تصنيف الأخبار
وصف المشكلة
تصنيف عناوين أخبار عربية قصيرة إلى أربعة موضوعات (رياضة، اقتصاد، تقنية، صحة). العناوين مؤلفة للتعليم وليست أخباراً حقيقية.
الأهداف
- تصنيف نصوص متعدد الفئات
- قراءة مصفوفة الالتباس للفئات
- تقدير أثر قصر النصوص
نوع المشكلة
تحليل نصوص Text Mining
مجموعة البيانات
الأدوات المستخدمة
الخوارزميات
خطوات التنفيذ
- في KNIME: File ← Import KNIME Workflow… واختر news-classification.knwf (بعد تثبيت إضافة KNIME Textprocessing)، ثم Execute all.
- افتح news-classification.ows في Orange بعد تثبيت إضافة Text (Options ← Add-ons).
- في Orange (إضافة Text): Corpus ← Preprocess Text ← Bag of Words ← Test and Score ← Confusion Matrix.
- في KNIME: نفس سلسلة Text Processing في مشروع تحليل المشاعر مع عمود category هدفاً.
مخطط سير العمل
Orange
DataText MiningEvaluateModel
↔ اسحب المخطط أفقياً لرؤيته كاملاً.
الاتصالات نصاً (7)
- File → Corpus (Data)
- Corpus → Preprocess Text (Corpus)
- Preprocess Text → Bag of Words (Corpus)
- Bag of Words → Test and Score (Corpus → Data)
- Naive Bayes → Test and Score (Learner)
- Logistic Regression → Test and Score (Learner)
- Test and Score → Confusion Matrix (Evaluation Results)
KNIME
مصدر (Source)معالجة (Manipulator)متعلّم (Learner)متنبّئ (Predictor)أداة/تقييم (Other)منفذ بياناتمنفذ نموذج
↔ اسحب المخطط أفقياً لرؤيته كاملاً.
الاتصالات نصاً (12)
- CSV Reader → Strings to Document
- Strings to Document → Punctuation Erasure
- Punctuation Erasure → Case Converter
- Case Converter → Stop Word Filter
- Stop Word Filter → Bag of Words Creator
- Bag of Words Creator → Document Vector
- Document Vector → Category to Class
- Category to Class → Partitioning
- Partitioning → Naive Bayes Learner
- Naive Bayes Learner → Naive Bayes Predictor
- Naive Bayes Predictor → Scorer
- Partitioning → Naive Bayes Predictor
ملفات المشروع
- مجموعة البيانات CSVCSV7.9 كيلوبايت
- ملف WEKA بصيغة ARFFWEKA ARFF8.6 كيلوبايت
- سير عمل Orange (.ows)Orange19.0 كيلوبايت
- البيانات بصيغة Orange (.tab) لسير العملOrange TAB7.9 كيلوبايت
- النتائج المرجعية المحسوبة (CSV)نتائج297.0 بايت
- سير عمل KNIME (.knwf): نُفّذ بنجاح في محرك KNIME 5.12 (لم يُفتح في الواجهة)KNIME68.5 كيلوبايت
- دليل التنفيذ خطوة بخطوة (PDF)PDF679.5 كيلوبايت
- حزمة المشروع كاملة (ZIP)ZIP693.6 كيلوبايت
ملف KNIME (.knwf) بُني على KNIME 5.12 ونُفّذت كل عُقده بنجاح في محرك KNIME دون فتح الواجهة؛ افتحه من File ← Import KNIME Workflow.
النتائج
نتائج فعلية محسوبة على الملفات المرفقة
• Naive Bayes (word BoW): Accuracy 55.0% (± 8.4%)، F1-macro 0.541
• Logistic Regression (word BoW): Accuracy 53.0% (± 10.3%)، F1-macro 0.522
• Naive Bayes (char 2-4 grams): Accuracy 62.0% (± 10.3%)، F1-macro 0.599
• Logistic Regression (char 2-4 grams): Accuracy 56.0% (± 9.7%)، F1-macro 0.542
مقاييس التقييم
- Accuracy
- F1-macro
- Confusion Matrix
تفسير النتائج
مع 25 عنواناً لكل فئة تتراوح الدقة بين 53% و62% (مقابل 25% للتخمين). الخلط الأكبر يقع مع فئة الاقتصاد. زيادة الأمثلة واستخدام تمثيلات لغوية مسبقة التدريب هما الطريق لتحسين حقيقي.
أسئلة للمناقشة
- لماذا العناوين القصيرة أصعب من المقالات الكاملة؟
- ما الفئة الأكثر التباساً ولماذا؟
- كيف تبني مجموعة بيانات أخبار حقيقية بترخيص مناسب؟
