Trilingual Topic Modeling of Sri Lankan Parliamentary Debates

في المشهد الواسع للحوسبة الحديثة، يسعى مجال يُعرف بمعالجة اللغات الطبيعية إلى تعليم الآلات كيفية قراءة وفهم وتنظيم الكلام البشري. لعقود من الزمن، ركز هذا العمل بشكل كبير على لغات مثل الإنجليزية، حيث القواعد النحوية واضحة نسبيًا والأدوات الرقمية وفيرة. ومع ذلك، فإن العالم مليء بلغات تتصرف بشكل مختلف تمامًا. فبعضها، مثل السنغالية والتاميلية، المنطوقة على نطاق واسع في سريلانكا، هي لغات "إلصاقية"، مما يعني أنها تبني كلمات معقدة عن طريق ربط العديد من القطع الصغيرة للمعنى، مما يجعل من الصعب على البرامج الحاسوبية القياسية أن تدرك أن كلمتين مختلفتين في المظهر تشتركان في الأصل نفسه. علاوة على ذلك، في أجزاء كثيرة من العالم، لا يتحدث الناس بلغة واحدة فقط في المرة الواحدة؛ بل يمزجون بينها بحرية داخل الجملة الواحدة، وهي ظاهرة تُعرف بـ "الخلط اللغوي". وعندما تلتقي هذه التعقيدات اللغوية بالواقع الفوضوي للسجلات الحكومية الرسمية، التي غالبًا ما تصل كوثائق رقمية سيئة التنسيق، تكون النتيجة جبلًا من النصوص التي لا يستطيع أي برنامج قياسي تسلقه. إن فهم ما يقال في هذه السجلات أمر بالغ الأهمية، لأنها تحمل مفاتيح الأولويات السياسية للأمة، والاضطرابات الاقتصادية، والمخاوف الاجتماعية، ومع ذلك ظلت مغلقة إلى حد كبير أمام التحليل المنهجي.

قام فريق من الباحثين من جامعة موراتوا في سريلانكا الآن ببناء طريقة جديدة لفتح كنز المعلومات هذا. لقد وجهوا اهتمامهم إلى "الهانساردز" (Hansards)، وهي النصوص الرسمية لبرلمان سريلانكا، والتي تحتوي على آلاف الخطابات التي أُلقيت بالسينهالية والتاميلية والإنجليزية، وغالبًا ما تكون مختلطة معًا داخل خطاب واحد. هذه الوثائق صعبة المعالجة بشكل ملحوظ لأنها توجد كملفات PDF ممسوحة ضوئيًا بتنسيقات ذات عمودين مربكة وتنسيقات غير متسقة تكسر برامج القراءة التقليدية. ولحل هذه المشكلة، استخدم الباحثون أولاً أداة ذكاء اصطناعي قوية قادرة على قراءة هذه الوثائق الفوضوية واستخراج الكلمات المنطوقة الفعلية، متجاهلة الضجيج البصري للصفحة. ثم قاموا بتغذية هذا النص المنقى في نظام مصمم لفهم معنى الكلمات عبر لغات مختلفة، بدلاً من مجرد عد عدد مرات ظهورها. ومن خلال رسم الخطب في مساحة رقمية حيث تقع الأفكا المتشابهة بالقرب من بعضها البعض، بغض النظر عن اللغة المستخدمة، تمكنوا من تجميع آلاف الخطب الفردية في موضوعات متماسكة.

إن نتيجة هذا الجهد هي خريطة واضحة للمحادثة السياسية في البلاد على مدى ما يقرب من عقد من الزمان، من 2017 إلى 2026. حلل الباحثون 19,553 خطابًا ونجحوا في تنظيمها في 30 موضوعًا رئيسيًا، تتراوح من أمن الطاقة والأزمات الاقتصادية إلى الأمن القومي والرعاية الصحية. وما يجعل هذا الإنجاز مهمًا هو أن الكمبيوتر فعل ذلك دون أن يُخبر بما يجب أن يبحث عنه؛ فقد اكتشف الموضوعات من تلقاء نفسه. وجد النظام أن الخطابات المتعلقة بالاقتصاد ارتفخت بشكل كبير خلال الأزمة المالية لعام 2022 وما أعقبها من فترة الاضطرابات المدنية، بينما ارتفعت المناقشات حول الأمن القومي في أعقاب هجمات عيد الفصح في عام 2019. والأهم من ذلك، أن النموذج عامل اللغات الثلاث كتدفق واحد موحد للمحادثة. فقد تم تجميع خطاب باللغة التاميلية حول قضية سياسية محددة مع خطاب باللغة السنهالية حول نفس القضية، مما أثبت أن المعنى الكامن كان أهم من اللغة المستخدمة للتعبير عنه.

كما اختبر الباحثون ما إذا كانت الطرق الأقدم والأكثر تقليدية في تحليل النصوص يمكنها التعامل مع هذه المهمة. ووجدوا أن الأساليب القياسية، التي تعتمد على عد تركيبات الكلمات، فشلت تمامًا. لم تستطع هذه الأساليب القديمة سد الفجوة بين اللغات المختلفة أو التعامل مع الهياكل المعقدة للكلمات في السنهالية والتاميلية، مما أدى إلى مجموعات مجزأة وبلا معنى. في المقابل، نجح النهج الجديد، الذي يستخدم التعلم العميق لفهم السياق، في تحديد هيكل المناقشات. كما استكشف الفريق طريقة هجينة جمعت بين الفهم العميق للمعنى والتركيز على كلمات رئيسية محددة لمعرفة ما إذا كان بإمكانها جعل المجموعات أكثر دقة. وبينما جعلت هذه الطريقة الحدود بين الموضوعات أكثر وضوحًا، إلا أنها أدت أيضًا إلى استبعاد بعض الخطب من المجموعات، مما يشير إلى وجود مقايضة بين الدقة والشمولية.

في نهاية المطاف، يوضح هذا العمل أنه من الممكن فهم الخطاب السياسي متعدد اللغات المعقد دون تدخل بشري. ومن خلال التعامل مع اللغات المتنوعة في سريلانكا كمجموعة بيانات واحدة غنية، تمكن الباحثون من الكشف عن كيفية تحول اهتمام الأمة استجابةً لأحداث العالم الحقيقي. وتظهر النتائج أن الموضوعات التي تتم مناقشتها في البرلمان ليست عشوائية؛ فهي ترتفع وتنخفض استجابة مباشرة لتحديات البلاد، من إدارة الدين العام إلى رعاية المرضى. يوفر هذا الإطار الجديد أساسًا متينًا للدراسات المستقبلية، مما يسم يسمح للباحثين والجمهور بتتبع تطور الأولويات السياسية بوضوح كان مستحيلاً في السابق، محولين أرشيفًا فوضويًا من الخطب إلى قصة مهيكلة لرحلة أمة.