فهم معنى التشابه الجيبي: لماذا يُستخدم في معالجة اللغة الطبيعية؟ يُعد التشابه الجيبي (Cosine Similarity) من أكثر المقاييس شيوعًا في مهام مثل البحث الدلالي ومقارنة المستندات في مجال معالجة اللغة الطبيعية (NLP). رغم انتشاره، يُقدَّم غالبًا في الدورات التمهيدية بأسلوب مبسط دون شرح رياضي عميق، مما يترك العديد من علماء البيانات بفهم غامض لطبيعة هذا المقياس. يهدف هذا المقال إلى توضيح الحجة الرياضية الكامنة وراء التشابه الجيبي، مع عرض أمثلة عملية باستخدام لغة بايثون لربط النظرية بالتطبيق. يُبنى التشابه الجيبي على دالة الجيب التمام (cosine function)، التي تُدرس في الرياضيات الثانوية. تُظهر هذه الدالة نمطًا دوريًا، حيث تصل إلى قيمها القصوى عند زوايا تساوي مضاعفات زاوية 2π، وتصبح سالبة عند 180 درجة، وتصل إلى الصفر عند 90 و270 درجة. هذه الخصائص تُفسّر سبب ملاءمتها كمقياس لتشابه المتجهات: عندما تكون زاوية بين متجهين صفرًا (أي يشاركان نفس الاتجاه)، يكون التشابه الجيبي 1؛ وإذا كانت الزاوية 180 درجة (اتجاهان متعاكسان)، يكون التشابه -1؛ وعندما تكون الزاوية 90 درجة (متعامدان)، يكون التشابه 0. في سياق NLP، يُعبّر التشابه الجيبي عن تداخل المعنى (semantic overlap) واتجاه المعنى (semantic polarity). فمثلاً، الجمل "أعجبتني هذه الفيلم" و"استمتعت بهذا الفيلم" تُعبران عن معنى مشابه رغم استخدام كلمات مختلفة، مما يعكس تشابهًا عالياً. أما كلمات مثل "جيد" و"سيء"، فغالبًا ما تكون متعاكسة، ويُتوقع أن تعطي التشابه الجيبي قيمًا سالبة إذا كانت المتجهات تمثل هذا التباين. الصيغة الرياضية للتشابه الجيبي بين متجهين U وV من الطول n هي: [ \text{cosine similarity} = \frac{U \cdot V}{\|U\| \times \|V\|} ] حيث (U \cdot V) هو الضرب القياسي (dot product)، و(\|U\|)، (\|V\|) هما مقدار كل متجه. هذه الصيغة مشتقة من قاعدة الجيب التمام في الهندسة المتجهة، وتُظهر أن التشابه يعتمد فقط على الاتجاه، وليس على الطول. بالمقارنة مع المسافة الإقليدية (Euclidean Distance)، التي تقيس الفرق الخطي بين المتجهات، فإن التشابه الجيبي لا يتأثر بحجم المتجهات. هذا يعني أن متجهين لهما نفس الاتجاه ولكن طولين مختلفين سيُحسب لهما نفس التشابه الجيبي، بينما المسافة الإقليدية سترتفع مع زيادة الفرق في الطول، حتى لو كان المعنى متطابقًا. لذلك، في مهام NLP التي تركز على الفهم الدلالي وليس على حجم النص، يُفضّل التشابه الجيبي. في التطبيق العملي، يُظهر المثال التالي فرقًا واضحًا بين نموذجين مُدرّبين: الأول (all-MiniLM-L6-v2) لا يُدرج تباين المعنى (polarity)، بينما الثاني (distilbert-base-uncased-finetuned-sst-2-english) مُدرّب على تصنيف المشاعر ويُعَبّر عن التباين. عند مقارنة كلمات مثل "movie" و"film"، يُظهر كلا النموذجين تشابهًا عالياً (0.84 و0.96). أما "good" و"bad"، فيُظهر النموذج الثاني تشابهًا سالبًا (-0.34)، مما يعكس التباين الدلالي، بينما النموذج الأول يُظهر تشابهًا موجبًا (0.59)، مما يدل على عدم تمثيله للاتجاه العكسي. أخيرًا، يُستنتج أن التشابه الجيبي يُعد مقياسًا قويًا لفهم التشابه الدلالي، لكن تفسيره يعتمد بشكل كبير على طبيعة النموذج المستخدم لتمثيل النصوص. إذا كان النموذج يُدرك التباين الدلالي، فإن التشابه الجيبي يمكن أن يُشير إلى التشابه، أو التعارض، أو الارتباط المتعامد، مما يجعله أداة فعّالة في تطبيقات مثل البحث الدلالي، تصنيف النصوص، وتجميع المستندات.