تعلم مقاييس الأشعار العربية والإنجليزية باستخدام الشبكات العصبية المتكررة: خطوة للأمام في فهم وتركيب اللغة

التعرف على نص ما كشعر أو نثر أمر سهل في الغالب للغالبية العظمى من الناس؛ ومع ذلك، فإن تحديد الوزن الذي ينتمي إليه الشعر يكون فقط في متناول الخبراء. في هذا البحث، قمنا ببناء نماذج لشبكات العصبونات التكرارية (Recurrent Neural Network - RNN) التي يمكنها تصنيف الأشعار وفقًا لأوزانها من النص البسيط. يتم ترميز النص الإدخالي على مستوى الحروف ويُقدم مباشرة إلى النماذج دون الحاجة إلى صياغة الخصائص يدويًا. هذه خطوة متقدمة نحو فهم الآلات وتوليد اللغات بشكل عام، وللغة العربية بشكل خاص. بين الـ 16 وزنًا شعريًا العربي والـ 4 أوزان إنجليزية، تمكنت الشبكات من تصنيف الأشعار بشكل صحيح بمعدل دقة إجمالي بلغ 96.38٪ و82.31٪ على التوالي. كانت قواعد البيانات الشعرية المستخدمة في هذا البحث ضخمة، حيث تجاوزت 1.5 مليون بيت شعر، وقد تم جمعها من مصادر مختلفة غير تقنية، وهي مواقع أدبية عربية وإنجليزية تقريبًا، وبتنسيق مختلف وغير متجانس وغير مهيكل. أصبحت هذه القواعد البيانات الآن متاحة للجمهور بتنسيق نظيف ومهيكل وموثق للاستخدام في أبحاث مستقبلية أخرى. حسب أفضل علم للمؤلفين، يعد هذا البحث الأول الذي يتناول تصنيف أوزان الشعر باستخدام نهج التعلم الآلي بشكل عام، وفي نهج شبكات العصبونات التكرارية بدون خصائص بشكل خاص. بالإضافة إلى ذلك، تعد قاعدة البيانات أول مجموعة بيانات متاحة للجمهور جاهزة لأغراض الأبحاث الحاسوبية المستقبلية.