محلل المشاعر بالذكاء الاصطناعي
يقرأ محلل المشاعر بالذكاء الاصطناعي مقطعًا نصيًا ويصنّفه كإيجابي أو سلبي، مع درجة ثقة لكل جانب. يعمل مصنّف BERT في متصفحك، لذا لا يتم رفع النص أبدًا. إنه نموذج قطبية ثنائي: لا فئة محايدة، ولا تسميات للمشاعر، وكثيرًا ما يخدعه السخرية.
الاستخدام محلل المشاعر بالذكاء الاصطناعي
تحليل المشاعر
أدخل النص وقم بتحليل المشاعر
قراءة المحتوى
ما الذي يخبرك به
الصق قطعة نصية، واضغط على تحليل، وستُبلغك الصفحة ما إذا كانت تُقرأ كإيجابية أم سلبية، مع درجة لكل جانب. لا يوجد خيار محايد: أي درجة تكون أعلى تصبح العنوان الرئيسي، ويميل شريط التقدم نحو ذلك الجانب.
هذا مصنّف قطبية، وليس نظام مشاعر كاملًا. فهو لا يستخرج الجوانب، ولا يسمّي المشاعر مثل الغضب أو الفرح، ولا يشرح الكلمات التي دفعت النتيجة. إنه يجيب على سؤال ضيق واحد — هل يبدو هذا النص مؤيدًا أم معارضًا؟ — ويترك التفسير لك.
النموذج
| العنصر | التفصيل |
|---|---|
| بيئة التشغيل | MediaPipe Tasks Text 0.10.15، WebAssembly |
| النموذج | مصنّف نصوص BERT، float32 |
| الفئات | إيجابي وسلبي |
| المخرجات | درجتان، تُعرضان بمنزلة عشرية واحدة |
| الحد الأدنى للإدخال | ثلاثة أحرف قبل تفعيل الزر |
| المعالجة | بالكامل داخل المتصفح |
النموذج المضمّن هو مصنّف قطبية على مستوى الجملة على نهج SST-2: جمل إنجليزية قصيرة، معظمها مراجعات أفلام، مصنّفة إيجابية أو سلبية. هذا الأصل مهم. فهو جيد في الآراء المصاغة بلغة تقييمية عادية، وأضعف في النصوص الواقعية، حيث لا يوجد رأي لاكتشافه أصلًا.
عادةً ما يجمع الدرجتان معًا ما يقارب واحدًا، لأن المصنّف الأساسي يخصص احتمالًا لكل فئة. تعرض الصفحة كلتيهما، لكن التسمية الكبيرة والشريط يتبعان الأعلى فقط.
كيف تُرسم النتيجة
عندما تفوز الإيجابية، تعرض اللوحة أيقونة مبتسمة، وكلمة Positive باللون الأخضر، وشريطًا عرضه 50 بالمئة زائد نصف الدرجة الإيجابية. لذا فإن درجة إيجابية 0.90 ترسم شريطًا بنسبة 85 بالمئة، وليس 90 بالمئة. الشريط هو ميل بصري بعيدًا عن نقطة المنتصف، وليس رسمًا مباشرًا للدرجة.
عندما تفوز السلبية، تُطبَّق الحسابات نفسها على الدرجة السلبية، ويتحول لون التسمية إلى الأحمر. إذا كانت الدرجتان متساويتين تمامًا، يقع الكود في الفرع السلبي، لذا يُعرض التعادل التام على أنه Negative.
أسفل الشريط، تُطبع كلتا النسبتين جنبًا إلى جنب، بعنوان Negative وPositive. إنها الأرقام الحقيقية؛ والشريط مجرد ملخص. يُفرغ زر المسح (Clear) منطقة النص، ويعيد ضبط عدّاد الأحرف، ويخفي النتيجة.
خطوة بخطوة
- الصق النص أو اكتبه في المربع. يتحدّث عدّاد الأحرف أثناء الكتابة.
- يبقى زر Analyze معطّلًا حتى يكون هناك ثلاثة أحرف على الأقل.
- في التشغيل الأول، ينزّل المتصفح بيئة تشغيل النص ونموذج BERT. تسمّي اللوحة كل مرحلة.
- اضغط على Analyze Sentiment. تحل النتيجة محل الحالة الفارغة.
- عدّل النص وحلّل مرة أخرى للمقارنة؛ يبقى النموذج محمّلًا.
يقوم زر Load AI Model بتحميل كل شيء مسبقًا إذا أردت تجنّب الانتظار في التشغيل الأول. وبمجرد التحميل يتغير إلى حالة خضراء "Model Ready".
قراءة الدرجات بصدق
الدرجة هي ثقة المصنّف في تسمية ما، وليست شدة إحساس مقيسة. 0.95 إيجابية تعني أن النموذج واثق من أن الجملة تنتمي إلى الفئة الإيجابية؛ ولا تعني أن الجملة إيجابية للغاية. قد تقترب مراجعة مؤيدة بشكل خفيف ومراجعة مفعمة بالحماس كلتاهما من 0.99.
الفروق الصغيرة ضجيج. نتيجة 0.52 إيجابية مقابل 0.48 سلبية قريبة من رمي العملة، وإعادة صياغة كلمة واحدة قد تقلبها. عامل أي شيء في نطاق 0.45 إلى 0.55 على أنه غير محسوم بدلًا من اعتباره إيجابية ضعيفة.
النص الطويل حالة خاصة. للنموذج نافذة إدخال ثابتة، لذا يُقتطع المقطع الطويل فعليًا أو يُلخّص داخليًا. قد تُصنَّف مراجعة تمدح خمس ميزات وتنتقد واحدة بناءً على الجزء الذي يسيطر على البداية، ولن تحذّرك الدرجة المعروضة من أن معظم النص قد تم تجاهله.
أين ينجح
- الجمل الرأيية القصيرة. "The battery lasts all day" أو "The app crashes constantly" هما بالضبط الشكل الذي دُرّب عليه النموذج.
- فرز المراجعات. تصنيف كومة من التعليقات إلى إيجابية عمومًا وسلبية عمومًا قبل قراءتها.
- فحوص النبرة السريعة. التحقق من سلامة عنوان أو شعار أو رد على عميل.
- التعليم. عرض موجز لكيفية تحويل مصنّف النصوص الكلمات إلى احتمالين.
- التصفية. الإشارة إلى الشكاوى المحتملة في صندوق دعم ليراجعها إنسان.
أين يفشل
السخرية هي الفشل الكلاسيكي. "Great, another delay" تحتوي على مفردات إيجابية ومعنى سلبي، وغالبًا ما يقرأ النموذج الكلمات بدلًا من القصد. التهكم والمجاملات المبطنة والأسئلة البلاغية غير موثوقة بالمثل.
لا تتم معالجة النفي بشكل متساوٍ. تقف عبارتا "Not bad" و"not good" متقاربتين في المفردات لكنهما متعاكستان في المعنى، وقد يُغفل النفي الواحد في جملة أطول. كما يتم تسطيح المشاعر المختلطة: فقرة تمدح المنتج وتذم التوصيل تصبح تسمية واحدة، دون أي إشارة إلى وجود الرأيين معًا.
يُجبَر النص الواقعي والمحايد على التصنيف الثنائي. لا تحمل ورقة المواصفات أو عنوان خبر أو بند قانوني أي قطبية، ومع ذلك لا يزال المصنّف يُرجع فائزًا. تعامل مع تلك النتائج على أنها بلا معنى بدلًا من اعتبارها ميلًا طفيفًا.
يُهمّ اختلاف المجال. فقد تعلّم النموذج من لغة مراجعات الأفلام؛ أما مراجعات المنتجات ورسائل الدردشة والتغريدات والملاحظات السريرية والنصوص غير الإنجليزية فكلها تتصرف بشكل مختلف. والرموز التعبيرية والعامية والاختصارات تكاد تكون غير مرئية له.
ما لا يفعله
لا فئة محايدة، ولا تسميات للمشاعر، ولا تحليل مشاعر قائم على الجوانب، ولا تفصيل حسب الجمل، ولا إبراز للكلمات المفتاحية، ولا تفسير، ولا كشف للغة، ولا ترجمة، ولا تحليل دفعي. لا يقيّم الشدة على مقياس، ولا يخبرك لماذا صُنّف النص على هذا النحو.
الخصوصية
تتم معالجة النص محليًا في WebAssembly. لا يُرسَل أي شيء إلى خادم، ولا يُخزَّن أي شيء بعد إغلاق الصفحة. يُنزَّل وقت التشغيل والنموذج من شبكات CDN عامة عند أول استخدام، مما يكشف أن الأداة قد فُتحت لكن ليس ما كتبته. وهذا يجعلها قابلة للاستخدام في الملاحظات الداخلية ورسائل العملاء، وفقًا لقواعد البيانات الخاصة بك.
الحدود
نص واحد في كل مرة، لا رفع للملفات، ولا وضع دفعي، ولا اختيار للغة، ولا حد قابل للتعديل. تحدّ نافذة إدخال النموذج من مقدار ما يُؤخذ فعليًا في الاعتبار من مستند طويل. يلزم متصفح حديث يدعم WebAssembly والوصول إلى الشبكة عند التحميل الأول.
الأخطاء الشائعة
- توقّع نتيجة محايدة. لدى النموذج فئتان فقط ويختار إحداهما دائمًا.
- اعتبار الدرجة شدة. إنها ثقة في تسمية، وليست قوة الشعور.
- تحليل مقال كامل. يُقتطع النص الطويل، وقد تعكس النتيجة جزءًا منه فقط.
- الوثوق بكشف السخرية. غالبًا ما يقلب التهكم القطبية الظاهرة.
- استخدامه على نص واقعي. لا تحمل المواصفات والأخبار أي رأي يمكن تصنيفه.
- قراءة نتيجة 52 بالمئة كاستنتاج. التعادلات القريبة غير مستقرة وتنقلب بسهولة.
الأسئلة الشائعة
الأسئلة الشائعة
التعليقات (0)
يرجى وصف المشكلة التي واجهتها حتى نتمكن من التحقيق فيها وتحسين الأداة.