💻 computer science

SURGE: An Event-Centric Social Media Sentiment Time Series Benchmark with Interaction Structure

تقدم الورقة البحثية SURGE، وهو معيار شامل لوسائل التواصل الاجتماعي يضم 67 حدثاً وأكثر من 800 ألف منشور، والذي يدمج بشكل فريد السلاسل الزمنية على مستوى الحدث مع النصوص المتوافقة وهياكل التفاعل لتسهيل دراسة كيفية تأثير الديناميكيات الاجتماعية على التنبؤ بالآراء والاستجابة للأزمات.

المؤلفون الأصليون: Chen Su, Pengsen Cheng, Yuanhe Tian, Yan Song

نُشر 2026-05-21

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Chen Su, Pengsen Cheng, Yuanhe Tian, Yan Song

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 أنك تحاول التنبؤ بالطقس، ولكن بدلاً من مراقبة السحب وأجهزة قياس الضغط الجوي، أنت تحاول التنبؤ بكيفية شعور مجموعة من الناس وتصرفهم خلال حدث معين، مثل مباراة رياضية كبرى، أو انتخابات سياسية، أو كارثة طبيعية.

تقدم هذه الورقة البحثية SURGE، وهو "دليل تدريبي" (معيار مرجعي) جديد لتعليم الحواسيب كيفية القيام بذلك. إليك تفصيل لما فعلوه وما وجدوه، باستخدام تشبيهات بسيطة.

المشكلة: "اللغز المشتت"

في السابق، واجه الباحثون مشكلتين رئيسيتين عند محاولة دراسة ردود فعل الناس تجاه الأحداث الكبرى على وسائل التواصل الاجتماعي:

صغيرة جداً أو ضيقة للغاية: كانت مجموعات البيانات القديمة تشبه النظر إلى عاصفة واحدة فقط (مثل تغريدات كوفيد-19 فقط) أو النظر فقط إلى شريحة صغيرة من المحادثة. لم تكن لديها تنوع كافٍ لتعليم الكمبيوتر كيفية التعامل مع أنواع مختلفة من الأحداث.
فقدان "خريطة المحادثة": كانت معظم مجموعات البيانات تعامل منشورات وسائل التواصل الاجتماعي كقائمة من الإيصالات المنفصلة. كانت تحسب ما قيل ومتى قيل، لكنها كانت تتجاهل الجزء الأهم: من رد على من. في المحادثة الحقيقية، الترتيب والروابط هي التي تهم. إذا أهان الشخص (أ) الشخص (ب)، ثم تدخل الشخص (ج) للدفاع عن الشخص (ب)، فإن ذلك يغير مزاج المجموعة بأكملها. تجاهلت البيانات القديمة هيكل "سلسلة الردود" هذا.

الحل: SURGE (الـ "فيديو سريع للأحداث")

قام المؤلفون ببناء SURGE، وهو يشبه فيديو "تايم لابس" (تسريع زمني) منظم للغاية لـ 67 حدثاً عاماً مختلفاً (من الزلازل إلى إصدارات الأفلام إلى المناظرات السياسية).

المكونات: جمعوا أكثر من 800,000 منشور من تويتر (X)، وريديت، وثريدز.
الهيكل: بدلاً من مجرد قائمة مسطحة، قاموا بتنظيم البيانات في ثلاث طبقات:
1. الأرقام: عدد الأشخاص الذين يتحدثون (الحجم) وما إذا كانوا سعداء، أو حزانى، أو محايدين (المشاعر/النزعة العاطفية).
2. النص: الكلمات الفعلية التي استخدمها الناس.
3. الخريطة: مخطط يوضح من رد على من، مما يحافظ على "سلسلة" المحادثة.
آلة الزمن: قاموا بتقسيم هذه البيانات إلى كتل زمنية (6 ساعات، 12 ساعة، ويوماً كاملاً) حتى تتمكن الحواسيب من تعلم التنبؤ بما سيحدث بعد ذلك بناءً على ما حدث قبل قليل.

التجارب: اختبار "خبراء الأرصاد الجوية"

أخذ الباحثون 10 أنواع مختلفة من نماذج الكمبيوتر (بعضها ينظر فقط إلى الأرقام، وبعضها يقرأ النصوص، وبعضها يحاول فهم خريطة المحادثة) وطلبوا منها التنبؤ بالمزاج المستقبلي وحجم هذه الأحداث.

إليك الأشياء الثلاثة الكبيرة التي اكتشفوها:

1. تأثير "أخبار الأمس" (الاستمرارية)

النتيجة: أفضل متنبئ بما سيقوله الناس الآن هو غالباً ما قالوه قبل لحظات.
التشبيه: تخيل حشداً في حفلة موسيقية. إذا كان الجمهور يهتف بصوت عالٍ، فمن المرجح أن يستمروا في الهتاف للعد دقائق القادمة. إذا كانوا هادئين، فمن المرجح أن يبقوا هادئين.
النتيجة: النماذج البسيطة "الساذجة" التي تكتفي بالتخمين بأن "الوضع سيكون كما كان في الدقيقة الماضية" كانت صعبة الهزيمة بشكل مفاجئ. غالباً ما فشلت النماذج المعقدة والمتطورة في تحسين هذا التخمين البسيط عند قياس متوسط الأخطاء. فمزاج الحشد يميل إلى الالتزام بمساره الحالي ما لم يحدث شيء ضخم.

2. النص ليس عصا سحرية

النتيجة: إعطاء الكمبيوتر النص الفعلي للمنشورات لم يجعل التنبؤ أفضل تلقائياً.
التشبيه: تخيل محاولة التنبؤ بنتيجة مباراة من خلال قراءة تغريدات اللاعبين. قد تعتقد أن قراءة التغريدات يساعد، ولكن إذا لم يفهم الكمبيوتر كيف يتحدث اللاعبون مع بعضهم البعض (سلاسل الردود)، فإن النص يصبح مجرد ضجيج.
النتيجة: لم تعمل نماذج الذكاء الاصطناعي الموجودة والمصممة لقراءة المقالات الإخبارية (حيث يكتب شخص واحد قصة ويقرأها الآخرون) بشكل جيد على وسائل التواصل الاجتماعي (حيث يتحدث الجميع مع الجميع). لقد عانت هذه النماذج في استخدام النص لتحسين تنبؤاتها ما لم تكن مصممة خصيصاً لفهم هيكل "سلسلة الردود".

3. منطقة "الطقس العاصف" (كثافة التفاعل)

النتيجة: عندما تصبح المحادثة ساخنة حقاً ويقوم الناس بالرد على بعضهم البعض باستمرار، يصبح التنبؤ بما سيحدث لاحقاً أصعب بكثير.
التشبيه: التنبؤ بالطقس في يوم مشمس وهادٍ أمر سهل. أما التنبؤ أثناء عاصفة رعدية مفاجئة وفوضوية فهو أمر صعب.
النتيجة: عندما نظر الباحثون فقط إلى "اللحظات العاصفة" (الأوقات التي شهدت أكبر عدد من الردود)، كان أداء النماذج أسوأ بكثير. تخفي المتوسطات القياسية هذه الصعوبة لأنها تخلط بين الأيام الهادئة والأيام العاصفة. تظهر الورقة أنه إذا كنت تريد معرفة ما إذا كان النموذج ذكياً حقاً، فعليك اختباره خصيصاً خلال هذه اللحظات الفوضوية وعالية التفاعل.

الخلاصة

لا تدعي هذه الورقة أنها اخترعت "خبير أرصاد خارق" يمكنه التنبؤ بالمستقبل بشكل مثالي. بدلاً من ذلك، قامت ببناء "صالة ألعاب رياضية" (معيار SURGE المرجعي) حيث يمكن للباحثين تدريب واختبار نماذجهم.

لقد وجدوا أن:

مزاج وسائل التواصل الاجتماعي "لزج" جداً (يبقى كما هو لفترة من الوقت).
مجرد تغذية الكمبيوتر بمزيد من النصوص لا يساعد ما لم يفهم هيكل المحادثة.
أصعب الأوقات للتنبؤ هي بالضبط عندما تكون المحادثة أكثر كثافة وفوضوية.

كما أصدر المؤلفون نموذجاً بسيطاً (مسباراً) لإظهار كيف يمكن للكمبيوتر أن يبدأ في استخدام "خريطة المحادثة" ليصبح أفضل، مما يترك الباب مفتوحاً للباحثين المستقبليين لبناء أدوات أكثر ذكاءً.

ملخص تقني: SURGE – معيار مرجعي للسلاسل الزمنية لآراء وسائل التواصل الاجتماعي المتمحورة حول الأحداث

1. تعريف المشكلة

تولد الأحداث العامة على وسائل التواصل الاجتماعي (مثل الكوارث الطبيعية، الصراعات السياسية، إطلاق التقنيات) نقاشات هائلة ومجزأة، وتعتبر ديناميكياتها الجماعية بالغة الأهمية للتنبؤ بالآراء والاستجابة للأزمات. يتطلب النمذجة التنبؤية الفعالة تنظيم هذه النقاشات في سلاسل زمنية على مستوى الحدث تتوافق مع دورة حياة الحدث. ومع ذلك، تفشل الموارد الحالية في تلبية ثلاثة مطالب متزامنة:

التنظيم على مستوى الحدث: تنظم العديد من مجموعات البيانات البيانات حسب المستخدم أو الإشارات المرتكزة إلى محركات خارجية (مثل الطقس) بدلاً من النقاش نفسه.
هيكل التفاعل: غالباً ما تتجاهل السلاسل الزمنية الموجودة طوبولوجيا الردود وإعادة النشر بين المنشورات، على الرغم من أن الديناميكيات الاجتماعية مرتبطة ارتباطاً وثيقاً بهياكل التفاعل.
المواءمة متعددة الوسائط: بينما توجد مجموعات بيانات للتنبؤ متعدد الوسائط، فإن مصادرها النصية (الأخبار، التقارير المالية) تفتقر إلى سلاسل الرد من مستخدم إلى آخر التي تميز وسائل التواصل الاجتماعي، حيث تعامل النص كقناة جانبية خارجية بدلاً من كونها إشارة تفاعلية.

بناءً على ذلك، تظل القيمة التنبؤية لهيكل التفاعل في ديناميكيات الرأي الجماعي غير مختبرة، كما يصعب تقييم القدرة على النقل عبر أنواع الأحداث المختلفة.

2. المنهجية: المعيار المرجعي SURGE

إن SURGE هو معيار مرجعي لوسائل التواصل الاجتماعي متعدد الأحداث، صُمم لربط الإشارات الزمنية على مستوى الحدث مع النصوص وهياكل التفاعل المتوافقة.

2.1 جمع البيانات ومعالجتها

النطاق: تغطي مجموعة البيانات 67 حدثاً عاماً عبر خمس فئات: الكوارث الطبيعية، الأحداث السياسية، الحركات الاجتماعية، إطلاق التقنيات، والرياضة/الترفيه.
المصادر: تم تجميع البيانات من تويتر (X)، وريديت (Reddit)، وثريدز (Threads)، وتضم 817,442 منشوراً (من مجموعة أولية خام بلغت حوالي 1.26 مليون).
المعالجة المسبقة:
- التصفية: تم إزالة التكرار وتصفية المنشورات لإزالة النصوص القصيرة، وهيمنة الرموز التعبيرية/الروابط (URLs)، والمحتوى غير الإنجليزي.
- كشف الفترة النشطة: تم تقليم الأحداث لتشمل "فتراتها النشطة" لاستبعاد الدردشة العابرة والضعيفة، مما يضمن أن السلسلة الزمنية تعكس التفاعل الحقيقي.
- توسيم المشاعر: تم تصنيف المنشورات كإيجابية، أو محايدة، أو سلبية باستخدام نموذج Qwen3-32B بأسلوب التعلم الصفري (zero-shot). وتم تحويل هذه التصنيفات إلى درجات عددية $\{+1, 0, -1\}$ .
- التحقق: أكدت دراسة تحقق بشري طبقية على 3,000 منشور وجود معامل "كوهنز كابا" (Cohen's $\kappa$ ) بقيمة 0.74 بين المقيّمين، ونسبة تطابق بلغت 86.5% مع تسميات النموذج اللغوي الكبير (LLM)، مع بقاء الانحياز المنهجي ضمن حدود $|\mu| \le 0.05$ .

2.2 بناء السلسلة الزمنية

يبني المعيار سلاسل زمنية متوافقة مع التقويم عند ثلاثة مستويات من الدقة الزمنية: يوم واحد، 12 ساعة، و6 ساعات.

الأهداف: لكل وحدة زمنية $t$ $t$ ، يتم اشتقاق متغيرين مستهدفين:
1. كثافة النقاش ( $c_t$ ): عدد المنشورات في الوحدة الزمنية.
2. قطبية المشاعر ( $\bar{s}_t$ ): متوسط درجة المشاعر للمنشورات في الوحدة الزمنية.
التطبيع (Normalization): يتم تطبيع الأهداف عبر عملية (z-scoring) لكل حدث للتعامل مع الاختلافات في النطاق بين الأحداث.
الرؤى النصية: يتم ربط كل وحدة زمنية برؤيتين نصيتين مشتقتين من نفس المنشورات المختارة:
- الرؤية المسطحة (Flat View): منشورات مرتبة خطياً زمنياً دون علامات أدوار.
- الرؤية الهيكلية (Structured View): منشورات منظمة في سلاسل ردود مع علامات أدوار صريحة (أب/ابن)، مع معاملة إعادة النشر كتفاعلات شبيهة بالردود.

2.3 بروتوكولات التقييم

يحدد SURGE أربعة بروتوكولات للمعيار المرجعي:

التنبؤ العددي فقط: التنبؤ بالقيم المستقبلية باستخدام السلا series الزمنية التاريخية فقط.
التنبؤ المعزز بالنصوص: التنبؤ باستخدام السلا series التاريخية بالإضافة إلى النص (يتم اختباره في تكوينات: بدون نص، مسطح، وهيكلي).
التقييم المدرك للهيكل: مقياس ( $MAE_{reply}(k\%)$ ) يقيم الأداء خصيصاً في الوحدات الزمنية الأكثر كثافة في الردود (عالية التفاعل).
التعميم عبر الفئات: بروتوكول "ترك فئة واحدة خارج الاختبار" لاختبار القدرة على النقل عبر أنواع الأحداث الخمسة.

3. المساهمات الرئيسية

مجموعة بيانات SURGE: أول معيار مرجعي يوفر في آن واحد تغطية متعددة الأحداث على مستوى الحدث، وسلاسل زمنية جاهزة، ورؤى نصية متوافقة مع الوحدات الزمنية، وهيكل تفاعل اجتماعي صريح (حواف الرد/إعادة النشر).
إطار التقييم: مجموعة شاملة من البروتوكولات بما في ذلك المقاييس المدركة للهيكل واختبارات التعميم عبر الفئات، مما يعالج الفجوات في مجموعات بيانات التنبؤ متعدد الوسائط والاجتماعية الحالية.
التطبيق المرجعي: مسبار خفيف الوزن مدرك للهيكل (CMA) يستخدم الانتباه عبر الوسائط (cross-modal attention) لاستهلاك رموز المنشورات المحددة وتضمينات السلاسل (thread embeddings)، ليكون بمثابة مرجع للنماذج المستقبلية المدركة للتفاعل.

4. النتائج التجريبية

قام المؤلفون بتقييم نماذج تمثيلية للتنبؤ بالسلاسل الزمنية (النماذج الخطية، Transformer، CNN، النماذج القائمة على LLM، والنماذج القائمة على الانتشار/Diffusion) والأساليب المرجعية متعددة الوسائط.

الاستمرارية المحلية القوية: لا تزال النماذج البدائية (آخر قيمة، المتوسط المتحرك) صعبة التجاوز تحت مقياس متوسط الخطأ المطلق (MAE) عبر جميع المستويات الزمنية. يشير هذا إلى "نظام استمرارية محلية قوي" حيث يكون أفضل تنبؤ قصير المدى غالباً هو أحدث ملاحظة. النماذج المتعلمة غالباً ما تقلل من متوسط مربع الخطأ (MSE) عبر تنعيم التنبؤات ولكنها تفشل في تحسين MAE.
القدرة المحدودة على نقل النماذج المعززة بالنصوص: تُظهر نماذج التنبؤ بالسلاسل الزمنية متعددة الوسائط الحالية (المصممة للأخبار/التقارير المالية) قدرة محدودة على الصمود عند تطبيقها على بيانات وسائل التواصل الاجتماعي. فهي لا تتحسن باستمرار على النماذج العددية فقط، كما أن أداءها غير حساس للشكل الهيكلي للنص (مسطح مقابل هيكلي).
كثافة التفاعل مهمة: يكشف المقياس المدرك للهيكل ( $MAE_{reply}$ ) أن الفترات ذات الردود الكثيفة هي بطبيعتها أصعب في التنبؤ. تختلف ترتيبات النماذج على هذه الشرائح الكثيفة عن الترتيبات على المقاييس الإجمالية، مما يشير إلى أن فترات التفاعل العالي هي المكان الذي تفشل فيه النماذج أكثر من غيرها.
عدم تماثل التعميم: يعد النقل عبر الفئات غير متماثل هيكلياً. الكوارث الطبيعية هي أصعب فئة يمكن التعميم إليها، بينما الحركات الاجتماعية هي الأسهل. وتختلف الصعوبة بشكل كبير حسب المتغير المستهدف (الكثافة مقابل المشاعر).

5. الأهمية والادعاءات

يضع البحث SURGE ليس كاقتراح لنموذج تنبؤ جديد، بل كـ اختبار جهد للتنبؤ بالأحداث المدفوعة بوسائل التواصل الاجتماعي. تكمن أهميته في كشف ثلاث خصائص أساسية لهذا المجال:

الاستمرارية قوية ولكنها غير كافية: قد تؤدي أهداف التحسين الحالية (MSE) إلى كبح الانحرافات الكبيرة دون تحسين دقة الاتجاه المركزي (MAE) في السلاسل الزمنية المدفوعة بالأحداث.
النص ليس مفيداً تلقائياً: يختلف الهيكل الداخلي لنصوص وسائل التواصل الاجتماعي (سلاسل الردود) جوهرياً عن النصوص أحادية الاتجاه في مجموعات البيانات المالية/الإخبارية. يجب تصميم النماذج متعددة الوسائط صراحةً للتعامل مع هذا الهيكل التفاعلي لتكون فعالة.
أنظمة التقييم تختلف باختلاف الكثافة: تخفي المقاييس الإجمالية إخفاقات النماذج في فترات التفاعل العالي. يوفر المعيار المرجعي محاور (كثافة التفاعل وتحول الفئة) تظهر قصور الطرق الحالية، لا سيما في السيناريوهات الأكثر حرجاً للاستجابة للأزمات ومراقبة الآراء.

خلص المؤلفون إلى أن SURGE يوفر البيانات، والبروتوكولات، والقياسات التشخيصية اللازمة للنهوض بالأبحاث المتعلقة بالتنبؤ المدرك للتفاعل، تاركين تصميم نماذج أقوى كمهمة للعمل المستقبلي.