Leveraging Human Reading Behavior for Keyphrase Extraction: A Webcam-based Eye-tracking Corpus

ملخص تقني: الاستفادة من سلوك القراءة البشرية لاستخراج الكلمات المفتاحية

بيان المشكلة
يعد استخراج الكلمات المفتاحية (KPE) مهمة أساسية في استرجاع المعلومات، ومع ذلك تعتمد الأساليب الحالية بشكل كبير على الإشارات الداخلية للنص مثل تكرار المصطلحات، والأنماط النحوية، والدلالات السياقية. وتتجاهل هذه النهج إلى حد كبير الصلة بين الكلمات المفتاحية وسلوك القراءة البشري، وتحديداً كيفية تخصيص القراء للاهتمام أثناء الفهم. وبينما أثبتت دراسات تتبع حركة العين أن أنماط التثبيت ترتبط بالمعالجة المعرفية، فإن تطبيق هذه الرؤى على استخراج الكلمات المفتاحية يعوقه عاملان رئيسيان: ندرة بيانات تتبع حركة العين للنصوص الأكاديمية الصينية، والتكلفة العالية لمعدات تتبع حركة العين التقليدية المختبرية. علاوة على ذلك، فإن المتون المفتوحة المصدر المتاحة (مثل ZuCo وGECO) تعتمد أساساً على محتوى عام مثل الأخبار أو الروايات، وتفتقر إلى المصطلحات المتخصصة والاتفاقات الهيكلية المميزة للأدبيات الأكاديمية، لا سيما في مجال المكتبات والمعلومات (LIS).

المنهجية
لمعالجة هذه الفجوات، طور المؤلفون إطار عمل شاملاً يتضمن جمع البيانات، وبناء المتون، وتكامل النماذج:

1. منصة جمع بيانات خفيفة الوزن: استخدمت الدراسة نهجاً منخفض التكلفة يعتمد على الويب وكاميرا الويب، من خلال دمج مكتبة SearchGazer مفتوحة المصدر (JavaScript) مع خلفية برمجية قائمة على Flask. تسمح هذه المنصة باستنتاج حركة العين في الوقت الفعلي باستخدام كاميرات ويب عادية، مما يلغي الحاجة إلى أجهزة متخصصة.
2. بناء المتن (CLIS-ET): قام المؤلفون ببناء متن تتبع حركة العين لعلوم المكتبات والمعلومات الصينية (CLIS-ET). جُمعت البيانات من عشرة طلاب دراسات عليا وباحثين متقدمين في تخصص المكتبات والمعلومات الذين قرأوا 320 ملخصاً من دوريات صينية أساسية في هذا المجال. تضمنت التجربة عملية معايرة من تسع نقاط قبل كل ملخص، وفحصاً للفهم بعد القراءة.
3. استخراج الميزات: ركزت الدراسة على مقاييس تتبع حركة العين على مستوى الحرف لتجنب مشكلات تقسيم الكلمات. تم استخراج ثلاث ميزات رئيسية وحساب متوسطها عبر المشاركين:
   • مدة التثبيت الأول (FFD): مدة النظر الأول إلى الحرف.
   • عدد التثبيتات (FN): العدد الإجمالي للومضات نحو الحرف.
   • إجمالي مدة التثبيت (TFD): الوقت التراكمي المستغرق في التحديق في الحرف.
     تمت تصفية البيانات للاحتفاظ بالتثبيتات الصالحة (من 16.7 مللي ثانية إلى 1500 مللي ثانية)، واستبعاد بيانات الحروف غير الصالحة (التي افتقر فيها أكثر من 50% من المشاركين إلى بيانات صالحة).
4. تكامل النماذج: تم دمج ميزات تتبع حركة العين في فئتين من نماذج استخراج الكلمات المفتاحية:
   • الشبكات العصبية المتكررة: BiLSTM، وBiLSTM+CRF، وBiLSTM القائم على الانتباه (Att-BiLSTM)، وAtt-BiLSTM+CRF. استُخدمت الميزات كمدخلات خارجية أو كمؤشرات للانتباه.
   • نماذج اللغة المدربة مسبقاً: BERT، وRoBERTa، وMacBERT، وRandeng-T5-784M.
5. التقييم: أُجريت التجارب على مجموعتي بيانات: مجموعة بيانات تتبع حركة العين الأصغر (Abstract-320) ومجموعة بيانات استخراج كلمات مفتاحية عامة أكبر (Abstract-5190) مستمدة من نفس مصادر الدوريات. تم تقييم الأداء باستخدام درجات F1 عند استخراج أفضل 3، و5، و10 كلمات مفتاحية.

المساهمات الرئيسية

1. منهجية ميسرة لجمع البيانات: تقدم الورقة منصة خفيفة الوزن وقابلة للتوسع لجمع بيانات تتبع حركة العين باستخدام كاميرات الويب القياسية، مما يقلل بشكل كبير من الحواجز أمام أبحاث سلوك القراءة المتخصصة.
2. متن CLIS-ET: إصدار أول متن متخصص لتتبع حركة العين لملخصات الأبحاث الأكاديمية الصينية في مجال المكتبات والمعلومات، والذي يوفر مقاييس على مستوى الحرف (FFD، FN، TFD) لأبحاث استخراج الكلمات المفتاحية المعرفية.
3. التحقق التجريبي من الإشارات المعرفية: تقيم الدراسة بشكل منهجي كيف تؤثر ميزات تتبع حركة العين الفردية والمجتمعة على أداء استخراج الكلمات المفتاحية عبر بنيات النماذج المختلفة، مما يثبت أن سلوك القراءة البشرية يوفر إشارات تكميلية للميزات النصية.

النتائج

• فعالية الميزات: أدى دمج ميزات تتبع حركة العين باستمرار إلى تحسين أداء استخراج الكلمات المفتاحية عبر كلتا مجموعتي البيانات ونوعي النماذج.
  • في مجموعة بيانات Abstract-320، حققت ميزة FFD أكبر تحسن ملحوظ للنماذج القائمة على BERT (بنسبة تصل إلى +2.83%).
  • في مجموعة البيانات الأكبر Abstract-5190، حققت ميزة FN بالاقتران مع RoBERTa أعلى أداء (44.51% F1@5).
• توليفات الميزات: حقق الجمع بين عدد التثبيت وإجمالي مدة التثبيت (FN+TFD) أفضل أداء في نموذج Att-BiLSTM+CRF. وبشكل عام، قدمت توليفات FFD+FN وFN+TFD تحسينات أكثر استقراراً من استخدام الميزات الفردية أو الثلاثية الكاملة (FFD+FN+TFD).
• الأهمية الإحصائية: أكدت اختبارات t المقترنة على مجموعة بيانات Abstract-320 أن ميزات تتبع حركة العين لها تأثيرات ذات دلالة إحصائية عبر بنيات متعددة. وتحديداً، أظهرت FN+TFD وFFD+TFD اتساقاً في الدلالة، مما يشير إلى أن تردد التثبيت ومدته يلتقطان جوانب مكملة لسلوك القراءة.
• تأثير حجم مجموعة البيانات: لاحظت الدراسة أن ميزات المعالجة المبكرة (مثل FFD) توفر مكاسب معلوماتية أكبر عندما تكون البيانات محدودة، بينما تدعم ميزات المعالجة التراكمية (مثل TFD) النمذجة الدلالية العميقة بشكل أفضل في مجموعات البيانات الأكبر.

الأهمية والادعاءات
تدعي الورقة أن دمج سلوك القراءة البشرية في النماذج الحسابية يسد الفجوة بين الاستدلالات الإحصائية والعمليات المعرفية. ومن خلال إثبات أن تتبع حركة العين عبر كاميرا الويب يمكن أن يعزز فعلياً استخراج الكلمات المفتاحية، يجادل المؤلفون بضرورة وجود نهج أكثر سهولة وفعالية من حيث التكلفة لجمع البيانات المعرفية في معالجة اللغات الطبيعية. وتشير النتائج إلى أن ميزات تتبع حركة العين تعمل كإشارات مساعدة قيمة تعكس عمق المعالجة الدلالية وأهمية العناصر المعجمية، مما يحسن قابلية التفسير وأداء أنظمة استخراج الكلمات المفتاحية. وتضع هذه الدراسة هذا العمل كخطوة نحو بناء أدوات استرجاع معلومات تتمحور حول الإنسان وتتوافق بشكل وثيق مع أنماط انتباه القارئ الفعلية.