رغم النجاحات الكبيرة التي حققها نموذج التحويل (Transformer) في العديد من مهام معالجة اللغة الطبيعية (NLP)، فإن بنية هذا النموذج الثقيلة والمرتبطة بالاتصالات الانتباهية الكاملة تجعله يعتمد بشكل كبير على بيانات التدريب الكبيرة. في هذه الورقة البحثية، نقدم نموذج Star-Transformer، وهو بديل خفيف الوزن يتميز بتنقيحه الدقيق للبنية. لخفض تعقيد النموذج، قمنا باستبدال البنية المرتبطة بالكامل بـ تركيب شجري (star-shaped topology)، حيث يتم ربط كل عقدتين غير متجاورتين عبر عقدة وسيطة مشتركة. وهكذا، تم تخفيض التعقيد من التربيعي إلى الخطي، مع الحفاظ على القدرة على التقاط التركيب المحلي والاعتماد البعيد. أظهرت التجارب التي أجريت على أربع مهام (22 مجموعة بيانات) أن نموذج Star-Transformer حقق تحسينات كبيرة مقابل النموذج القياسي Transformer في مجموعات البيانات ذات الحجم المعتدل.