في عالم مليء بالمعلومات، تظل الصحف مصدراً أساسياً لنقل الأخبار وتأثيرها على كيفية مناقشة المجتمع للقضايا الراهنة. لكن، في ظل فيضٍ هائل من المحتوى الإخباري، يصبح من الصعب علينا التمييز بين العناوين وفهم العواطف خلفها. الأبحاث الحديثة في معالجة اللغة الطبيعية (Natural Language Processing - NLP) تقدم لنا حلاً مثيرًا، وهو نظام متكامل يعتمد على BERT (نموذج تحويل مستندات اللغة) وCNN وBiLSTM لتحليل عناوين الأخبار وعواطفها.

تتناول الدراسة الجديدة مجموعة بيانات تُعَد الأولى من نوعها، تحمل اسم BAN-ABSA، التي تشمل 9014 عنوان أخبار. لأول مرة يتم اختبارها حيث تُصنف العناوين والأحاسيس في آن واحد في الصحف البنغالية. استخدم الباحثون استراتيجيتين تجريبيتين للتعامل مع هذه البيانات غير المتوازنة. في الاستراتيجية الأولى، والتي عُرفت بالتقنية-1، تم تطبيق التكرار الانتقائي قبل تقسيم البيانات، بينما في الاستراتيجية الثانية، التقنية-2، تم تطبيقه بعدها. كانت النتائج مثيرة، حيث حققت التقنية-1 أداءً متفوقًا بنسبة 78.57% في تصنيف العناوين و73.43% في تحليل المشاعر، بينما التقنية-2 قدمت أعلى النتائج عند التدرب مباشرة على مجموعة البيانات الأصلية غير المتوازنة بنسبة 81.37% و64.46% على التوالي.

تتجاوز نتائج النموذج BERT-CNN-BiLSTM كل النماذج الأساسية الأخرى في مهام التصنيف، محققة إنجازات جديدة في تصنيف عناوين الأخبار البنغالية وتحليل المشاعر. تبرز هذه النتائج أهمية الاستفادة من كلا من مجموعتي عناوين الأخبار والمشاعر، مما يوفر أساسًا قويًا للتصنيف النصي في اللغة البنغالية في ظل محدودية الموارد.

ما رأيكم في قدرة هذه التقنيات على تحسين فهمنا للأخبار؟ شاركونا آراءكم في التعليقات!