A Fine-Tuned BERT Classifier for Personal-Letter Titles in Late-Ming and Early-Qing Collected Works
تقدم هذه الورقة "ليبتون" (Lepton)، وهو مصنف BERT تم ضبطه بدقة وتدريبه على 5,438 عنواناً تم تصنيفها يدوياً لثلاثة وثلاثين من أدباء أواخر عصر أسرة مينغ وأوائل عصر أسرة تشينغ، والذي نجح في التمييز بين الرسائل الشخصية والمقدمات التي قد تختلط بها، وقد تم نشره لتحديد ما يقرب من 55,000 رسالة لمنصة "مينغ" للرسائل عبر قاعدة بيانات الصين للسير الذاتية.
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 تسير في مكتبة ضخمة وقديمة مليئة بآلاف الكتب. ليست هذه مجرد كتب عادية؛ بل هي الأعمال المجموعة لعلماء صينيين مشهورين من أواخر القرن الخامس عشر إلى أوائل القرن الثامن عشر. كل كتاب يحتوي على جدول محتويات، وقائمة طويلة من العناوين. بعض العناوين لأشعار، وبعضها لتقارير رسمية، وبعضها لرسائل شخصية.
المشكلة هي أن المكتبة أكبر من أن يقرأها شخص واحد لقراءة كل عنوان للعثين على الرسائل. أنت بحاجة إلى أمين مكتبة يمكنه مسح القائمة والقول فوراً: "هذه رسالة"، أو "هذا شيء آخر".
مشكلة "التشابه"
الجزء الأصعب من هذه المهمة ليس العثور على الرسائل الواضحة. بل هو التمييز بين الرسالة الشخصية وبين مقدمة الوداع (خطاب يُلقى عندما يغادر شخص ما المدينة).
فكر في الأمر كأنك تحاول التمييز بين رسالة نصية تقول "مرحباً" وبين خطاب يقول "وداعاً".
- الطريقة القديمة (التعبيرات النمطية - Regex): كان المؤرخون يستخدمون قاعدة بسيطة: "إذا انتهى العنوان بالحرف الخاص بكلمة 'كتاب' (書)، فهي رسالة".
- العيب: هذا يشبه قولك: "إذا انتهت الرسالة النصية بنقطة، فهي رسالة حب". هذه القاعدة تفقد 91% من الرسائل الحقيقية لأن معظم عناوين الرسائل القديمة لا تنتهي بهذا الحرف المحدد. غالباً ما تبدأ العناوين بفعل مثل "رد" أو "إرسال".
- الطريقة القديمة الثانية: "إذا بدأ العنوان بفعل مثل 'رد'، فهي رسالة".
- العيب: هذه الطريقة تسبب الكثير من الإنذارات الكاذبة. فخطابات الوداع أيضاً تبدأ بأفعال مثل "رد" أو "إرسال". الأمر يشبه حارس أمن يوقف كل من يقول "مرحباً"، حتى لو كان يودع صديقاً فقط.
الحل: "ليبتون" (أمين المكتبة الذكي)
قامت المؤلفة، كويني لو، ببناء أمين مكتبة رقمي يدعى ليبتون (Lepton).
ليبتون هو برنامج حاسوبي يعتمد على تقنية تسمى BERT (تخيلها كطالب ذكي جداً قرأ ملايين الجمل الصينية الحديثة وتعلم كيف تترابط الكلمات معاً). بدلاً من البحث عن حرف واحد محدد في البداية أو النهاية، ينظر ليبتون إلى الصورة الكاملة.
- كيف تعلم: قامت المؤلفة بتغذية ليبتون بدليل تدريبي يحتوي على حوالي 5,400 عنوان تم تصنيفها يدوياً من قبل البشر. بعضها رسائل، وبعضها خطابات وداع. درس ليبتون الأنماط: "آه، عندما أرى كلمة 'رد' متبوعة باسم شخص، فهذه عادةً رسالة. وعندما أرى كلمة 'إرسال' متبوعة بكلمة 'مقدمة'، فهذا خطاب".
- النتيجة: أصبح ليبتون بارعاً للغاية في هذه المهمة المحددة. في الاختبارات، كان مثالياً تقريباً. لم يرتكب أي خطأ في تسمية الخطاب رسالة (دقة 100%)، ولم يفتْه سوى عدد قليل جداً من الرسائل الفعلية.
ما يستطيع ليبتون فعله وما لا يستطيع فعله
من المهم معرفة الغرض من هذه الأداة، تماماً كما تعرف أن المطرقة مخصصة للمسامير وليس للبراغي.
- ما يفعله: ينظر إلى عنوان في جدول المحتويات ويقرر: "هل هذه رسالة شخصية أم خطاب وداع؟"
- ما لا يفعله:
- هو لا يقرأ المحتوى الفعلي للرسالة (هو ينظر فقط إلى العنوان).
- لا يخبرك من أُرسلت إليه الرسالة أو متى كُتبت.
- لا يعمل بشكل جيد على النصوص من عصور أقدم أو أحدث بكثير من سلالتي مينغ وتشينغ (لقد تم تدريبه خصيصاً على ذلك العصر).
- لا يميز بين الرسائل الحكومية الرسمية والملاحظات العائلية الخاصة؛ هو فقط يعرف أنها "رسائل".
التأثير في العالم الحقيقي
وضعت المؤلفة ليبتون في خدمة قاعدة بيانات السير الصينية (CBDB). ومن خلال استخدام هذه الأداة، تمكن الباحثون من مسح آلاف الكتب والعثور تلقائياً على حوالي 55,000 رسالة شخصية.
لقد ساعد هذا في بناء منصة رسائل مينغ (Ming Letter Platform)، وهي مورد رقمي يسمح للمؤرخين برسم خرائط للشبكات الاجتماعية للعلماء من قبل 500 عام. بدلاً من قضاء سنوات في قراءة العناوين واحداً تلو الآخر، أصبح لديهم الآن خريطة توضح من كتب لمن، وكل ذلك بفضل أمين مكتبة رقمي تعلم كيف يميز بين "مرحباً" و"وداعاً".
نقطة الضعف الوحيدة
ليبتون ليس سحراً. لقد فشل في ستة عناوين محددة في الاختبار. كانت هذه العناوين قصيرة جداً وغريبة (مثل مجرد اسم شخص فقط). ولأن ليبتون تعلم من الأمثلة "الطبيعية"، فقد ارتبك أمام هذه الحالات الشاذة وظن أنها خطابات وداع. إنه تذكير بأن الحواسيب الذكية يمكن أن تعاني أيضاً مع الأشياء التي تكسر النمط.
باختة القول: تصف الورقة بناء أداة ذكاء اصطناعي متخصصة تعمل كأمين مكتبة مدرب تدريباً عالياً، قادرة على فرز آلاف عناوين الكتب القديمة فوراً للعثور على الرسائل الشخصية، مما حل مشكلة لم تستطع عمليات البحث البسيطة بالكلمات المفتاحية التعامل معها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.