تحليل المشاعر في نصوص باللغة الروسية ، الجزء 3: التحديات والآفاق

تم استخدام تحليل المشاعر بنجاح لوسائل التواصل الاجتماعي والمراجعات والأخبار وحتى الكتب المدرسية. بناءً على البحث الرئيسي للغة الروسية الموضح في مقال سابق ، نلقي هنا نظرة على التحديات الرئيسية التي يواجهها الباحثون ، فضلاً عن الاتجاهات الواعدة للمستقبل. على عكس الأعمال السابقة ، ركزت على التطبيقات التطبيقية ، وليس على المناهج نفسها وجودة التصنيف.

ملحوظة: المقال كتب لمجلة علمية ، لذلك سيكون هناك العديد من الروابط إلى المصادر.

1. المكالمات الجارية

بناءً على تحليل المقالات البحثية ، تم تحديد عشر مشاكل شائعة. بشكل عام ، يواجه الباحثون عادةً تحديات متعددة ، بما في ذلك الوصول إلى البيانات التاريخية التمثيلية وبيانات التدريب ، بالإضافة إلى شرح المشاعر ، ووصف قيود البحث بشكل شامل ، واستخراج الموضوعات من النصوص.

1.1. الوصول إلى البيانات التاريخية التمثيلية في المصادر التي تم تحليلها

غالبًا ما يتم استخدام وتحليل البيانات التاريخية - مثل المنشورات والمراجعات - التي يتم جمعها من خلال واجهات برمجة التطبيقات المصدر أو منصات التجميع في أبحاث المشاعر. يوفر مطورو واجهة برمجة التطبيقات أحيانًا وصولاً جزئيًا إلى البيانات المنشورة. على سبيل المثال ، تتبع واجهة برمجة تطبيقات Twitter الأساسية سياسة تنص على أن واجهة برمجة تطبيقات Twitter التاريخية فقط هي التي توفر الوصول إلى جميع المشاركات المفتوحة. بالنسبة لمنصات التجميع ، حتى لو ادعوا أن لديهم حق الوصول الكامل إلى البيانات الخاصة بمصدر معين ، فمن المستحيل التحقق من ذلك. لذلك ، هناك طريقتان فقط للتأكد من أن البيانات تمثل المسح:

1. API , . , API .
2. . , OK Data Science Lab [98].

1.2.

على الرغم من أن اللغة الروسية هي واحدة من أكثر اللغات انتشارًا على الإنترنت ، إلا أن عدد المصادر فيها أقل بكثير من اللغة الإنجليزية ، خاصة في مجال تحليل المشاعر. على الرغم من تخصيص الكثير من الدراسات لتصنيف المشاعر في النصوص باللغة الروسية ، إلا أن مؤلفي بعضها فقط جعلوا مجموعات البيانات الخاصة بهم متاحة للجمهور. إذا لم يتم تطبيق أي من المجموعات المتاحة على موضوع البحث ، فسيقوم المؤلفون بترميز مجموعات التدريب يدويًا. بعد تحليل المصادر الأدبية والأعمال العلمية [142] ، [173] ، حددت ووصفت 14 مجموعة بيانات متاحة للجمهور لتحليل المشاعر في النصوص باللغة الروسية (انظر الجدول 2). لقد فكرت فقط في تلك المجموعات التي يمكن الوصول إليها وفقًا للتعليمات الموضحة في الأوراق العلمية ذات الصلة أو على المواقع الرسمية. في هذا الصدد ، لم يتم تضمينهم في القائمة ،على سبيل المثال ، مجموعات ROMIP [174] ، [175] ، لأنه لم يكن من الممكن الوصول إلى البيانات من خلال موقع الويب الرسمي الخاص بهم.



الجدول 2. مجموعات البيانات باللغة الروسية لتحليل المشاعر.

1.3. .

باستخدام أنظمة التحليل التابعة لجهات خارجية مثل SentiSt Strength [22] أو Medialogy algorithms أو POLYARNIK [107] ، لا يكتب المؤلفون عادةً عن جودة التصنيف في النصوص التي تم تحليلها ، لذلك يصبح من الصعب التحقق من دقة نتائج البحث. أفترض أن استخدام حلول الجهات الخارجية يرجع أيضًا إلى حقيقة أن الباحثين لم يعلقوا على مجموعات اختبار النصوص لحساب مقاييس التصنيف. ومع ذلك ، يبدو أن إدخال هذه المرحلة سيزيد بشكل كبير من القيمة العلمية للعمل. لذلك ، أوصي بشدة أن يقوم المؤلفون بالتعليق يدويًا على عينات البيانات المستهدفة لقياس مقاييس التصنيف في تحليل المشاعر.

1.4. استخراج المواضيع من النصوص

لاستخراج الموضوعات ، تستخدم معظم الدراسات تقنيات نمذجة الموضوعات. ولكن إذا كانت نسبة النصوص المتعلقة بالموضوع محل الاهتمام أقل بكثير من 1٪ ، فلن تسمح نمذجة الموضوع بالعمل مع استخراج الموضوع [54]. علاوة على ذلك ، تُظهر نمذجة الموضوع دقة منخفضة عند تحليل النصوص القصيرة ، خاصة إذا كانت تمثل الكلام اليومي [54]. لذلك ، يجب تطوير نهج أكثر دقة وأقل اعتمادًا على الضوضاء.

1.5 أدلة التعليقات التوضيحية للمشاعر للترميز اليدوي.

نظرًا لأن مجموعات التدريب على اللغة الروسية ذات الصلة بالموضوعات ذات الأهمية ليست متاحة دائمًا ، يقوم الباحثون عادةً بتعليق النصوص يدويًا. بدون وصف الدليل والتفاصيل الأخرى لعملية التعليقات التوضيحية ، من الصعب التحقق من جودة الترميز لمجموعة البيانات. تُعد الإرشادات الواضحة والبسيطة خطوة بخطوة ضرورية للحصول على تعليقات توضيحية عالية الجودة من كل من اللغويين المعتمدين والمقيمين غير اللغويين [176]. بعض أنواع النصوص يصعب بشكل خاص إضافة تعليقات إلى اللونية ، على سبيل المثال ، الحالة العاطفية للمتحدث ، والتواصل المحايد للمعلومات القيمة ، والسخرية ، والسخرية ، وغيرها [162].



كمثال على دليل لتعليق المشاعر حول اللغة الروسية ، يمكن أن يستخدم البحث الإضافي إرشادات تم تطويرها مع شرح RuSentiment [142]. إذا لم يكن لديك لغويين معتمدين للتعليق ، فيمكنك استخدام مساعدة المقيّمين من Yandex.Toloka ، وهي منصة تعهيد جماعي لتعليق البيانات يدويًا. وقد تم استخدامه بالفعل في العديد من الدراسات الأكاديمية للنصوص باللغة الروسية [177] - [180]. كما يوصى بشدة بنشر الاتفاقيات بين المعلقين ، مثل Fleiss 'kappa [181] أو Krippendorff's alpha [182] ، وتفاصيل أخرى لعملية التعليقات التوضيحية.

1.6 وصف شامل للقيود

توفر معظم الأوراق التي تم تحليلها قوائم غير كاملة من القيود. بالإضافة إلى القيود الفنية والمنهجية ، يوصى بشدة بوصف:

• انتشار الإنترنت في البلاد. أحد القيود الحرجة ، لأن مجموعات معينة من الناس لن تغطيها الدراسة. وفقًا لنتائج استطلاعات Omnibus GFK في ديسمبر 2018 [9] ، بلغ معدل انتشار الإنترنت في روسيا 75.4٪ ، ويستخدمه 90 مليون روسي في سن 16 وما فوق. استخدام الإنترنت من قبل الشباب (16-29 عامًا) ومتوسطي العمر (20-54 عامًا) قريب من مستويات التشبع - 99٪ و 88٪ على التوالي. ولكن على الرغم من الزيادة الكبيرة في معدل الانتشار ، فإن 36٪ فقط من الأشخاص الذين تزيد أعمارهم عن 55 عامًا يستخدمون الإنترنت.
• . , [183]. , . , . , , , , .
• . , , . , , . , , , , ; ; ; , , , , ; . , . , .
• . Freedom House 2018- [184], 53 65. 2012- , IP-, URL. 2019- . , , . , , .

1.7. .

نظرًا لأن الأشخاص يمكنهم التعبير عن آرائهم حول عدد كبير من الموضوعات ، فإن تحليل كل هذه الآراء يمكن أن يكون مكثفًا للموارد لأن مجموعات التدريب يجب أن تكون مشروحة لكل موضوع [186]. يؤدي عدم وجود مجموعات مشروحة من النصوص لتدريب جميع نماذج تحليل المشاعر المواضيعية إلى انخفاض في دقة التحليل. وفقًا لدراسة [187] ، هناك ثلاث قضايا مهمة في التحليل بين الموضوعات. قد يتم عكس الآراء المعبر عنها في سياق موضوع واحد في سياق موضوع آخر. تتعلق المشكلة الثانية بالاختلافات بين مفردات العواطف لموضوعات مختلفة يجب أخذها في الاعتبار في التحليل. وأخيرًا ، من المعقول تعيين علامة على قوة العاطفة لكل رمز في قاموس المشاعر.

1.8 تعريف السخرية والسخرية

غالبًا ما يحتوي الاتصال عبر الإنترنت على عبارات ساخرة وساخرة [188] ليس من السهل دائمًا حتى للبشر التعرف عليها ، ناهيك عن خوارزميات معالجة اللغة الطبيعية. حتى الآن ، تم تخصيص القليل جدًا من الأبحاث [189] لتعريف السخرية والسخرية في اللغة الروسية. لذلك ، من أجل المعالجة الصحيحة لمجموعة واسعة من الآراء ، من الضروري تطوير وتطبيق المزيد من الأساليب مع التصنيف التلقائي لتقنيات الكلام المعقدة.

1.9 تعريف الروبوتات

تتمتع الروبوتات بتأثير قوي على جوانب مختلفة من وسائل التواصل الاجتماعي ، خاصةً عندما تشكل غالبية المستخدمين. يمكن استخدامها في العديد من المهام الخبيثة المتعلقة بالرأي العام. على سبيل المثال ، لتضخيم شعبية المشاهير أو نشر معلومات كاذبة عن السياسيين [190]. نتيجة لذلك ، يجب تطوير طرق تحديد الروبوت وتطبيقها في دراسات المشاعر.

1.10. كفاءة نتائج التحليل

لا يزال هناك خلاف كبير حول فعالية قياس الاستجابات من خلال التحليل التلقائي للبيانات على الويب. تعتقد العديد من الدراسات [191] ، [192] أن مناهج وسائل التواصل الاجتماعي أقل دقة من البحث التقليدي. يدعي آخرون [193] أن هذه الأساليب تظهر أداء أفضل من الطرق التقليدية. لذلك ، يوصى بشدة ، إن أمكن ، بمقارنة نتائج الدراسة بالنتائج التي تم الحصول عليها باستخدام طرق أخرى.

2. مجالات البحث الواعدة

بعد مراجعة الأدبيات ، حددت سبع فرص للبحث في المستقبل.



بشكل عام ، يجب أن تدرس الأبحاث المستقبلية بعناية مناهج مراقبة المشاعر الواردة في هذه المقالة من أجل تحديد أوجه التآزر المحتملة بين الأساليب الفردية لتحليل أكثر اكتمالاً للمشاعر المعبر عنها في مصادر نصية مختلفة.

2.1 التعلم مع نقل المعرفة لنماذج اللغة

يستخدم معظم العمل مناهج تعلم آلي بسيطة أو قائمة على القواعد. استخدمت دراستان فقط [69] ، [72] الشبكات العصبية. ومع ذلك ، فقد أظهر العمل الأخير أن التعلم من خلال نقل المعرفة من نماذج اللغة المدربة مسبقًا يمكن أن يحل بشكل فعال مشاكل تصنيف المشاعر ، ويحقق بثقة نتائج جيدة [43] ، [194] - [198].



وبالتالي ، يمكن أن يؤدي استخدام نماذج اللغة الدقيقة إلى تحسين جودة تحليل المشاعر بشكل كبير ، وبالتالي تحسين دقة نتائج مراقبة المشاعر. تم إجراء بحث مبدئي في [199] ، قام مؤلفوه بتدريب شبكة عصبية تلافيفية ضحلة وواسعة باستخدام زخارف ELMo [42] وحصلوا على مقاييس تصنيف قياسية جديدة على مجموعة بيانات RuSentiment [142] ، متجاوزة جميع أساليب الشبكة العصبية السابقة. كخطوة أولى في هذا الاتجاه ، يمكن للباحثين تدريب ونشر معدلات نقل التعلم الأساسية لمجموعات نصية مختلفة باللغة الروسية.

2.2. تحليل المشاعر للنصوص متعددة اللغات

روسيا دولة متعددة الجنسيات ، وبالتالي فهي متعددة اللغات. لذلك ، يمكن للأشخاص والمجموعات المختلفة التعبير عن آرائهم بلغات مختلفة. يُحصي اللغويون أكثر من 150 لغة في روسيا ، بدءًا من الروسية ، التي يتحدث بها 96.25٪ من السكان ، وانتهاءً بالنجيدال ، التي يتحدث بها عدة مئات من الأشخاص في منطقة أمور. قامت العديد من الدراسات بتحليل النصوص بلغات متعددة ، مما سمح للمؤلفين بتغطية مجموعة واسعة من المصادر ومقارنة تعبيرات الرأي حول نفس الموضوع بلغات مختلفة.



لتصنيف المشاعر بلغات مختلفة ، قام بعض الباحثين بترجمة جميع النصوص إلى لغة واحدة وأجروا تحليل المشاعر بلغة واحدة (على سبيل المثال ، [72]). طور آخرون نماذج تصنيف متعددة اللغات (على سبيل المثال ، [79]). كتطوير للنهج الأخير ، يمكن للباحثين استخدام نماذج لغوية مُدرَّبة مسبقًا ، على سبيل المثال ، تمثيلات التشفير ثنائية الاتجاه من المحولات [43] ومشفّر الجمل الشامل متعدد اللغات [198].

2.3 استخراج نصوص موضوعات عامة

في معظم دراسات نمذجة الحالة ، اختار المؤلفون عددًا قليلاً فقط من الموضوعات لاستخراجها وتحليلها في المستقبل. ومع ذلك ، لا يسمح هذا الأسلوب باستخراج الموضوعات ذات الصلة من مجموعات كبيرة من النصوص ، على سبيل المثال ، عندما تكون نسبة النص المتعلقة بالموضوعات محل الاهتمام أقل بكثير من 1٪ [54]. علاوة على ذلك ، تُظهر نمذجة الموضوع دقة منخفضة في تحليل النصوص القصيرة ، خاصةً إذا كان الحديث اليومي [54]. يمكن تضييق مهمة استخراج الموضوع ليس فقط لنمذجة الموضوع ، ولكن أيضًا لمهمة تصنيف النص ، إذا توفرت مجموعة شاملة من بيانات التدريب حول استخراج الموضوعات العامة.



يبدو أن إنشاء مجموعة البيانات هذه عملية تستغرق وقتًا طويلاً وتستهلك موارد كبيرة في حالة اتباع نهج أساسي مع شرح توضيحي مع فريق لغوي أو التعهيد الجماعي. ومع ذلك ، توفر بعض منصات الوسائط الاجتماعية للمستخدمين القدرة على تمييز منشوراتهم ، مثل Reddit و Pikabu. هذا يعني أن مستخدمي هذه الشبكات الاجتماعية يتولون عملية التعليق التوضيحي ؛ لذلك ، مع التحقق الإضافي ، يمكن استخدام هذه البيانات لإنشاء مجموعة تدريب لاستخراج موضوعات عامة من الرسائل.

2.4 الإعجابات وأنواع أخرى من ردود الفعل تجاه المحتوى كطريقة غير مباشرة للتعبير عن المشاعر

في معظم الدراسات ، تم تقييم تعبيرات الرأي فقط من خلال محتوى المنشورات. ومع ذلك ، يمكن أن تكون الإعجابات وأنواع أخرى من ردود الفعل على المنشورات مصدرًا للمشاعر التي يعبر عنها القراء. لذلك يمكن أخذ هذه المعلومات في الاعتبار عند مراقبة المشاعر. في الدراسة [200] ، تم عمل تمهيدي لدراسة العلاقة بين الإعجابات المنشورة والمشاعر حول المنشور: درس الباحثون دور محتوى المنشورات ، والعلاقة بين مؤلف المنشور وشخصية المستخدم. استنادًا إلى البحث عبر الإنترنت ، يجادل المؤلفون بأن المشاركات ذات المشاعر الإيجابية يتم عادةً الإعجاب بها تلقائيًا دون قراءة متأنية. كما لوحظ أن إيجابية المنشورات ترتبط بالدوافع النسبية والحرفية.بالإضافة إلى زر الإعجاب البسيط ، قدمت بعض منصات الوسائط الاجتماعية وظائف سريعة الاستجابة للسماح للمستخدمين بإظهار رد فعلهم العاطفي تجاه الرسالة بسهولة. على سبيل المثال ، تتكون مجموعة ردود أفعال Facebook من Like و Love و Wow و Haha و Angry و Sad.



في دراستهم للمحفزات العاطفية في السلوك الرجعي لمستخدمي فيسبوك الناطقين بالروسية ، أظهر Smolyarova وآخرون. [201] أن رد فعل الحب يستخدم عادة بطريقة مباشرة ، ليصبح بديلاً عن الإعجاب التقليدي. على العكس من ذلك ، من المحتمل أن يتم تمييز المنشور الذي يؤدي إلى رد فعل رائع بمشاعر أخرى أيضًا. تميل ردود الفعل مثل Love و Haha و Wow إلى تثبيط الرغبة في زيادة التفاعل مع المشاركات من خلال التعليقات أو زر المشاركة [202]. وبالتالي ، فإن أحد المجالات المهمة المحتملة للبحث هو العلاقة بين رد الفعل ومزاج الناس ومزاج النشر ، والتي يمكن استخدامها في المستقبل في مراقبة الحالة المزاجية.

2.5 التصنيف السياقي للعواطف

يمكن أن يعتمد رد الفعل العاطفي للمستخدم في النص بشدة على السياق: يمكن للنص نفسه في سياق ما أن يعبر عن نغمة إيجابية ، وفي سياق آخر - نبرة سلبية [203]. لذلك ، عند تحليل نغمة المحادثات ، على سبيل المثال ، الردود في التعليقات ، من المهم جدًا التقاط سياق المحادثة بالإضافة إلى ردود الفعل العاطفية نفسها. يجب على الباحثين الانتباه إلى التصنيف السياقي للعواطف عند تحليل المحادثات.

2.6. تحليل محتوى المصادر الأقل بحثًا

تعمل نسبة كبيرة من الأبحاث على بيانات من VKontakte و Twitter و LiveJournal و YouTube ، على الرغم من وجود شبكات اجتماعية أخرى شائعة يمكن استخدامها كمصدر للبيانات ، على سبيل المثال ، Odnoklassniki و Moi Mir و RuTube. وبالتالي ، يمكن للباحثين الانتباه إلى Odnoklassniki ، لأنها ثاني أكبر شبكة اجتماعية روسية ، والتي يستخدمها 42٪ من سكان البلاد [98]. يحظى النظام الأساسي بشعبية لدى المستخدمين الذين تزيد أعمارهم عن 35 عامًا ، لذلك يمكن أن يكون مصدرًا مفيدًا للآراء من الأجيال الأكبر سناً. علاوة على ذلك ، يمكن الوصول إلى إحصائيات ممثل Odnoklassniki من خلال OK Data Science Lab ، وهي منصة طورتها Odnoklassniki للبحث.

2.7. التحليل التلقائي لمحتوى الوسائط الاجتماعية كبديل للاستطلاعات التقليدية

في الوقت الحاضر ، لا يمكن اعتبار نتائج تحليل النصوص على الإنترنت بديلاً كاملاً للنُهُج الكلاسيكية لتقييم الآراء بناءً على استطلاعات الرأي الجماعية [204]. للتغلب على هذه العقبة ، هناك حاجة إلى أساس نظري لتعميم البيانات على مستوى المجموعات السكانية الأكبر [205]. تفترض الاستطلاعات الجماعية التقليدية ارتباط الآراء بالمجموعات الاجتماعية والديموغرافية ، وعادة لا تتوفر المعلومات الديموغرافية الموثوقة على وسائل التواصل الاجتماعي. يمكن للباحثين استخدام معلومات تحديد الموقع الجغرافي وبيانات ملف تعريف المستخدم وأنظمة التنبؤ بالجنس والعمر [206] - [211] لمقارنة نتائجهم باستطلاعات الرأي التقليدية.

2.8. مراقبة مؤشر المشاعر للشريحة الناطقة بالروسية من الشبكات الاجتماعية

في ورقة بحثية رائدة في عام 2010 [212] ، قام Mislov وآخرون بالتحقيق في ديناميكيات المشاعر على مدار اليوم من خلال تحليل أكثر من 300 مليون رسالة Twitter تعتمد على الموقع من الولايات المتحدة باستخدام نهج قائم على القاموس. لوحظت بعض الاتجاهات المثيرة للاهتمام ، مثل أعلى مستوى من السعادة في الصباح الباكر وفي وقت متأخر من المساء. كانت عطلات نهاية الأسبوع أسعد بكثير من أيام الأسبوع. تم تأكيد هذه الأنماط من خلال دراسة مزاجية البرازيليين على موقع تويتر [213] ، والتي استخدمت تصنيفًا ساذجًا لأمزجة بايزي [30]. قام دزوجانج أيضًا بالتحقيق في أنماط الساعة البيولوجية في تغيرات المزاج [214]. إذا تم بالفعل إجراء مثل هذه الدراسات للعديد من اللغات ، فإن النصوص باللغة الروسية لم يتم دراستها كثيرًا حتى الآن [93] ، [137]. يمكن استكشافها على نطاق أوسع وأعمق من حيث كمية البيانات التي تم تحليلها ،نماذج جودة تصنيف الانفعالات وطرق حساب المؤشرات الاجتماعية.



أيضًا ، تم تخصيص بعض الدراسات لتطوير أنظمة لرصد المشاعر في الشبكات الاجتماعية الناطقة بالروسية ، لكن المؤلفين عادةً لا يبلغون عن نتائج المراقبة. على سبيل المثال ، وصف باحثون من جامعة ITMO طريقة لتقييم المشاعر العاطفية للرأي العام [215] ، واعتبر مؤلفو [216] المبدأ العام لمراقبة الشبكات الاجتماعية باستخدام التحليل الذكي للرسائل النصية ، وفي المقالة [148] ، وصف المؤلفون تطوير برمجيات لرصد المشاعر العامة من خلال رسائل Twitter باللغة الروسية.

3 - الخلاصة

كما نرى ، توجد بالفعل قاعدة بحثية جيدة للغة الروسية ، تغطي مجموعة واسعة من أهداف البحث والمصادر التي تم تحليلها. ومع ذلك ، هناك أيضًا عدد من التحديات والمجالات الواعدة التي يجب مراعاتها عند إجراء بحث جديد.

4. المصادر

يمكن العثور على قائمة كاملة بالمصادر هنا .