نمذجه الموضوع

خلاصه

طُوِّرت نمذجه المواضیع فی Noormags بهدف تصوُّر البیانات على هذا الموقع الإلکترونی وتقدیم تمثیل فعّال ومفید لها. ویُتاح ذلک باستخدام تحلیل إحصائی متطور یُسمى LDA[1].

نمذجه الموضوع[2]

یُعدّ استخراج المعلومات المُهیکله من النصوص غیر المُهیکله جوهرَ جمیع إنجازات تقنیات معالجه اللغه الطبیعیه[3] واستخراج النصوص[4].

تضم هذه التقنیه مجموعهً من الأدوات المُتعلقه باستکشاف النصوص غیر المعروفه للجمهور. فی الحالات التی یتجاوز فیها حجم المستندات النصیه بکثیر ما یُمکن إنجازه یدویًا وبواسطه عامل بشری، تلعب الأدوات الحاسوبیه دورها.

من الأدوار التی یبدو من المستحیل القیام بها یدویًا فی کمیات کبیره اکتشاف المواضیع المُناقشه فی مجموعه النصوص المطلوبه.

للوهله الأولى، قد یبدو نظام تصنیف النصوص خیارًا مناسبًا لهذه المهمه. ومع ذلک، یجب مراعاه أن نظام تصنیف النصوص یقتصر على فئات ومواضیع مُحدده مسبقًا، ولا یُمکنه اکتشاف مواضیع جدیده وتعیینها.

تُعد نمذجه المواضیع حلاً مناسبًا لاستخراج المواضیع من داخل مجموعه النصوص وتعیین المستندات للموضوع المُتعلق بها.

الموضوع من منظور نمذجه الموضوع

من منظور نمذجه المواضیع، یُمثل کل موضوع توزیعًا إحصائیًا للکلمات فی المجموعه. وبالطبع، تُحذف بعض الکلمات من قائمه الکلمات أثناء عملیه المعالجه المسبقه.

الهدف النهائی من نمذجه المواضیع هو إنشاء توزیع إحصائی ذی معنى لهذه الکلمات، بحیث إذا کانت الکلمات فی موضوع ما ذات وزن أعلى، یمکن للوسیط البشری أیضًا تأکید کونها مواضیع. (الشکل 1)

الشکل 1 إن إعطاء المزید من الوزن للکلمات ذات الصله بموضوع معین هو هدف نمذجه الموضوع.

إن أهمیه الکلمات هی الأساس فی تولید المواضیع.

الأساس الأساسی لإنشاء التوزیع الإحصائی المذکور آنفًا فی النمذجه الإحصائیه هو تزامن الکلمات. کلما زاد عدد کلمات النص فی مستند واحد، زاد احتمال أن تکون هذه الکلمات مواضیع. من ناحیه أخرى، فإن استقلالیه المواضیع المُشکّله عن بعضها البعض، بالإضافه إلى محاوله تولید مواضیع بحیث تحظى کلمات کل موضوع بأکبر قدر من الأهمیه، هو الإطار الذی یُشکّل عملیه نمذجه المواضیع.

النمذجه الموضوعیه فی Noormags

تم تطبیق نمذجه المواضیع تجریبیًا فی مختبر نورماغز.

فی مختبر نورماغز، بعد اختیار قائد الموضوع، تُعرض قائمه بالمجلات التی کُتبت فیها المواضیع. بعد اختیار المجله المطلوبه، یُعرض نموذج موضوعها بیانیًا. یُساعد هذا الجمهور على التعرّف بشکل أفضل على المواضیع التی تُناقشها مقالات کل مجله. (الشکل 2)

الخطوات التالیه

نمذجه المواضیع هی نهجٌ یُمکن للمستخدمین استخدامه کإطار عملٍ وکنتیجهٍ نهائیه. على سبیل المثال، إذا أجرى المستخدم بحثًا، فإنّ مُخرَج نمذجه المواضیع للوثائق المُسترجَعه سیُقدّم صورهً شاملهً نسبیًا للمفاهیم والمواضیع التی تُناقشها تلک الوثائق.

ومن الاستخدامات الأخرى لنمذجه المواضیع استخلاص المصطلحات التی یُمکن استخدامها کعُقد مفاهیمیه فی تطویر الأنطولوجیات، حیث تُعتبر هذه المصطلحات المصطلحات الأساسیه للنص.

الکلمه الأخیره

أُعِدَّت هذه الوثیقه لتعریف الباحثین والعلماء بأداه نمذجه الموضوع. لا یزال استخدام نمذجه الموضوع فی مراحله الأولى. ویبدو أن نمذجه الموضوع قابله للتطبیق فی مجالات متنوعه. إلا أن الاستخدام النهائی والعملی یتطلب التعاون وتبادل الأفکار مع الباحثین بصفتهم المستخدمین الرئیسیین والنهائیین لهذا المنتج.

الشکل 2: مثال على النمذجه الموضوعیه فی Normags

[1] Latent Drichlet Allocation

[2] Topic Modelling

[3] Natural Language Processing

[4] Text Mining