خفضت Hol-PCFG معلمات التحليل النحوي بنسبة 99.94% وتصدرت في ست لغات
قدم الباحثون Hol-PCFG، وهو نموذج للتحليل النحوي يبني أشجار الجمل من دون بيانات تدريب موسومة. وبدلًا من الشبكات العصبية المعتمة لتقييم القواعد النحوية، يستخدم الارتباط الدائري للمتجهات، وهي طريقة معروفة من مهام Knowledge Graph. والنتيجة: أفضل جودة في ست لغات، وعدد معلمات أقل بنسبة 99.94%، وتحليل لليابانية مباشرة من المحارف من دون تقطيع صرفي.
معالج بواسطة الذكاء الاصطناعي من arXiv cs.CL؛ بتحرير Hamidun News
نشر الباحثون ورقة بحثية على موقع arXiv في يوليو 2026 حول نموذج Hol-PCFG (شبكة عصبية هولوغرافية PCFG) — وهو منهج جديد للتحليل النحوي غير الموجَّه الذي يحقق أفضل النتائج على ستة لغات، مع تقليل عدد معاملات تقييم القواعد النحوية بنسبة 99.94% مقارنة بنماذج Neural PCFG الأساسية.
ما هو التحليل النحوي غير الموجَّه
التحليل النحوي هو بناء شجرة تحليل توضح كيف تتحد الكلمات في الجملة لتشكيل مجموعات: الفاعل والمسند والعبارات الاسمية. الأداة الكلاسيكية هي القواعد النحوية الخالية من السياق الاحتمالية (PCFG). تعين احتماليات للقواعد النحوية: على سبيل المثال، "قد تتكون العبارة الاسمية من أداة التعريف واسم."
في المتغير غير الموجَّه، لا يتم تدريب النموذج على أشجار تحليل مُشروحة مسبقاً — بل يستخلص البنية من النص الخام بنفسه. هذا مهم: شرح أشجار التحليل النحوي مكلف ويوجد فقط لعدد من العشرات من اللغات.
تحقق نماذج PCFG العصبية الحديثة أداءً عالياً، لكنها تستخدم وحدات شبكات عصبية غير شفافة لتقييم كل قاعدة. احتمالية القاعدة هي ببساطة رقم ينتجه "صندوق أسود"، بدون شكل رياضي قابل للتفسير.
كيف تعمل Hol-PCFG
تترجم Hol-PCFG مهمة تقييم القواعد إلى نمذجة جبرية للعلاقات. يستلهم المؤلفون الفكرة من Holographic Embeddings (نيكل وآخرون، 2016) — تم استخدامها لتقييم ثلاثيات في رسوم بيانية المعرفة، حيث يجب التنبؤ بما إذا كانت العبارة "الكائن A مرتبط بالكائن B من خلال العلاقة R" صحيحة.
في النموذج الجديد، يتم تمثيل كل رمز غير طرفي في القواعد — مثل الرموز NP و VP و S — كمتجه تضمين مقيد بسطح حلقة. يتم حساب احتمالية القاعدة "S → NP VP" من خلال الارتباط الدائري للمتجهات للرموز الفرعية اليمنى واليسرى. يعطي هذا كل قاعدة شكلاً رياضياً مغلقاً يعكس بوضوح بنية القواعد، وليس مخرجات الشبكة العصبية.
النتائج الرئيسية:
- أفضل أداء في التحليل النحوي غير الموجَّه على ستة لغات
- تقليل 99.94% في المعاملات لتقييم القواعد مقارنة بـ Neural PCFG الأساسي
- تدريب أكثر استقراراً: تباين أقل بين المحاولات
- تحليل اللغة اليابانية مباشرة من الأحرف — بدون تقسيم مورفولوجي
- جودة على مستوى الأحرف مماثلة لنماذج قائمة على الموروفيمات
لماذا اللغة اليابانية بدون مورفولوجيا نتيجة غير تافهة
تُكتب اللغة اليابانية بدون فراغات بين الكلمات: يتدفق النص كتيار مستمر من أحرف كانجي وكانا. تشغل المحللات التقليدية أولاً النص من خلال محلل مورفولوجي يقسمه إلى موروفيمات، وعندئذ فقط يقومون بالتحليل النحوي.
تعمل Hol-PCFG مباشرة من الأحرف، متجاوزة هذه الخطوة، وتحافظ على جودة مماثلة لنماذج استخدام الموروفيمات المقسمة مسبقاً. بالنسبة للغات التي تتمتع بمورفولوجيا غنية أو بدون بنية تحتية معالجة مسبقة ناضجة — وهذا هو معظم لغات العالم — يفتح هذا النهج الطريق نحو محللات نحوية أكثر عالمية.
ما يعنيه هذا
Hol-PCFG هي مثال نادر حيث لا تأتي القابلية للتفسير على حساب الأداء: استبدال وحدات الشبكات العصبية بعمليات جبرية على المتجهات يضغط النموذج حوالي 2000 مرة من حيث عدد المعاملات مع تحسين الجودة في نفس الوقت. للمهام التي تكون فيها شفافية النموذج والقيود الحسابية ودعم اللغات ذات البنية التحتية الدنيا مهمة، قد يصبح هذا النهج بديلاً حقيقياً للمحللات العصبية الثقيلة.
هل تحتاج إلى ذكاء اصطناعي يعمل داخل شركتك — وليس فقط في موجز الأخبار؟
أبني ذكاءً اصطناعياً جاهزاً للإنتاج للشركات — أنظمة CRM مخصّصة، أدوات داخلية، وكلاء مستقلون، أتمتة سير العمل. ملك لك، مصمّم وفق عمليتك، دون رسوم لكل مستخدم. من إعداد جمال خميدون، مدير المنتجات في AlpinaGPT (منصة ذكاء اصطناعي، أكثر من 6000 مستخدم).
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.