Key points are not available for this paper at this time.
تمت دراسة مشكلة تصنيف النصوص بشكل شامل في مشاكل استرجاع المعلومات ومهام استخراج البيانات. وهي مفيدة في مهام متعددة بما في ذلك تشخيص الصحة وأقسام الرعاية الطبية، والتسويق المستهدف، وصناعة الترفيه، وعمليات تصفية المجموعات. لقد جذبت ابتكارات حديثة في كل من استخراج البيانات ومعالجة اللغة الطبيعية انتباه الباحثين من جميع أنحاء العالم لتطوير أنظمة آلية لتصنيف النصوص. تتيح معالجة اللغة الطبيعية تصنيف المستندات التي تحتوي على نصوص مختلفة. يتم إنتاج كمية كبيرة من البيانات على مواقع التواصل الاجتماعي من خلال مستخدمي وسائل التواصل الاجتماعي. تم استخدام ثلاثة مجموعات بيانات لأغراض تجريبية بما في ذلك مجموعة بيانات الأخبار الزائفة حول COVID-19، ومجموعة بيانات التغريدات باللغة الإنجليزية حول COVID-19، ومجموعة بيانات المتطرفين وغير المتطرفين والتي تحتوي على مدونات الأخبار، والمنشورات، والتغريدات المتعلقة بفيروس كورونا وخطاب الكراهية. لا تجرب نهج التعلم الانتقالي على مجموعات بيانات الأخبار الزائفة حول COVID-19 ومجموعات بيانات المتطرفين وغير المتطرفين. لذلك، تم تطبيق نماذج تصنيف تعلم الانتقال على هاتين المجموعتين من البيانات للتحقق من أداء نماذج تعلم الانتقال. تم تدريب النماذج وتقييمها بناءً على الدقة، والدقة، والاسترجاع، ودرجة F1. كما تم إنشاء خرائط حرارة لكل نموذج. في النهاية، تم اقتراح توجهات مستقبلية.
درس قاسم وآخرون (الجمعة) هذا السؤال.