نظام تعلم الآلة لإعادة كتابة المقالة أثناء قراءتك لها

يُقترح بحث جديد من كندا طريقةً لتحديث المقالة تلقائيًا أثناء قراءتك لها، بناءً على نمط التمرير مثل تندر، أو عن طريق المراقبة السلبية لتفاعل القارئ مع أنواع المحتوى المختلفة التي تحتويها المقالة.

النظام، الذي يحمل عنوان Hone As You Read (HARE)، يتم تقديمه في ورقة من جامعة ويسترن في أونتاريو، كندا، مع رمز بايثون المقابل على GitHub.

الفكرة المركزية للمشروع هي أن المقالة قد تحتوي على أنواع مختلفة من المحتوى، وتتطور (مثل هذه المقالة) من العنوان إلى التفاصيل الإضافية. قد تحتوي الأجزاء الأخيرة من المقالة على مواد داعمة مختلفة، أو حالات استخدام، أو فرضيات أو تخمينات حول تداعيات الأخبار.

تحت HARE، إذا كنت لا تحب هذا النوع من المواد، يمكنك التصويت ضده على أساس الفقرة تلو الأخرى أثناء تعلم النظام تفضيلاتك، بحيث أنه بحلول الوقت الذي تصل إليه، يكون المحتوى المماثل للمادة التي صوتت ضده قد تم إزالته أو إعادة كتابته بالفعل. إذا كنت لا تريد المشاركة بشكل نشط في تدريب النظام، يمكن لـ HARE استنتاج اختياراتك من خلال مراقبة تفاعلك السلبي مع الوثيقة.

التصويت بنمط تندر للجمل غير المرغب فيها

في الصورة أدناه، نرى ثلاثة أنواع ممكنة من التصنيف المستنبط لـ HARE، بناءً على السلوك الصريح أو الضمني للمستخدم. في الحالة الأولى (اليسار)، يقوم المستخدم بالتصويت بنمط تندر (إلى اليسار أو اليمين)، في إشارة تصويت تعبر عن الموافقة أو الكراهية للمحتوى أو أسلوب أو تعقيد أو نبرة الفقرة أو الجملة.

Source: https://arxiv.org/pdf/2105.02923.pdf

في الحالة الثانية (المركز)، يستخدم النظام وقت الإقامة كأداة لقياس اهتمام المستخدم، بناءً على موضع ومدة توقف التمرير.

في الحالة الثالثة (اليمين)، يستخدم HARE كاميرا الهاتف الذكي لتخمين مسار ووقت الإقامة لموقع نظر المشاهد عبر فقرات الوثيقة المرئية.

يزعم الباحثون أن زيادة وقت الإقامة على أي فقرة يمكن أن تدل على زيادة اهتمام المستخدم، على الرغم من أن هذا قد لا يكون الحال حيث يحاول المشاهد استيعاب نصًا قد يكون معقدًا أو مجرد كتابة سيئة.

الرد من المستخدم يعدل أو يعيد كتابة أو يمحو تمامًا أجزاء المقالة غير المرئية.

معالجة المحتوى مسبقًا لتفضيلات المستخدم

تتعامل الورقة مع تجربة المستخدم لـ HARE على أساس المقالة، ولكن من الواضح أن تفاعل المستخدم التاريخي مع الوثائق يسمح بتخصيص تجارب القراءة المستقبلية، من خلال التعرف المستمر على أنواع المحتوى وتطبيق تفضيلات المستخدم المعمول بها على مقالات جديدة، بحيث تقل الحاجة إلى التفاعل مع انخفاض رؤية المستخدم لمزيد من “المحتوى غير المرغوب فيه”.

يتم وصف HARE على أنه خوارزمية تلخيص، مما يسمح بمعالجة المحتوى غير المرئي في أسفل الصفحة من حيث الأسلوب أو الإيجاز قبل وصول المستخدم إليه؛ ولكن الورقة توضح أن بإمكانه أيضًا إزالة المحتوى مسبقًا بناءً على ردود فعل المستخدم.

لأغراض الاختبار، استخدم النظام مجموعة بيانات من 11,222 مقالة من صحيفة Daily Mail البريطانية، وتم تقييمه من خلال نشر تجريبي على تطبيق Telegram. تم إهمال المقالات التي تحتوي على أقل من عشرة فقرات لغرض التجربة.

تطبيق HARE على Telegram في مرحلة الاختبار مع المستخدمين.

تستخدم منهجية الباحثين K-Means clustering على SBERT تعبئة الجمل في المقالات، مع أوزان عشوائية في البداية للمفاهيم المعالجة.

من بين مجموعة واسعة من الخوارزميات والمناهج، يحتوي HARE على ثلاثة نماذج مقارنة، الأول منها (ORACLEGREEDY) لديه وصول إلى تفضيلات المستخدم السابقة، مما يشير إلى أن الخوارزمية يمكن أن تمهيد المقالات عند التحميل، بدلاً من التفاعل بشكل تفاعلي.

النماذج الأخرى، ORACLESORTED و ORACLEUNIFORM، تختار الجمل بناءً على مستوى الاهتمام أو بشكل عشوائي في جميع أنحاء المقالة، على التوالي.

إزالة المحتوى وإعادة كتابته

من الم驚 أن ORACLEUNIFORM تفوقت على مجموعة التحكم، على الرغم من أنها لا تملك وصولًا إلى تفضيلات المستخدم السابقة. يزعم الباحثون أن هذا因为 أنها تتعامل مع المقالة بأكملها في جولة واحدة، “اختيار الجمل الأكثر إثارة للاهتمام”. يقر الباحثون أن هذا قد يقيّد المحتوى المتاح إلى الجمل التي تتعامل فقط مع المفهوم الأكثر أهمية، مما يؤدي إلى إزالة النصوص الأخرى التي قد تتعامل مع تداعيات أو تقييم المفهوم.

تستخدم خوارزميات التلخيص المستخرجة في HARE هي LexRank، SumBasic، و TextRank.

تم اختبار HARE على 13 متطوعًا خلال 70 تجربة وبنسبة مختلفة من المناهج، وتمكنت من تحديث التلخيصات (النص المعدل / المحذوف) في مكان ما بين 1.3 مللي ثانية و 100 مللي ثانية على جهاز لابتوب من الدرجة الاستهلاكية، اعتمادًا على النموذج الذي يتم اختباره. وجدت النتائج أن النماذج التي أزالت معظم النص لم تؤد إلى أداء جيد، chủ yếu لأن هذا يمكن أن يؤثر على تماسك النص المتبقي.

الآثار الأخلاقية لإعادة كتابة المقالة الديناميكية

يقر الباحثون بالقلق الأخلاقي حول تكنولوجيا من هذا القبيل:

‘مهمة HARE旨 في تصميم تطبيقات المستقبل التي تواجه المستخدم. من خلال التصميم، هذه التطبيقات لها القدرة على التحكم في ما يقرأه المستخدم من مقال معين. من الممكن أن، عند نشرها بدون عناية كافية، يمكن لهذه الأدوات أن تزيد من تأثير “غرفة الصوت” الذي تنتجه Already تلقائيًا الأخبار، نتائج البحث، والمجتمعات عبر الإنترنت.’

然而، يلاحظون أيضًا أن نظامًا كهذا يمكن استخدامه في التطبيقات المستقبلية لتخفيف تأثير “غرفة الصوت” عن طريق حقن نص يطرح وجهات نظر بديلة قد لا تكون موجودة في المقالة في البداية. يلاحظون: ‘يمكن ضبط وزن هذا العامل لتوفير تجربة قراءة ممتعة وتعرض لمجموعة متنوعة من الأفكار.’

من المرجح أن يستفيد القراء الذين يرغبون في توفير الوقت في استيعاب المعلومات، والناشرون المحتملون من نظام كهذا، وفقًا للباحثين.