Scikit-LLM: تصنيف النصوص متعدد الوسوم دون مجموعة تدريب عبر نماذج اللغة الكبيرة

Scikit-LLM مكتبة بلغة Python تتيح الوصول إلى نماذج اللغة عبر واجهة scikit-learn المألوفة. ويستطيع مصنِّفها بأسلوب zero-shot إسناد عدة وسوم إلى النص تلقائيًا، دون مجموعة بيانات موسومة ودون إعادة تدريب النموذج.

لماذا لا يكفي التصنيف التقليدي؟

تعمل أساليب تصنيف النصوص القياسية وفق مبدأ «مستند واحد — وسم واحد». فالمراجعة إما إيجابية وإما سلبية، وطلب العميل يتعلق إما بالتوصيل وإما بالإرجاع وإما بالدفع. وهذا يكفي للمهام البسيطة.

لكن النصوص الواقعية أكثر تعقيدًا. فمقال عن التنظيم الجديد للذكاء الاصطناعي يمسّ التكنولوجيا والقانون والأعمال والسياسة في آن واحد، ومراجعة هاتف ذكي تتناول الكاميرا والبطارية وجودة التصنيع معًا. وقد صُمّم التصنيف متعدد الوسوم لمثل هذه الحالات تحديدًا، إذ ينال كل نص مجموعة من الوسوم المناسبة لا وسمًا واحدًا.

وقبل ظهور نماذج LLM كان ذلك يتطلب مجموعة بيانات موسومة بعناية، واختيار بنية مناسبة (Binary Relevance أو Classifier Chain أو Label Powerset)، وضبطًا طويلًا لعتبات التصنيف. وكانت كل فئة جديدة تعني أمثلة موسومة إضافية. أما نماذج LLM فتغيّر هذه المعادلة.

كيف يعمل نمط zero-shot؟

تستخدم Scikit-LLM نموذج اللغة بوصفه «مصنِّفًا ذكيًا يعمل بالوصف». يكفي المطوّر أن يمرّر قائمة الفئات كنص عادي، ثم يحدد GPT-4 أو GPT-4o Mini أو أي مزوّد متوافق بنفسه أيًّا منها ينطبق على كل مستند. ويحوّل المعامل `multi_label=True` المصنِّف إلى نمط الوسوم المتعددة.

ومن المهم أن zero-shot لا يعني جودة منخفضة. فنماذج LLM الحديثة تفهم السياق والدلالة بمستوى لا تبلغه نماذج BERT إلا بعد إعادة تدريبها على مئات الأمثلة الموسومة. وفي كثير من المهام الواقعية يتفوق LLM بأسلوب zero-shot على المصنِّفات المتخصصة المدرَّبة على آلاف المستندات المشروحة.

وتبقى الواجهة متوافقة تمامًا مع منظومة scikit-learn: الطريقتان `.fit()` و`.predict()`، ودعم `Pipeline`، والتحقق المتقاطع عبر `GridSearchCV`. ويمكن استبدال المصنِّف التقليدي بآخر قائم على LLM بسطر برمجي واحد حرفيًا.

أبرز خصائص هذا النهج:

• لا حاجة إلى مجموعة تدريب — يكفي سرد الفئات نصًّا
• يعمل مع النصوص بأي لغة دون إعداد إضافي
• توافق كامل مع `Pipeline` و`GridSearchCV` من scikit-learn
• نمط few-shot: يمكن إضافة بضعة أمثلة لرفع الدقة في المجالات المتخصصة
• المخرجات مصفوفات NumPy قياسية متوافقة مع بقية حزمة ML

أين يُستخدم؟

يحل التصنيف متعدد الوسوم عبر LLM اليوم عددًا من المهام العملية الثابتة.

الإعلام والمحتوى. تضيف منصات الأخبار وسومًا تلقائية للمواد بحسب الموضوع والنوع والجغرافيا. وتنال المادة الواحدة عدة وسوم دون تدخل من المحرر، ما يسرّع الإشراف ويحسّن خوارزميات التوصية.

دعم العملاء. تُوجَّه الطلبات إلى عدة فرق في وقت واحد: فالرسالة الواحدة قد تتناول التوصيل وجودة المنتج واسترداد الأموال، فتصل إلى ثلاثة طوابير معالجة في آن واحد.

النصوص القانونية. تُصنَّف العقود بحسب نوع الالتزامات والقانون الواجب التطبيق ومستوى المخاطر دون وسم يدوي من المحامين. ويقلّص ذلك زمن التدقيق الأولي من أيام إلى دقائق.

المدوّنات البحثية. وسم آلاف المستندات خلال ساعات بدل أسابيع — وهو أمر ذو قيمة خاصة في بداية مشروع NLP جديد أو عند التعامل مع أرشيفات قديمة موروثة.

«الفرق بين التصنيف أحادي الوسم ومتعدد الوسوم هو الفرق بين الرؤية

بالأبيض والأسود والرؤية الملوّنة»، — هكذا يشرح مطورو أنظمة NLP في كثير من الأحيان عند مواجهة البيانات الواقعية.

ماذا يعني ذلك؟

تخفض Scikit-LLM عتبة الدخول إلى مهام NLP المعقدة إلى بضعة أسطر برمجية. فالتصنيف متعدد الوسوم، الذي كان يتطلب بيانات موسومة ونموذجًا متخصصًا، يُحَل الآن بأسلوب zero-shot في دقائق. وبالنسبة إلى الفرق التي تعمل مع النصوص غير المهيكلة، لا يتغير بذلك الأدوات وحدها، بل أيضًا نوع المهام التي يستحق الأمر الإقدام على حلها أصلًا.