Classification of Public Opinion on the Free Nutritional Meal Program on YouTube Media Using the LSTM Method
تستخدم هذه الدراسة طريقة الذاكرة الطويلة قصيرة المدى (LSTM) لتصنيف المشاعر في 7,733 تعليقاً من يوتيوب بخصوص برنامج الوجبات الغذائية المجانية في إندونيسيا، محققةً دقة إجمالية بلغت 89% مع الكشف عن أن أداء النموذج منحاز بشكل كبير نحو المشاعر السلبية بسبب عدم توازن حاد في فئات البيانات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل الإنترنت، وتحديداً موقع يوتيوب، كأنه ساحة مدينة ضخمة وصاخبة. في هذه الساحة، أعلنت الحكومة عن خطة جديدة: "برنامج الوجبات الغذائية المجانية" (MBG)، وهو يشبه مبادرة ضخمة لوجبات الغداء المدرسية تهدف إلى تغذية الأطفال بشكل أفضل.
بدلاً من إرسال استبيانات ورقية لسؤال الناس عن آرائهم، قرر الباحثون في هذه الورقة البحثية الاستماع إلى الضجيج في ساحة المدينة. لقد جمعوا 7,733 تعليقاً تركها الأشخاص الذين يشاهدون مقاطع فيديو حول برنامج الوجبات هذا.
إليك تحليل بسيط لما فعلوه وما وجدوه:
المشكلة: الكثير من الضجيج، وأصوات كثيرة جداً
لاحظ الباحثون أن "ساحة المدينة" كانت غير متوازنة للغاية. فمن بين كل 100 تعليق، كان هناك حوالي 88 تعليقاً يتضمن شكوى أو غضباً (سلبي)، بينما كان هناك 12 تعليقاً فقط يعبر عن السعادة أو التأييد (إيجابي). كان الأمر أشبه بحفل موسيقي حيث يقوم 88 شخصاً بالاستهجان، بينما 12 شخصاً فقط يصفقون.
الأداة: روبوت بـ "ذاكرة ذكية" (LSTM)
لتحليل هذا الجبل من النصوص، استخدموا برنامج كمبيوتر يسمى LSTM (الذاكرة الطويلة قصيرة المدى).
تخيل LSTM كـ روبوت فائق الذكاء يتمتع بذاكرة قوية جداً.
- أجهزة الكمبيوتر العادية قد تقرأ الجملة كلمة بكلمة وتنسى البداية بحلول الوقت الذي تصل فيه إلى النهاية.
- روبوت LSTM يتذكر الجملة بأكملها. هو يفهم أنه إذا قال شخص ما "ليس جيداً"، فإن كلمة "جيد" لا تعني في الواقع أنه سعيد؛ فكلمة "ليس" تغير المعنى بالكامل. وهذا أمر بالغ الأهمية لفهم اللغة البشرية.
قاموا أيضاً بتدريب هذا الروبوت على مجموعة أصغر من البيانات أولاً، ثم اختبروه على مجموعة جديدة من التعليقات التي لم يسبق له رؤيتها من قبل.
النتائج: الروبوت بارع في سماع الاستهجان، لكنه سيء في سماع التصفيق
عندما اختبروا الروبوت، إليكم ما حدث:
- الدرجة الإجمالية: حصل الروبوت على درجة دقة بلغت 89%. يبدو هذا رائعاً، كأن يحصل شخص على درجة "امتياز" في اختبار.
- "الاستهجان" (المشاعر السلبية): كان الروبوت نجماً هنا. فقد حدد التعليقات الغاضبة بشكل صحيح بنسبة 94% من المرات. لقد عرف بالضبط متى يكون الناس غير راضين عن برنامج الوجبات.
- "التصفيق" (المشاعر الإيجابية): هنا تعثر الروبوت. فقد أصاب في تحديد التعليقات السعيدة بنسبة 55% فقط.
لماذا فشل الروبوت في التعليقات السعيدة؟
تخيل أنك تعلم كلباً كيف يجلب الكرة. إذا رميت كرة حمراء 88 مرة وكرة زرقاء 12 مرة فقط، فسوف ينتهي الأمر بالكلب إلى تخمين "اللون الأحمر" في كل مرة لأن ذلك هو الخيار الأكثر أماناً. هذا بالضبط ما حدث للروبوت. نظرًا لوجود عدد أكبر بكثير من التعليقات السلبية في بيانات التدريب، تعلم الروبوت ببساطة أن يخمن "سالب" في كل مرة تقريباً. لقد أصبح منحازاً للأغلبية.
الخلاصة
تخلص الورقة البحثية إلى أنه على الرغم من أن هذا "الروبوت ذو الذاكرة الذكية" (LSTM) هو أداة قوية لفهم النصوص الإندونيسية على يوتيوب، إلا أن لديه نقطة ضعف عندما تكون البيانات غير متوازنة.
- ما نجح: إنه ممتاز في رصد الانتقادات والآراء السلبية.
- ما لم ينجح: إنه يواجه صعوبة في إيجاد الآراء الإيجابية بسبب عدم وجود أمثلة كافية لتعليم الروبوت بشكل صحيح.
يقترح الباحثون أنه في المستقبل، إذا أرادوا أن يكون الروبوت عادلاً، فعليهم إما العث ث المزيد من التعليقات السعيدة لتعليم الروبوت، أو استخدام حيلة لجعل الروبوت ينتبه بشكل إضافي للتعليقات النادرة السعيدة. وحتى ذلك الحين، يظل الروبوت "كاشفاً ممتازاً للشكاوى"، ولكنه "مكتشف مهتز للمجاملات".
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.