Dynamic Topic Modeling for Cross-Corpus Temporal Analysis
تقترح هذه الورقة إطار عمل لنموذج المواضيع المضمن الديناميكي (Dynamic Embedded Topic Model) الذي يؤسس فضاء مواضيع مشترك عبر مجموعات نصوص متعددة مع تكييفات متبقية خاصة بكل مجموعة، مما يتيح مقارنات زمنية مستقرة وقابلة للتفسير عبر مجموعات النصوص مع الحفاظ على الاختلافات اللغوية الفريدة.
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
على مدى عقود، اعتمد علماء الاجتماع والمؤرخون على أجهزة الكمبيوتر لفهم المكتبات الضخمة من النصوص، من الصحف القدية إلى المجلات التجارية. والهدف هو العثور على المواضيع الخفية التي تسري عبر هذه الوثائق، تماماً مثل أمين مكتبة يصنف الكتب حسب الموضوع بدلاً من المؤلف. ومن الأدوات الشائعة لهذا الغرض ما يسمى بـ "نموذج المواضيع"، والذي يمسح آلاف الصفحات لتجميع الكلمات التي تظهر معاً بشكل متكرر، مما يكشف عما كان الناس يتحدثون عنه في وقت معين. وعندما يريد الباحثون معرفة كيف تتغير هذه المحادثات عبر السنوات أو حتى القرون، فإنهم يستخدمون نسخة ديناميكية من هذه الأداة تتبع كيفية تحول معنى مجموعات الكلمات هذه مع مرور الوقت. ومع ذلك، ظل هناك عائق رئيسي عند محاولة مقارنة مجموعات مختلفة من النصوص؛ فإذا قمت بتحليل مجموعة من المجلات التجارية ومجموعة منفصلة من تقارير النقابات العمالية، فإن الكمبيوتر عادة ما يعاملها كعالمين مختلفين تماماً. فقد يجد موضوعاً عن "المال" في المجلات التجارية وموضوعاً عن "الأجور" في تقارير النقابات، لكنه لا يملك طريقة مدمجة لمعرفة أن هذين الموضوعين هما في الواقع وجهان لعملة واحدة. تقليدياً، كان على الباحثين إجراء التحليل بشكل منفصل ثم محاولة مطابقة النتائج يدوياً بعد ذلك، وهي عملية غالباً ما كانت تفشل في ضبط المواضيع بشكل صحيح، مما يجعل المقارنة مهتزة وغير موثوقة.
لقما طور فريق من الباحثين في جامعة كولومبيا طريقة جديدة لحل هذه المشكلة، مما يسمح لأجهزة الكمبيوتر بمقارنة أنواع مختلفة من مجموعات النصوص مع الحفاظ على توافق المواضيع بشكل مثالي عبر الزمن. وبدلاً من تحليل كل مجموعة على حدة ومحاولة فرض المطابقة لاحقاً، تقوم طريقتهم ببناء خريطة أفكار واحدة مشتركة أولاً. تخيل هذه الخريطة المشتركة كنظام إحداثيات مشترك، مثل مجموعة قياسية من خطوط الطول والعرض، تغطي جميع مجموعات النصوص المختلفة في آن واحد. يتعلم الكمبيوتر المواضيع الرئيسية وكيفية تطورها على مدى فترة زمنية تبلغ سبعة وتسعين عاماً باستخدام هذه الخريطة المشتركة. وبمجرد إنشاء هذا الأساس المشترك، يسمح الباحثون لكل مجموعة محددة — سواء كانت أخبار الأعمال، أو التقارير العمالية، أو الكتابة التاريخية العامة — بإجراء تعديلات صغيرة ومسيطر عليها على الخريطة. وهذا يسمح للمجلات التجارية باستخدام مفرداتها الخاصة لموضوع ما، بينما تستخدم التقارات العمالية مفرداتها الخاصة، مع بقائها جميعاً مرتبطة بنفس الفكرة الأساسية تماماً. والنتيجة هي نظام يعرف فيه الكمبيوتر أن موضوع "المال" في إحدى المجموعات وموضوع "الأجور" في أخرى ليسا مجرد موضوعين متشابهين، بل هما في الواقع نفس الموضوع ولكن من منظورين مختلفين.
اختبر الباحثون هذا النهج على ثلاث مجموعات ضخمة من النصوص تمتد من عام 1922 إلى عام 2019. احتوت إحدى المجموعات على اللغة الإنجليزية الأمريكية التاريخية من المجلات والصحف، واحتوت أخرى على مقالات من "هارفارد بيزنس ريفيو"، وتكونت الثالثة من تقارير من "إنترناشيونال لابر ريفيو". تغطي هذه المصادر عوالم مختلفة تماماً: إحداها مزيج واسع من التاريخ العام، وأخرى تركز على الإدارة المؤسسية، والثالثة تتعامل مع حقوق العمال والسياسة الاجتماعية. وقارن الفريق طريقتهم الجديدة بالتقنيات القديمة حيث يتم تحليل المجموعات بشكل منفصل ثم مطابقتها لاحقاً. وكان الفرق صارخاً؛ فعند استخدام الطريقة القديمة للتحليل المنفصل، لم يستطع الكمبيوتر تحديد المواضيع المتطابقة بين المجموعات إلا بنسبة 18 بالمائة تقريباً. وفي المقابل، حققت طريقة الخريطة المشتركة الجديدة معدل نجاح يقترب من 98 بالمائة. وهذا يعني أنه في كل مرة ينظر فيها الكمبيوتر إلى موضوع في المجلات التجارية، يمكنه فوراً وبدقة العثور على الموضوع المقابل في التقارات العمالية، على الرغم من اختلاف الكلمات المستخدمة تماماً.
كما أظهرت الدراسة أن هذه الطريقة الجديدة لم تضحِّ بجودة التحليل من أجل التوافق. فلا يزال بإمكان الكمبيوتر تعلم الفروق الدقيقة لكل مجموعة، والتقاط المفردات الفريدة للمديرين التنفيذيين واللغة المتميزة لمنظمي العمال. ومن خلال إبقاء الخريطة الرئيسية ثابتة والسماو فقط بإجراء تعديلات صغيرة، حافظ النظام على القدرة على تتبع كيفية تطور موضوع واحد، مثل التحول الاقتصادي، عبر العقود. وقد تمكن الباحثون من تتبع خيط واحد للمحادثة حول الاقتصاد وهو ينتقل من الأزمات الصناعية في الثلاثينيات، مروراً بالتوسع في الإدارة المؤسسية في فترة ما بعد الحرب، وصولاً إلى العصر الرقمي في أواخر القرن العشرين. وفي كل حقبة، أظهرت الخريطة المشتركة كيف ركزت المجلات التجارية على الربح وأسواق الأسهم، بينما ركزت التقارير العمالية على الأجور وحماية العمال، ومع ذلك، كان كلاهما يناقش بوضوح اللحظة التاريخية نفسها.
يشير هذا العمل إلى أن المفتاح لمقارنة مجموعات مختلفة من النصوص عبر فترات طويلة هو معاملة محاذاة المواضيع كجزء أساسي من عملية التعلم، وليس كفكرة لاحقة. ووجد الباحثون أنه عندما حاولوا ضبط النظام بأكمله لكل مجموعة على حدة، انقطعت الصلة بين المواضيع، وفقد الكمبيوتر قدرته على رؤية الصورة الكبيرة. وتشير نتائجهم إلى أنه من خلال بناء أساس مستقر ومشترك أولاً، يمكن رؤية كيف تتحدث مجتمعات مختلفة عن نفس الأفكار الكبرى بطرقها الفريدة. يقدم هذا النهج طريقة أكثر موثوقية لعلماء التاريخ والاجتماع لمقارنة مصادر المعلومات المتنوعة، مما يضمن أنه عندما يتتبعون موضوعاً من قرن إلى آخر، فإنهم يتبعون بالفعل القصة نفسها، حتى لو تغيرت الكلمات الموجودة على الصفحة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.