למידת מכונה והערת רגשות חסכונית מבוססת כללים לקסיקליים של אמירות הינגליש

Pratibha Verma; Amandeep Kaur; Meenu Khurana; Deepali Gupta

doi:10.3791/68437

Research Article

למידת מכונה והערת רגשות חסכונית מבוססת כללים לקסיקליים של אמירות הינגליש

DOI:

10.3791/68437

⸱

August 19th, 2025

Pratibha Verma¹ , Amandeep Kaur¹ , Meenu Khurana² , Deepali Gupta¹

¹Chitkara University Institute of Engineering & Technology, Chitkara University, ²Chitkara University School of Engineering & Technology, Chitkara University

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מחקר זה משלב את האסטרטגיה מבוססת הכללים עם למידת מכונה וסיוע של מומחים לביאור הטקסט ההינגליש והאנגלית. הנתונים נבדקים על 19,000 ציוצים בדיוק של 81%, וזה הרבה יותר זול מאשר לעשות זאת ידנית. זה יכול להיות שימושי למעקב אחר רגשות במהלך משבר.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

הערת רגשות בשפות מעורבות קוד כמו הינגליש (הינדית-אנגלית) מציגה אתגרים ייחודיים בשל מורכבות לשונית ואילוצי משאבים. מחקר זה מציג מסגרת למידה פעילה היברידית המשלבת כללים לקסיקליים, למידת מכונה ומשוב מומחה איטרטיבי כדי להשיג הערת רגשות חסכונית ומדויקת. המסגרת מבוססת על תיאוריות פסיכולוגיות של רגשות, כולל תיאוריית הרגשות הבדידים ותיאוריית ההערכה הקוגניטיבית, ומשתמשת במילוני רגשות דו-לשוניים (למשל, מיפוי גוסה וזעם לכעס), טוקניזציה של תת-מילים למונחים מורכבים (למשל, פיצול figure-abstract-1 ל figure-abstract-2 ), ולמידה פעילה כדי לתעדף דוגמאות דו-משמעיות. המסגרת, שהוערכה על בסיס מערך נתונים של 19,000 ציוצים הקשורים למלחמה וסכסוך, השיגה דיוק של 81% (ציון F: 0.76) תוך הפחתת עלויות התפעול ב-40% בהשוואה להערות ידניות. כללים לקסיקליים פתרו 89% מאי הבהירות בהחלפת קוד, ושכלולים איטרטיביים אפשרו שיפור דיוק מצטבר מ-72% ל-81%. יעילות המערכת נובעת מהגבלת המאמץ האנושי ל-73% ממערך הנתונים, עם עיבוד מקדים אוטומטי של אימוג'ים, האשטאגים וסלנג. מחקר זה מבוסס על ההשערה ששילוב שיטות מבוססות כללים לקסיקליים עם למידה פעילה ולמידת מכונה יכול לשפר את הדיוק של הערת רגשות בטקסט הינגליש, ובמקביל להפחית את התיוג הידני ואת מאמץ ההערות הכולל.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

כאשר שתי שפות או יותר מעורבבות יחד בשורה אחת או בדיבור אחד, זה נקרא שפה מעורבת קוד. זה נפוץ בדיאלוג מזדמן כמו הינגליש. ישנן דרכים רבות להבנת רגשות אנושיים, ומודל חישובי של סדרה של הצהרות רגשיות פירושו לבאר אותן על ידי האנשים שאמרו את המשפטים האלה. ניתן להבין אותו במונחים של רמות ביולוגיות, פיזיולוגיות, פסיכולוגיות וכן הלאה. על פי מדענים כמו רוג'ר פנרוז, תופעות רבות בעולמנו אינן חישוביות, ומדענים כמו וולפרם סבורים שניתן למדל כל דבר (כל תופעה) באופן חישובי¹. פנרוז מאמין שתודעה מערבת תהליכים (אולי קשורים למכניקת הקוונטים בתוך המוח) שהם מעבר למה שכל הליך אלגוריתמי צעד אחר צעד יכול להשיג. הוא מצטט לעתים קרובות את מש....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

סעיף זה מסביר גם כיצד נבנתה המסגרת הרב-מודאלית ל-8 הערות רגשות. החלק מתחיל בדיון במאפייני מערך הנתונים, ואחריו ההליכים הבאים. להבנה טובה יותר של הליך המחקר, עיין באיור 1.

figure-protocol-1
איור 1: מסגרת שיטתית של ביאור רגשות. האיור מסביר את הרגש האפקטיבי, ביאור של טקסט הינגליש המשלב למידת מכונה, למידה פעילה וכללי לקסיקון דינמיים באמצעות קלט מומחה, דוגמאות שסווגו באופן שגוי משתפרות בהדרגה כדי להגביר את הדיוק ולהוזיל את עלות הביאור.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ממצאי מחקר זה מצביעים על כך ששילוב הכללים הלקסיקליים עם למידת מכונה וטכניקות למידה פעילה מציע מסלול בר-קיימא לשיפור היעילות והדיוק של הערת רגשות בטקסט הינגליש מעורבב קוד. באמצעות חידוד איטרטיבי והצעת מומחים, המסגרת המוצעת הצליחה להשיג הפחתות ניכרות במאמץ הידני תוך שמירה על ביצועים גבוהים על פני מטריצות אבולוציה. התוצאות מצביעות על פוטנציאל ליישום רחב יותר בתחומים הדורשים פתרון זיהוי רגשות ניתן להרחבה, במיוחד בסביבות רב-לשוניות ומוגבלות במשאבים כגון ניתוח מדיה חברתית ואינפורמטיקה של משברים.......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מערך הנתונים למחקר זה נאסף באמצעות שילוב של הערות ידניות ולמידה פעילה. בתחילה, 10,040 ציוצים של הינגליש הקשורים למלחמה וסכסוך סומנו ידנית עם שמונה רגשות מוגדרים מראש. לאחר מכן הורחב מערך הנתונים ל-19,000 ציוצים בגישה חצי אוטומטית. למידה פעילה אפשרה התערבות סלקטיבית של מומחים, הפחיתה את המאמץ הידני ב-40% תוך שמירה על דיוק הערות גבוה של 81% עם ציון F של 0.76. כללים לקסיקליים ומילונים ספציפיים לרגש מילאו תפקיד מכריע בפתרון 89% מאי הבהירות של החלפת קוד. מסגרת הלמידה הפעילה חידדה את המודל באופן איטרטיבי, והדגימה רווחים מצטברי.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

המחברים מצהירים שאין ניגוד עניינים.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

מחקר זה לא קיבל מימון חיצוני.

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
Name	Company	Catalog Number	Comments
טקסט מהיר	הבינה המלאכותית של פייסבוק	לא ישים	ייצוג וסיווג מילים
גוגל קולאב	גוגל	לא ישים	סביבת Jupyter Notebook מבוססת ענן
Google Colab GPU/TPU	גוגל	לא ישים	האצת חומרה מבוססת ענן
Intel Core i5/i7 או AMD Ryzen 5/7	אינטל / AMD	לא ישים	מעבד לביצוע מקומי (אם נדרש)
מטפלוטלב	קוד פתוח	לא ישים	ספריית תצוגה חזותית של נתונים
NLTK	קוד פתוח	לא ישים	ערכת כלים לשפה טבעית לעיבוד טקסט
NumPy	קוד פתוח	לא ישים	ספריית מחשוב מספרית
NVIDIA GTX 1650 ואילך (אופציונלי)	NVIDIA	לא ישים	GPU למשימות למידה עמוקה
פנדה	קוד פתוח	לא ישים	ספריית טיפול בנתונים
פייתון	קרן התוכנה של פייתון	לא ישים	שפת תכנות ל-ML ו-NLP
פייטורץ'	מטא בינה מלאכותית	לא ישים	מסגרת למידה עמוקה
זיכרון RAM (מינימום 8GB, מומלץ 16GB)	מגוון	לא ישים	דרישת זיכרון למשימות ML
Scikit-learn	קוד פתוח	לא ישים	ספריית למידת מכונה
סיבורן	קוד פתוח	לא ישים	ויזואליזציה של נתונים סטטיסטיים
SpaCy	פיצוץ AI	לא ישים	ספריית NLP בעוצמה תעשייתית
אחסון SSD (מינימום 256GB, מומלץ 512GB)	מגוון	לא ישים	אחסון לעיבוד סל נתונים
TensorFlow	גוגל	לא ישים	מסגרת למידה עמוקה

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Herce, R. Non-locality of the phenomenon of consciousness according to Roger Penrose. Dialogo. 3 (2), 127-134 (2016).
Wolfram, S. The future of computation. Math J. 10 (2), 329-362 (2006).
Kusal, S., et al.

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

למידת מכונה והערת רגשות חסכונית מבוססת כללים לקסיקליים של אמירות הינגליש

In This Article

Summary

Abstract

Introduction

Protocol

Results

Discussion

Disclosures

Acknowledgements

Materials

References

Reprints and Permissions

Tags

Related Articles