية، مما يعكس فعالية هذا النهج الثوري. يبشر هذا الاطار بنقلة نوعية في كيفية فهم السخرية في المحادثات الرقمية، مما سيفتح آفاقًا جديدة لتطبيقات الذكاء الاصطناعي في تحليل النصوص.