ابتكار روبوت دردشة ذكي باللغة الأمهرية: الحل الأمثل لأسئلة الطلاب الجامعيين
تم تطوير نموذج روبوت دردشة متقدم باستخدام تقنيات التعلم العميق للرد على الأسئلة المتكررة باللغة الأمهرية في الجامعات. هذا الابتكار يعزز من فعالية التواصل بين الطلاب والإدارة بفضل دقة تصل إلى 91.55%.
يُعَد الوقت الذي يقضيه الطلاب الجامعيون في البحث عن إجابات للأسئلة الشائعة عبئاً ثقيلاً يمكن أن يؤثر سلباً على تجاربهم التعليمية. ولقد جاء البحث الجديد بمقترح مبتكر عبارة عن نموذج روبوت دردشة (Chatbot) يعتمد على تقنيات معالجة اللغة الطبيعية (Natural Language Processing) والتعلم العميق (Deep Learning) لتقديم إجابات سريعة خلال لحظات.
تتضمن آلية عمل الروبوت معالجة الكلمات عبر تقنيات مختلفة، مثل: تقسيم الجمل (Tokenization)، وتطبيع الكلمات (Normalization)، وإزالة الكلمات غير المهمة (Stop Word Removal)، والتقليص (Stemming) لتحليل الجمل الأمهرية.
تم استخدام ثلاثة خوارزميات متقدمة لتصنيف الكلمات واسترجاع الردود الملائمة، وهي: آلة الدعم (Support Vector Machine - SVM)، وبايس المتعدد (Multinomial Naïve Bayes)، والشبكات العصبية العميقة (Deep Neural Networks) المدعومة بتقنيات TensorFlow وKeras وNLTK.
حققت الشبكة العصبية العميقة أفضل النتائج، حيث وصلت دقة النموذج إلى 91.55% مع انخفاض في خسارة التحقق بلغ 0.3548، بفضل استخدام مُحسن Adam ووظيفة تنشيط SoftMax. وقد تم دمج نموذج الروبوت مع منصة Facebook Messenger ليكون متاحاً على مدار 24 ساعة، مما يسهل التواصل مع الطلاب بشكل أكبر.
تستعرض النتائج التجريبية فعالية إطار العمل للروبوت في تجاوز تحديات متعددة مثل اختلالات حروف الأمهرية وتنوعها، فضلاً عن الفجوات المعجمية. وفي المستقبل، يمكن أن تتجه الأبحاث نحو دمج WordNet الأمهرية لتقليص الفجوات المعجمية ودعم الأسئلة المعقدة.
تتضمن آلية عمل الروبوت معالجة الكلمات عبر تقنيات مختلفة، مثل: تقسيم الجمل (Tokenization)، وتطبيع الكلمات (Normalization)، وإزالة الكلمات غير المهمة (Stop Word Removal)، والتقليص (Stemming) لتحليل الجمل الأمهرية.
تم استخدام ثلاثة خوارزميات متقدمة لتصنيف الكلمات واسترجاع الردود الملائمة، وهي: آلة الدعم (Support Vector Machine - SVM)، وبايس المتعدد (Multinomial Naïve Bayes)، والشبكات العصبية العميقة (Deep Neural Networks) المدعومة بتقنيات TensorFlow وKeras وNLTK.
حققت الشبكة العصبية العميقة أفضل النتائج، حيث وصلت دقة النموذج إلى 91.55% مع انخفاض في خسارة التحقق بلغ 0.3548، بفضل استخدام مُحسن Adam ووظيفة تنشيط SoftMax. وقد تم دمج نموذج الروبوت مع منصة Facebook Messenger ليكون متاحاً على مدار 24 ساعة، مما يسهل التواصل مع الطلاب بشكل أكبر.
تستعرض النتائج التجريبية فعالية إطار العمل للروبوت في تجاوز تحديات متعددة مثل اختلالات حروف الأمهرية وتنوعها، فضلاً عن الفجوات المعجمية. وفي المستقبل، يمكن أن تتجه الأبحاث نحو دمج WordNet الأمهرية لتقليص الفجوات المعجمية ودعم الأسئلة المعقدة.
📰 أخبار ذات صلة
🤖
روبوتات
تيسلا تطلق خدمة روبوتاكسي في دالاس وهيوستن: ثورة جديدة في عالم التنقل!
تيك كرانشمنذ 1 يوم
🤖
روبوتات
انطلاقة جديدة في عالم الروبوتات: نموذج NVIDIA Isaac GR00T N1.7 يقدّم تقنيات استدلال متقدمة!
هاجينج فيسمنذ 2 يوم
🤖
روبوتات
رحلة الروبوتات: من حلم التعقيد البشري إلى واقع الذكاء الاصطناعي!
MIT للتقنيةمنذ 2 يوم