تقدم لقطات GIF ردود الفعل مفتاحًا جديدًا لتحليل المشاعر في معالجة اللغة الطبيعية

تُقدم أبحاث جديدة من تايوان طريقةً جديدةً لمعالجة اللغة الطبيعية (NLP) لتحليل المشاعر في منصات التواصل الاجتماعي وقواعد بيانات البحث اللغوي – من خلال تصنيف وتسمية لقطات GIF المتحركة التي يتم نشرها استجابةً للإعلانات النصية.

قام الباحثون، بقيادة Boaz Shmueli من جامعة تايوان الوطنية، باستخدام قاعدة بيانات تويتر المدمجة من لقطات GIF ردود الفعل كدليل لquantify الحالة العاطفية لاستجابة المستخدم، مما يلغي الحاجة إلى التفاوض على استجابات اللغة المتعددة، تحدي كشف السخرية، أو تحديد درجة الحرارة العاطفية الأساسية من استجابات غامضة أو قصيرة بشكل مفرط.

نقر زر ‘GIF’ عند كتابة رسالة على تويتر يوفر مجموعة معيارية من لقطات GIF المتحركة المسمى التي يمكن لمعالجة اللغة الطبيعية تفسيرها بسهولة أكبر من استخدام لغة نصية عادية.

توصف الورقة استخدام لقطات GIF ردود الفعل بهذه الطريقة كـ ‘نوع جديد من التسمية، غير متاح في مجموعات بيانات المشاعر لمعالجة اللغة الطبيعية’، وتشير إلى أن مجموعات البيانات الحالية إما تستخدم نموذج الأبعاد للمشاعر أو نموذج المشاعر المنفصلة، ولا يوفر أي منهما هذا النوع من الرؤى.

استجابة GIF متحركة لرسالة مستخدم. مع التسمية المتوفرة من تويتر الآن لموقع الحالة العاطفية، تُزال غموض النية تقريبًا. مصدر: https://arxiv.org/pdf/2105.09967.pdf

قام الباحثون بنشر مجموعة بيانات تضم 30,000 تغريدة ساخرة تحتوي على ردود فعل GIF. توفر هذه الطريقة لمعالجة اللغة الطبيعية تمييزًا غير موجود في الأدبيات الحالية: طريقة لتمييز المشاعر المتصورة (المشاعر التي يعرفها القارئ من النص) من المشاعر المستحثة (الشعور الذي يختبره القارئ استجابةً للنص).

لقطات GIF ردود الفعل كمؤشرات خفيفة

فيما يتعلق بالاستجابة الداعمة لرسالة تشارك حالة عاطفية مزعجة، فإن GIF مناسبًا يُعد خفيفًا ومحددًا في النية عندما يتم نشره بدون نص داعم (وهذه هي أنواع ردود الفعل التي ركزت عليها الدراسة).

على سبيل المثال، ردود الفعل مثل ‘ذلك قاسٍ، رجل’، ‘ذلك مخزي’، أو ‘آه’ تحتوي على غموض محتمل في النية، من إمكانية موقف غير متأثر إلى إمكانية السخرية؛ لكن نشر واحد من مئات GIFs من فئة “العناق” في تويتر يترك قليلًا من مجال للتفسير:

تحليل معاني ردود الفعل GIF

مع ذلك، داخل أي فئة ردود الفعل، مثل “العناق”، هناك مؤشرات عديدة إضافية لمزاج أو وجهة نظر تشمل أجناسًا متعددة من الحالات المزعجة، بما في ذلك موقف افتراض العلاقة الرومانسية أو العائلية بين المستجيب والمنشور الأصلي.

تصوير أنواع مختلفة من العلاقات في فئة ‘العناق’ المتاحة في تويتر. استخدام أجناس وطرق وأشكال جنسية مختلفة يضيف دقة إلى تفسيرية خيار GIF لهذا الشعور.

تم اشتقاق مجموعة بيانات ReactionGIF من أول 100 GIF في كل فئة ردود الفعل المتاحة على تويتر، مما أدى إلى قاعدة بيانات تضم 4300 صورة متحركة. عندما يظهر GIF في أكثر من فئة، يتم وزن الفئة مع أعلى وضع في الواجهة بشكل أعلى. يتم تعيين عامل تشابه ردود الفعل للصور التي تظهر في فئات متعددة – مقياس تم اختراعه لهذه الدراسة.

يتم اكتشاف الارتباطات باستخدام التجميع الهرمي وربط المتوسط.

تعزيز بيانات ردود الفعل GIF

تم توليد قاعدة البيانات وتسميتها bằng تطبيق الطريقة ضد 30,000 تغريدة. سمح إشارة التأثير العاطفي الغني لفئة ردود الفعل للباحثين بتعزيز قاعدة البيانات bằng تسميات عاطفية إضافية، بناءً على مجموعات ردود الفعل الإيجابية والسلبية، وإضافة تسميات المشاعر بخطط تسمية ردود الفعل إلى المشاعر المخصصة، بناءً على حكم ثلاثة مقيمين بشأن التغريدات العينة.

العمل السابق من Yahoo وUniversity Of Rochester، الذي يتعامل مع تعليم لقطات GIF، لا يحتوي على هذا الطبقة من النص المستحوذ، ولا أي فئات ردود الفعل، ولكنه семантиقي بحت.

قيم الباحثون قاعدة البيانات عبر أربعة نهج: RoBERTa، شبكة العصبية التلافيفية (CNN) GloVe، مصنف الانحدار اللوجستي، ومصنف الفئة الأكثر شيوعًا. تظهر قوة الإقناع لكل فئة بوضوح في النتائج، مع الموافقة والاتفاق والتعاطف الأكثر سهولة في التعرف (وأكثر تمثيلًا)، والاعتذار الأكثر صعوبة في التقييم، ربما لأن ذلك يشمل إمكانية السخرية.

أنتج نموذج RoBERTa أعلى متوسط تصنيف تم اختباره عبر جميع ثلاثة طرق التقييم، والتي تتكون من تنبؤ ردود الفعل العاطفية، تنبؤ المشاعر المستحثة، وتنبؤ المشاعر المستحثة.

استخلاص مشاعر المستخدم من ردود الفعل GIF

يشير الباحثون إلى أن تحديد المشاعر المستحثة هو واحدة من أكثر المهام تحديًا في تحليل المشاعر ومعالجة اللغة الطبيعية، وأن استخدام ردود الفعل GIF كبديل يوفر إمكانية لمشاريع لاحقة لجمع ‘كميات كبيرة من التسميات العاطفية غير المكلفة والمتاحة بطبيعتها والعالية الجودة’.

على الرغم من التركيز على موقع محدد جدًا من لقطات GIF المضمنة في تجربة مستخدم تويتر، فإن الدراسة تدعي أن هذه الطريقة يمكن أن تكون عامة على منصات التواصل الاجتماعي الأخرى، بالإضافة إلى منصات المراسلة الفورية، ويمكن أن تكون مفيدة في قطاعات مثل تحليل المشاعر والكشف عن المشاعر المتعددة الأبعاد.

الشعبية كمؤشر رئيسي

يبدو أن النهج يعتمد على نوع من “الفيروسية” لكل GIF، مثل عندما يتم إتاحة GIF من خلال آليات تويتر الخاصة. يُفترض أن لقطات GIF الجديدة التي يتم إنشاؤها من قبل المستخدمين لا يمكنها دخول هذا النظام البيئي إلا من خلال زيادة الشعبية والاعتماد كلميم.

لقطات GIF ردود الفعل أعادت استخدام صيغة GIF المتحركة البدائية من عام 1987 خلال العقد الماضي، بعد سنوات من سوء سمعة كمتعطل للنطاق الترددي (استخدم بشكل رئيسي في إعلانات البانر المزعجة) في عصر الإنترنت V1 قبل العصر العريض النطاق.