التعلّم العميق لكشف الحركات البلاغية
Sociedade Brasileira de Computação · Sep 2025
ضبطت نسخة مُقطّرة من BERTimbau ضبطًا دقيقًا على مدوّنة CorpusDT لتحديد الحركات البلاغية في الملخّصات العلمية بالبرتغالية، فبلغت درجة F1 مقدار 0.94 في تصنيف الجمل. ويبرز ذلك إمكانات معالجة اللغة الطبيعية في تحسين جودة الكتابة الأكاديمية بالبرتغالية.
دراسة حالة
0.94 F1 · دقة 93.97% · 6 فئات بلاغية · 52 ملخّصًا → 1,409 أمثلة
المشكلة
تفتقر البرتغالية إلى أدوات تدعم الكتابة العلمية. وعادةً ما تُبنى حركات Swales البلاغية (السياق، والفجوة، والغرض، والمنهج، والنتيجة، والخاتمة) بشكل حدسي، ويُترك الفرق البحثي غالبًا ضمنيًا. وقد بلغ المصنّف المرجعي السابق للبرتغالية، AZPort، دقة 72% بمقاربة Naive Bayes.
القيد
تحتوي CorpusDT، وهي إحدى المدوّنات الموسومة القليلة المتاحة بالبرتغالية، على 52 ملخّصًا علميًا فقط، وهو عدد قليل جدًا لضبط نموذج Transformer مباشرةً ضبطًا دقيقًا.
المنهج
بنيت خطًا لتوسيع البيانات يحافظ على المعنى البلاغي لكل جملة: الترجمة العكسية (PT→EN→PT)، واستبدال المرادفات، والإدراج والتبديل العشوائيين، والحذف العشوائي كتنظيم، مطبَّقةً بشكل عشوائي ومنحازة نحو الفئات الأقلية. وقد وسّع ذلك الملخّصات الـ52 إلى 1,409 أمثلة جملية متوازنة (تقسيم طبقي 80/20). وعلى هذه المجموعة ضبطت distilbert-portuguese-cased، وهي نسخة مُقطّرة من BERTimbau، ضبطًا دقيقًا برأس تصنيف من 6 فئات، وإنتروبيا متقاطعة موزونة بالفئات، ودقة مختلطة (FP16)، وAdamW مع مُجدول جيبي، وإيقاف مبكر على F1 في مجموعة التحقق.
النتيجة
بلغ المصنّف النهائي قيمة F1 موزونة مقدارها 0.94 (0.9403 لمعيار macro) ودقة 93.97% في مجموعة التحقق، وهي أفضل نتيجة معروفة لكشف الحركات البلاغية في البرتغالية. وأظهر تحليل الأخطاء أن التصنيفات الخاطئة تتركّز بين حركات متقاربة دلاليًا (على سبيل المثال، 7.7% من جمل النتيجة قُرئت كمنهج)، وهو حدّ دقيق حتى بالنسبة للموسِمين البشر. وتتبع الأخطاء نمطًا منطقيًا لا عشوائيًا.