اجلمهوري ة العربي ة السوري ة ادلعهد العايل للعلوم الت طبيقي ة والت كنولوجيا إسنادي ة الت أليف يف الل غة العربي ة )Arabic Authorship Attribution( أ عد

النسخ

1 اجلمهوريةالعربيةالسورية ادلعهدالعايلللعلومالتطبيقيةوالتكنولوجيا إسناديةالتأليفيفاللغةالعربية )Arabic Authrship Attributin( أ عدتهذهاألطروحةلنيل شهادةادلاجست نيفنظمادلعطياتالكب نة إعداد:حسنادلعريين إشراف:الدكتوردمحمسعيددس وقي دمشق تشرين الثاين 2019

2

3 "In a frest f a hundred thusand trees, n tw leaves are alike. And n tw jurneys alng the same path are alike." - Paul Celh

4

5 اإلهداء «أما ى ت أبوىؾ ى ضبلهؿ.. أان ال يبو ي ت أيب» إذل ى من يص ى حب ي ت ح ى ت أان كيه ي ج ي رين ح ى ت أصحو إذل من ترىك ت يتيمان طف ى ل عا ى م ت.. ال أيىدم ىذا العمل. إىل أمي وإخويت ولك صاحب فضل.

6

7 الشكر أتقد جبيزيل الشكر إذل الدكتور دمحم سعيد دسوقي إلشرافو على ىذا العمل كتقديبو ما يليز من إرشادات كتوجيهات كنصائح. كما أشكر األستاذ دمحم اغبليب كاؼبهندس مناؼ األضبد كاؼبهندس جوين شاى ت على كل من ساىم -كلو بكلمة- يف ظهور العمل هبذه الصورة. مبلحظاهتم القيمة كالشكر موصوؿ إذل

8

9 ادللخص إسنادية التأليف ىي مسألة ربديد الكاتب األصلي لنص يبتىػلىف عليو كىي مسألة مشهورة عاؼبيان تناكلتها كث ت من الدراسات كاألحباث يف بتلف اللغات كخاصة يف اللغة اإلنكلييزية. تعتمد اؼبسألة على استخراج خصائص كمعلومات من داخل النصوص اؼبدركسة كاستخدامها لتميييز أسلوب الكتابة ب تكاتب كآخر. تنقسم تلك اػبصائص إذل عدة أنواع رئيسية: خصائص حرفية كخصائص معجمية كخصائص بنيوية كخصائص كبوية كخصائص داللية كخصائص على مستول كلمات فبييزة. هندؼ من خبلؿ ىذا البحث إذل تقد ن قيمة مضافة على األعماؿ اليت تناكلت ىذه اؼبسألة يف اللغة العربية كاؼبسانبة يف تقليل الفجوة ب ت الدراسات اإلنكلييزية كنظ تاهتا العربية. تركيز دراستنا على النصوص صغ تة اغبجم كيعترب ذلك أحد التحدايت اؼبطركحة يف ىذه اؼبسألة. حيث كقع اختياران على ؾبموعات من البياانت كل ن ص منها ىو صبلة كاحدة فقط دبتوسط طوؿ ال يتجاكز 26 كلمة. كللحصوؿ على )النصوص( كتاب ؼبؤلف بتلف. مث قمنا دبعاعبة الكتب كاستخراج ؾبموعات البياانت اؼبذكورة اخ تان عشرة كتب كل اعبمل منها ضمن مواصفات ؿبددة مثل عدد اعبمل كطوؿ اعبملة كغ تىا. اغبل اؼبق تح على ؾبموعة من اػبصائص اليت يبكن ربديدىا يف النصوص صغ تة اغبجم كعلى استعماؿ يعتمد خوارزميات بتلفة تتناسب مع ىذه اػبصائص. استخدمنا يف البداية خوارزمية Supprt Vectr Machine (SVM) مع خاصية على مستول الكلمات أثر تغي ت حجم ؾبموعة البياانت على دقة النتائج. Bag-f-Wrds (BOW) مث أعدان ال ىكرة مع خوارزمية لدراسة عدة مرات التجربة ك رران Cnvlutinal Neural Netwrks (CNN) كخاصية على مستول األحرؼ Char n-grams كيعترب حبثنا البحث األكؿ الذم يطرح استعماؿ ىذه اػبوارزمية يف اللغة العربية. مث قمنا دبكاملة عملنا مع مفاىيم اؼبعطيات الكب تة للعمل على ؾبموعات كب تة من النصوص كنستخد لذلك منصة كفق بتلف ت. خوارزمية Big Data TensrFlwOnSpark.CNN حيث تتكوف ؾبموعة البياانت اؼبختارة ؽبذه 90 من التجربة اغبل اؼبق تح لتنفيذ ألف صبلة لعشرة يكتاب ك أخ تان قمنا إبسقاط بعض التجارب لتتناسب مع خصائص األحاديث النبوية حيث نطرح عن قرب منها كنصل إذل نتيجة مفادىا أنو يبكننا ابستخدا التقنيات ؿباكاة لؤلحاديث من حيث عددىا كطوؿ كل اؼبطركحة كابالعتماد على األحاديث الصحيحة فقط معرفة أسلوب «كتابة» الرسوؿ هللاىلص كابلتارل اؼبسانبة يف اغبكم على األحاديث اؼبشكوؾ بصحتها. 1

10 Abstract Authrship attributin is the prblem f identifying the true authr f a disputed text, and it is a wrld-famus issue, which has been addressed in many studies and researches in varius languages, especially in the English ne. The prblem depends n extracting characteristics and infrmatin frm within the studied texts, and using them t distinguish the writing style between authrs. These characteristics are divided int several main types: literal, lexical, structural, syntactic, semantic, and wrd-level characteristics. The aim f this research is t cntribute an added value t the wrks that have addressed this issue in the Arabic language, and cntribute t reducing the gap between English studies and the Arabic nes. Our study fcuses n small-size texts, and this is ne f the prpsed challenges. We selected datasets, each text in each dataset is ne sentence, with an average length f n mre than 26 wrds. Fr creating these datasets, we selected ten bks, each ne was written by a different authr. Then, we prcessed the bks and extracted the sentences accrding t dedicated specificatins like the number f sentences, sentence length, etc. The prpsed slutin relies n a set f characteristics that can be identified in smallsize text, and n the use f different algrithms that are apprpriate t these characteristics. First f all, we used the Supprt Vectr Machine (SVM) algrithm with a wrd-level feature Bag-f-Wrds (BOW), and repeated the experiment several times t study the effect f changing the size f the dataset n the accuracy f the results. Then we replicate the experiments with the Cnvlutinal Neural Netwrks (CNN) algrithm with a character-level feature Char n-grams. And I wuld like t mentin that ur research is the first ne that suggests the use f this algrithm in the Arabic language. After that, we integrated ur wrk with Big Data cncepts t wrk n large datasets, using the TensrFlwOnSpark platfrm t implement the prpsed CNN algrithm. The selected dataset fr this experiment cnsists f sentences fr ten different authrs. Finally, we prjected sme experiments t simulate the characteristics f the Hadiths, and we ffered a clse simulatin f the Hadiths in terms f their numbers and lengths, and we fund that we can use the presented techniques and relying n the crrect Hadiths t knw the "writing" Style f the Prphet Muhammad peace be upn him, and thus cntribute the judgment f the crrectness f the dubtful Hadiths. 2

11 3 تياوتلمحا V...ءادهلإا ركشلا II... صخللدا 1... Abstract 2... تياوتلمحا 3... لوادلجاسرهف 8... لاكشلأاسرهف 9... تاراصتخلااوزومرلالودج تاحلطصلدامجعم ماعلاراطلإا:لولأالصفلا.1 Authrship Attributinفيلأتلاةيدانسإيهام ثحبلانمفدلذا تيادحتلا.4 عورشمللةيلمعلاتاقيبطتلا حترقلداللحانعةلمح.6 تاهماسلدا ثحبلاططلس ةيعجرلداةساردلا:نياثلالصفلا ةيعيبطلاتاغللاةلجاعم ةيعيبطلاتاغللاةلجاعمتياوتسم ةيعيبطلاتاغللاةلجاعلدةماعلاتاها تلاا ةيعيبطلاتاغللاةلجاعلدةيسيئرلاتاقيبطتلا ةيبرعلاةغللا فيلأتلاةيدانسإ ةييخرتاةرظن 19...

12 أنواعمسائلإسناديةالتأليف مسائلشه نةيفإسناديةالتأليفيفاللغةالعربية...21 بصمةالكاتبوخصائصالنص الكلماتالوظيفيةWrds Functinal حقيبةالكلماتBag-f-Wrds...23 خاصيةn-grams Wrd خاصيةn-grams Char خاصيةSpeech Parts f الكلماتالنادرةwrds Rare طولاجلملةlength 27...Sentence طولالكلمةlength Wrd خصائصشعريةlength Rhyme, Meters, First wrd عالماتالرت قيمmarks...27 Punctuatin الغ ىناللغويRichness Wrd السهولةأوقابليةالقراءةReadability تعلماآللة أنواعتعلماآللة...29 خوارزمياتتعلماآللة اخلوارزمياتادلستخدمةيفاألطروحة خوارزميةSVM...31 الشبكاتالعصبونيةNetwrks Neural.7 الدراساتادلشاهبة رسالةدكتوراهلShaker Kareem عمليةاإلسنادالتلقائيلنصشعريرلهولإىلشاعره...38 معاجلةنصوصعربيةاترخييةقص نة...39 إسناديةالتأليفللتغريداتالعربية tweets( )Arabic ورقةحبثيةت قارنبنالقرآنالكر نواألحاديثالنبوية...41 إسناديةالتأليفللتغريداتاإلنكليزية) tweets 41...)English 4

13 استخدامإسناديةالتأليفللتحقيقاجلنائييفاللغةاإلنكليزية)آالفادلشتبهن( إسناديةالتأليفيفاللغةالربتغاليةابستخدامخاصيةN-grams Character الفصلالثالث:ادلعطياتالكب نة) Data )Big ادلعطياتالكب نة مفهومادلعطيات...44 مفهومادلعطياتالكب نة...44 مصادرادلعطياتالكب نة...45 إسناديةالتأليفوادلعطياتالكب نة...46 تقنياتادلعطياتالكب نة منصةHadp...46 منصةSpark...48 مقارنةMapReduce Spark VS Hadp مكتبةTensrFlw...49 مقارنةMahut TensrFlw VS Spark MLib VS Apache منصةTensrFlwOnSpark...51 الفصلالرابع:رلموعاتالبياانتادلدروسة...51 رلموعةالبياانتاألوىل) Dataset_1 (...51 رلموعةالبياانتالثانية) Dataset_2 (...51 رلموعةالبياانتالثالثة) Dataset_3 ( الصعوابت...52 رلموعةالبياانتادلعتمدة...52 مقارنةرلموعةالبياانتاخلاصةبنامعالتغريدات!...57 الفصلاخلامس:احللادلقرتح...58 اخلوارزمياتادلقرتحة...58 اخلصائصادلعتمدة...58 احللادلقرتح تنظيفرلموعةالبياانتDataset_ خوارزميةSVM معخاصيةBOW

14 و 61...Char خوارزميةCNN معخاصيةn-grams 4. مفاهيممستخدمة ادلقياس 62...TF-IDF الرت ميزEncding...62 One-Ht التحويلWrd2Vec Char2Vec & 5. مقاييسالدقة الفصلالسادس:التنفيذالعملي التقنياتادلستخدمة لغةابيثون...66 منصةIDE Micrsft Visual Studi منصةIDE PyCharm منصةTensrFlwOnSpark...67 التجاربالعملية...68 إسناديةالتأليفيفاللغةاإلنكليزيةبنكات ب ن إسناديةالتأليفيفاللغةالعربيةبنكات ب ن إسناديةالتأليفيفاللغةالعربيةبنعشرةك تابابستخدامخوارزميةSVM رلموعةالبياانت...71 اخلوارزميةادلستخدمةوحتديدادلتحوالت...74 النتائجوادلقارنة إسناديةالتأليفيفاللغةالعربيةبنعشرةك تابابستخدامخوارزمية 82...CNN رلموعاتالبياانت...82 اخلوارزمياتادلستخدمةوحتديدادلتحوالت...82 النتائجوادلقارنة مقارنةبننتائجاخلوارزميتنSVM 93...CNN 8. تربةابستخدامTensrFlwOnSpark تشغيلTensrFlwOnSpark علىمنصةSpark ادلستقلة...95 تعديلالربانمجللعملمعTensrFlwOnSpark...95 مقارنةبنالتجربةابستخدامادلنصةوبدوهنا

15 .9 زلاكاةلألحاديثالنبوية رلموعاتالبياانت...97 النتائجومعانيها...98 إسقاطالتجاربعلىاألحاديثالنبوية الفصلالسابع:اخلامتةواآلفاقادلستقبلية اخلامتة اآلفاقادلستقبلية ادللحق المراجع

16 فهرساجلداول اعبدكؿ 1: الكلمات الوظيفية...23 اعبدكؿ 2: ؾبموعة خصائص مستخدمة معان...28 اعبدكؿ 3: نتائج CNN على اللغة اإلنكلييزية...41 اعبدكؿ 4: نتائج SVM كSM على اللغة اإلنكلييزية...42 اعبدكؿ :5 مقارنة Spark مع Hadp MapReduce اعبدكؿ 6: الكتب اؼبستخدمة إلنشاء ؾبموعات البياانت...53 اعبدكؿ 7: أمثلة للجمل اؼبستخرجة من الكتب...57 اعبدكؿ 8: ترمييز One-ht عبملة...63 اعبدكؿ 9: ذباربنا يف اللغة اإلنكلييزية ب تكاتب ت...69 اعبدكؿ 11: ذباربنا يف اللغة العربية ب تكاتب ت...71 اعبدكؿ 11: عدد اعبمل لكلكاتب...71 اعبدكؿ 12: إحصائيات على مستول اعبمل...72 اعبدكؿ 13: إحصائيات على مستول الكلمات...73 اعبدكؿ 14: إحصائيات على مستول احملارؼ اعبدكؿ 15: نتائج ذبريبية جملموعة البياانت Dataseet_3_ اعبدكؿ 16: تكرار بعض الكلمات اؼبتماييزة يف Dataset_3_ اعبدكؿ 17: نتائج SVM على ؾبموعة البياانت Dataset_3_ اعبدكؿ 18: نتائج SVM على 15 ؾبموعة بياانت بتلفة...79 اعبدكؿ 19: إحصائيات اعبمل اليت قبحنا كفشلنا يف تصنيفها...81 اعبدكؿ 21: اليزمن البل ز لكل ذبربة ابستخدا...81 SVM اعبدكؿ 21: عدد اؼبفردات اؼبقابل لكل n ضمن...83 n-grams اعبدكؿ 22: ابرام تات خوارزمية...85 CNN اعبدكؿ 23: نتائج CNN مع ؾبموعة البياانت Dataset_3_ اعبدكؿ 24: نتائج CNN على 15 ؾبموعة بياانت بتلفة...91 اعبدكؿ 25: إحصائيات اعبمل اليت قبحنا أك فشلنا يف تصنيفها ابستخدا...91 CNN اعبدكؿ 26: اليزمن البل ز لكل ذبربة ابستخدا...92 CNN اعبدكؿ 27: نتائج احملاكاة لؤلحاديث النبوية...98 اعبدكؿ 28: نتائج صبيع التجارب ابستخدا اػبوارزميت ت SVM كCNN...99 اعبدكؿ 29: الكلمات الوظيفية يف األطركحة

17 فهرساألشكال الشكل 1: حقيبة الكلمات لثبلث صبل...24 الشكل 2: حقيبة الكلمات لنص كامل الشكل 3: اؼبستوم الفائق يف خوارزمية...32 SVM الشكل 4: بطط لعصبوف كاحد الشكل 5: طبقات الشبكة العصبونية...34 الشكل 6: تصنيف صورة ابستخدا...36 CNN الشكل 7: مراحل عمل خوارزمية...37 CNN الشكل 8: االىتما دبوضوع اؼبعطيات الكب تة...45 الشكل 9: مكوانت كأدكات...47 Hadp الشكل 11: أمباط عمل...48 Spark الشكل 11: سبوضع TensrFlwOnSpark فوؽ Spark ك 51...Hadp الشكل 12: عدد اعبمل يف الكتب اؼبدركسة...53 الشكل 13: العبلقات الرايضية للمقاييس اؼبستخدمة...65 الشكل 14: توزع طوؿ اعبملة ابحملارؼ...74 الشكل 15: توزع طوؿ اعبملة ابلكلمات...74 الشكل 16: توزع متوسط طوؿ الكلمة ابحملارؼ الشكل 17: نتائج SVM على شكل Nrmalized Cnfusin Matrix الشكل 18: مثاؿ حقيقي ػبوارزمية...78 SVM الشكل 19: العبلقة ب ت عدد اعبمل كدقة النتائج ابستخدا...79 SVM الشكل 20: توزع احملارؼ العربية ضمن 84...Dataset_3_9 الشكل 21: العبلقة ب ت دقة النتائج كعدد الػ Epchs كقيمة n...84 الشكل :22 خوارزمية - CNN ربويل Char 3-grams الشكل :23 خوارزمية - CNN التضم ت grams Embedding الشكل 24: خوارزمية CNN -كشف السمات...87 الشكل 25: خوارزمية - CNN طبقة التفعيل...87 الشكل 26: خوارزمية - CNN طبقة التجميع...88 الشكل :27 خوارزمية - CNN طبقة التسوية...88 الشكل 28: خوارزمية - CNN ذبميع اؼبتجهات...89 الشكل 29: العبلقة ب ت عدد اعبمل كدقة النتائج ابستخدا...91 CNN الشكل 31: مقارنة نتائج اػبوارزميت ت SVM كCNN...93 الشكل 31: مقارنة زمن الربانمج بوجود 96...TensrFlwOnSpark 9

18 جدولالرموزواالختصارات NLP GLM NB SVM M.C BOW DT CNN SM POS KNN RF ReLU RNN HDFS API ANN IOS CPU GPU TPU CSV TF-IDF NLTK PCA IDE FWs Natural Language Prcessing Generalized Linear Mdel Naïve Bayes Supprt Vectr Machine Markv Chain Bag-f-Wrds Decisin Tree Cnvlutinal Neural Netwrks Style Markers Parts f Speech K -Nearest Neighbr Randm Frests Rectified Linear Unit Recurrent Neural Netwrks Hadp Distributed File System Applicatin Prgramming Interface Artificial Neural Netwrks iphne Operating System Central Prcessing Unit Graphics Prcessing Unit Tensr Prcessing Units Cmma-Separated Values Term Frequency Inverse Dcument Frequency Natural Language Tlkit Principal Cmpnent Analysis Integrated Develpment Envirnment Functinal Wrds 11

19 معجمادلصطلحات الشرح ادلصطلح إسنادية التأليف ال يكتاب اؼبرشحوف النصوص ال صغ تة ربديد الكاتب األصلي لن ص يبتىػلىف عليو ؾبموعة ال يكتاب أك اؼبؤلف ت الذين يتم تدريب النظا على أسلوبكتابتهم. الن ص ال صغ ت يف سياؽ األطركحة ىو أم صبلة ي تاكح طوؽبا ب ت 40 ؿبرؼ ك 400 ؿبرؼ. ىي اؼبعلومات كاغبقائق اليت يذبمع حوؿ الن ص بغض النظر عن ؿبتواه- مثل اتريخ النشر مكاف النشر مسودات النص كأم معلومة إضافية. ىي اؼبعلومات كال سمات اؼبوجودة داخل الن ص نفسو ك اليت تعكس أسلوب الكاتب. مثل طريقة استخدا اعبمل كالكلمات كعبلمات ال ت قيم كغ تىا. ىيكلمات ال تتعلق دبحتول الن ص نفسو مثل أحرؼ اعبر كإف كأخواهتا ككاف كأخواهتا كأظباء االستفها كاألظباء اؼبوصولة كغ تىا. األدلة اػبارجية األدلة الداخلية )اػبصائص Authrship Attributin Suspected Authrs Small-Sized Texts External Evidence Internal Evidence )Features الكلمات الوظيفية اؼبقطع اؼبفردة الدقة ىو تعميم ؼبفهو الكلمة يبثل أم ؾبموعة ؿبارؼ متصلة مع بعضها ككاقعة ب ت فرا ىغ ت )مسافىت ت( أك فراغ كعبلمة ترقيم. أكردان ىذا اؼبصطلح ضمن بعض فقرات البحث دبعت سلسلة ؿبددة من احملارؼ أك الكلمات كذلك حسب سياؽ الفقرة. فإذاكانت اؼبسألة تتعامل مع الكلمات فاؼبفردة ىي الكلمة. كإذا كانت تتعامل مع احملارؼ تكوف اؼبفردة ىي احملرؼ الواحد. فكل ؿبرف ت يش كبلف مفردة كىكذا. كإذاكانت تتعامل مع سلسلة من ؿبرف ت نسبة صبيع عناصر ؾبموعة االختبار اؼبصنفة بشكل صحيح إذل عدد عناصر ؾبموعة االختبار الكلي. Functinal Wrds Tken Lemma Accuracy اؼبستوم الفائق الػ Hyperplane يف فضاء ما X أبعاده n ىو فضاء جيزئي Y ؿبتول يف X كأبعاده.n-1 تضم ت الكلمات تقنيات الدمج ىو ترمييز الكلمة دبتجو عددم. تستخد ليزايدة دقة مصنف قبل ازب اذ التصنيف. التصنيف حيث يتم اعبمع ب ت أكثر من خاصية أك أكثر من قرار Hyperplane Wrd Embedding Fusin Technique نصوص مشاهبة لؤلحاديث النبوية التشابو مع األحاديث النبوية أييت كفق منظورين: األكؿ: عدد النصوص فباثل لعدد األحاديث الصحيحة كالثاين: أف النصوص بتارة حبيث يكوف طوؿ الن ص الواحد مشابو لطوؿ اغبديث الواحد. 11

20 12

21 الفصلاألول:اإلطارالعام ي عت البحث بدراسة إسنادية التأليف يف اللغة العربية على نصو وص صغ تة اغبجم. كيندرج موضوع البحث يف إطار معاعبة اللغة العربية كتقنيات التنقيب يف النصوص كخوارزميات التصنيف كيرتبط بتقاانت كمفاىيم اؼبعطيات الكب تة عند العمل على عددكب ت من النصوص أك اؼبؤلف ت. 1. ماهيإسناديةالتأليفAttributin Authrship ىي مسألة ربديد كاتب ن ص ؾبهوؿ أك مشكوؾ فيو عن طريق خصائص كقياسات تيؤخذ من داخل الن نفسو كبدكف العودة إذل أم مراجع خارج الن ص مثل اتريخ النشر أك مكاف النشر أك مسودات الن ص. ص [1] تتنوع اػبصائص اليت يبكن استخراجها من النص فيمكن االعتماد على اعبمل اؼبكونة للنص كطوؽبا أك على الكلمات كمبط تكرارىا أك على األحرؼ كإحصائيات تيقا على أساسها أك على عبلمات ال ت قيم كغ تىا. [2] تعتمد اؼبسألة على تعليم النظا أسلوب كتابة عدد من ال يكتاب اؼبرشح ت هبدؼ سبكينو من معرفة الكاتب الفعلي لنص جديد -ألحد ال يكتاب اؼبرشح ت- غ ت ي مدخل إليو سابقان [1]. حيث يتم استخراج ؾبموعة من كل كاتب دبتجو من N بعد اػبصائص للنص كاليت تبقى اثبتة نسبيان يف ؾبموعة كتاابت الكاتب كسبثيل حيث N ىو عدد تلك اػبصائص [3]. من البديهي أف سهولة اؼبسألة تتناسب طردان مع حجم النصوص النصوص كب تة ك ث تة كاف احتماؿ كشف أسلوب الكاتب أكرب. اليت يؤثر على دقة اإلسناد فدقة النتائج تتناسب عكسان مع عدد اؼبرشح ت. عليها النظا تدريب يتم فكلما كانت من جهة اثنية فإ ف عدد ال يكتاب اؼبرشح ت.2 اذلدفمنالبحث يهدؼ البحث يف اإلطار العا إذل بناء نظا يساعد يف ربديد الكاتب األصلي لن ص ما مكتو وب ابللغة العربية عن طريق ظب ات نصية كقياسات بتلفة تيؤخذ من داخل الن ص نفسو. من منظور أضيق فإف الغاية الرئيسية ىي تطبيق إسنادية التأليف على نصوص عربية صغ تة اغبجم حبيث تبقى دقة النتائج ضمن اغبدكد اؼبقبولة. 13

22 .3 التحدايت يف اغبالة الطبيعية اليت تعتمد عليها اؼبسألة هبب أف وبتوم الن ص على بصمة الكاتب كلك ن اؼبشكلة اليت نواجها ىنا أ ف غالبية النصوص اليت تصل إلينا قديبةن كانت أك حديثةن فإهنا زبضع للتعديل كاؼبراجعة كالتدقيق كالكتابة )للطباعة( من أشخاص آخرين غ ت الكاتب األصلي فبا قد يؤثر على بعض األساليب اؼبتبعة يف إسنادية التأليف.[1] قد يكوف عدد الكتاب اؼبرشح ت يف بعض اؼبسائل كب ت ان جدان حبيث يصبح االحتمالية اليت يعطيها النظا ترجيح الكفة بشكل حاسم. من ال صعب على النسب لكل كاتب من ال يكتاب اؼبرشح ت اؼبعامل اآلخر الذم تتأثر بو اؼبسألة ىو عدد النصوص اؼبوجودة ففي بعض اغباالت قد تكوف قلة اؼبصادر عائقان أما استخبلص أسلوب الكتابة كابلتارل ال يكوف النظا قادر ان على ربديد صاحب الن نضيف على ذلك أنو ص اجملهوؿ. مع التقد التكنولوجي اغباصل كال سهولة الكب تة يف الوصوؿ إذل اؼبعلومة قد تكوف السرقة األدبية أك االنتحاؿ أكثر ذكاءن فقد يتم اللجوء إذل سرقة الفكرة كتعديل ال صياغة حبيث يكوف من اؼبستبعد على أنظمة إسنادية التأليفكشف االنتحاؿ. يف ىذه اغباالت يكوف التكامل ب ت األدلة اػبارجية ك األدلة الداخلية ضركراين لتحديد االنتحاؿ من عدمو. [1] كمن ىذه التحدايت أيضان أ ف أسلوب الكاتب يتطور كيتغ ت خبلؿ حياتو كما قد زبتلف اؼبواضيع اليت يطرحها كاجملاالت األدبية اليت ىبوض فيها [1]. فالشاعر ال دمشقي العشري ت -مثبلن- الذم كتب «طفولة هند» عا 1948 ليس نفسو منكتب «أجبدية الياظب ت» بعدىا بنصف قرف. كأخ تان فإ ف حجم النصوص ال صغ ت ىو التح دم الذم نتبناه يف ىذه الدراسة ألننا نراه األكثر فائدةن كخاصة مع انتشار مواقع التواصل االجتماعي ك الرسائل القص تة كظهور مفهو اعبريبة اإللك تكنية..4 التطبيقاتالعمليةللمشروع يبكن أف ي ستثمر اؼبشركع يف عدة ؾباالت نذكر منها: كحل االنتحاؿ: من التطبيقات التقليدية للمشركع ىو كشف ال سرقات األدبية ابلنصوص التارىبية اؼبتنازع عليها [1]. اػببلفات اؼبتعلقة 14

23 اللغوايت )أك اعبنائية اللغوايت القضائية(: تطبيق النظا على نصوص تيستخد سياؽ قانوين أك يف جنائي مثل مبلحظات االنتحار كطلبات الفدية كلا تصروبات اؼبنسوبة إذل شخص ما كرسائل الربيد اإللك تكين كالكتابة ابسم مستعار كاعبرائم اإللك تكنية بصفة عامة [4]. 5. حملةعناحللادلقرتح الذم ي ي عترب العمل أقبيزانه يف ىذه األطركحة استكماالن لسلسلة من األحباث ك الدراسات اليت بدأت منذ عا 2012 ك اليت تناكلت موضوع إسنادية التأليف يف اللغة العربية. يركيز ىذا البحث بشكل رئيسي على النصوص ؾبموعة البياانت ف أ حيث الصغ تة. الرئيسية ربميل عشرةكتب من موقع اؼبكتبة الشاملة يف دراستنا تتكوف من صبل طوؽبا متوسط 26 كلمة تقريبان. كلكتاب ؼبؤلف بتلف. [5] أنشأان بعدىا برانمج يبكن عن طريقو استخراج اعبمل من الكتب اؼبختارة مع مواصفات إضافية للربانمج. كبذلك استطعنا تكوين عدد كب ت من ؾبموعات البياانت ابؼبواصفات عدد اعبمل كطوؿ اعبملة الواحدة. بشكلها الكامل. ت العمل كقد على مستول اعبمل اليت دكف أف يكوف ىناؾ ت يرب دد كدخل تناسب ذباربنا من حيث أم دكر للكتب قمنا ابختيار خاصيت ت لكشف أسلوب الكاتب األكذل على مستول األحرؼ Char n-grams ك الثانية على.BOW أما مستول الكلمات خوارزمية CNN كاليت يتم البحث ابلنسبة للخوارزميات اؼبستخدمة استخدامها يف اللغة العربية ألكؿ مر ة اغبل فقد طرحنا حيث ارتكيزان على [6] نسب قباح جيدة. يف اللغة اإلنكلييزية. اػبوارزمية الثانية ك اليت ىي SVM عن طريق خوارزميت ت: النجاح الذم حققتو كرقة سبق العمل عليها يف اللغة العربية كحققت.6 ادلسامهات موضوع إسنادية التأليف يف اللغة العربية ىو موضوع جديد نسبيان كنرجو أف نوفق ليكوف عملنا الواعدة يف ىذا اجملاؿ من ىذا اؼبنظور يبكننا تسليط الضوء على عدة مسانبات يسبييز البحث: من األعماؿ بناء برانمج لتوليد ؾبموعة بياانت كفق معاي ت ؿبددة انطبلقان من أم ملفات نصية حبيث أصبح من السهولة دبكاف اغبصوؿ على ؾبموعة بياانت جديدة ألغراض مشاهبة كسنرل أننا نستفيد من ىذا الربانمج لتوليد 15 ؾبموعة بياانت بتلفة. 15

24 أكؿ حبث يطرح إسنادية التأليف العربية حيث ي جمل لل إمكانية ندرس تطبيق الفكرة على النصوص صغ تة اغبجم )كل نص ىو صبلة كاحدة فقط(. أكؿ حبث يف اللغة العربية يستخد مبوذج CNN للعمل على إسنادية التأليف. أكؿ حبث يطرح موضوع التحقق من صحة األحاديث النبوية هبذا ال شكل اؼبباشر عن طريق ؿباكاة أتخذ بعض خصائص األحاديث النبوية بع ت االعتبار. ىناؾ حبث [7] األحاديث النبوية ىبتلف عن أسلوبكتابة القرآف الكر ن لكن طرحنا بتلف سبامان. انقش فكرة أف أسلوب كتابة -[8] اثين حبث يف -بعد العربية اللغة الورقة البحثية يربط مفاىيم الػمعطيات الكب تة إبسنادية التأليف. 7. سلططالبحث تتضمن األطركحة سبعة فصوؿ. يعرض الفصلاألول تعريف مسألة البحث كتطبيقاهتا ك التحدايت اليت تواجو الباحث ت فيها. أما يف الفصل الثاين فنهدؼ إذل إعطاء القارئ اؼبعرفة النظر ية البل زمة للمجاالت الرئيسية اؼبتقاطعة يف عملنا )معاعبة اللغات الطبيعية كتعلم اآللة(. كما لبوض أكثر يف معت إسنادية التأليف كأنواعو كبعض األمثلة التقليدية من اللغة العربية إضافة إذل سرد عدد من ال سمات كاػبصائص اليت تفيد يف ربديد بصمة الكاتب كلبتم الفصل بعرض عدد من الدراسات اؼبشاهبة. يف فصل اؼبعطيات الكب تة إطار العمل. نبدأ ابلشرح من اؼبفهو العا مركران بػ الفصلالثالث نشرح عبلقة حبثنا ابؼبعطيات الكب تة كمىت يبكن استخدامها يف Hadp TensrFlwOnSpark أما يف الفصلالرابع نستعرض إلجراء إحدل التجارب عليها. ؾبموعات البياانت اؼبختلفة اليت إذل تب ت أسلوب مع ت للحصوؿ على ؾبموعات البياانت الرئيسية. كSpark بسيطت ت إلجراء ذبارب أكلية عليها مث ننتقل إذل شرح ؾبموعات البياانت الرئيسية كانتهاء ن بقرار االعتماد على منصة تعاملنا معها كنوضح اػبطوات اليت أكصلتنا حيث نقد يف البداية ؾبموعيت بياانت )اؼبكونة من عشرة كتب كل كتاب ؼبؤلف بتلف( كطريقة معاعبة تلك اجملموعات. كما نستعرض عدد من األمثلة للنصوص اليت يتم اغبل اؼبق تح كىذا ما كاف يف الفصلاخلامس حيث العمل عليها. أصبحنا يف ىذه اؼبرحلة جاىيزين لعرض قدمنا اػبصائص اليت سنعتمد عليها بشكل رئيسي BOW( كn-grams )Char مع تربير اعتمادان على 16

25 خوارزمييت CNN كSVM.كما نوضح بعض اؼبفاىيم اؼبرتبطة التارل فصل التنفيذ العملي. يف هبات ت اػبوارزميت ت سبهيدان الستخدامها يف الفصل الفصلال سادس نسرد التجارب العملية اليت قمنا هبا مع نتائج كمقارانت كبططات عدة. نبدأ فيو بعرض بتصر جدان لتجربت ت أكليت ت ب ت كات ب ى ت فقط )مرة ابللغة الرئيسية التجارب اليت كانت ب ت عشرة يكتاب اإلنكلييزية بتلف ت حيث نقو بػ كأخرل 15 ابللغة ذبربة ابستخدا كمثلها ابستخدا خوارزمية.CNN زبتلف التجارب عن بعضها دبجموعة البياانت اليت يتم نقو بشرح لتجربة على منصة العربية(. ننتقل بعدىا إذل خوارزمية SVM العمل عليها. كما كأخ تان ربت حملاكاة اؼبسألة من زاكية معينة. TensrFlwOnSpark كلبتم الفصل ببعض اإلسقاطات على األحاديث النبوية الفصلال سابع ندكف خاسبة البحث كنضع ب ت يدم القارئ بعض اآلفاؽ كاجملاالت اؼبستقبلية. 17

26 الفصلالثاين : ال دراسةادلرجعية عامة على اجملاالت النظرية اليت كبتاجها ابتداءن من شرح مفهوـ معاعبة اللغات نق دـ يف ىذا الفصل نظرة الطبيعية مركران بتفصيل أكرب ضمن موضوع إسنادية التأليف كأنواعها كأمثلة عنها إضافة إذل استعراض اػبصائص كاػبوارزميات اليت سبق استخدمها يف ربديد ىوية كاتب كانتهاءن بسرد عدد من الدراسات اؼبشاهبة..1 معاجلةاللغاتالطبيعية ص أك الكبلـ من قبل برانمج (أك آلة). كاللغة الطبيعية ىو مصطلح ييطلق على اللغات ىي معاعبة كربليل الن البشرية اؼبعركفة مثل العربية كاإلنكلييزية كالفرنسية كغ تىا. أما كلمة»طبيعية«فهي تع ت أف ىذه اللغات نتجت تطور طبيعي غ ت يـبطط مع اليزمن عن لو [9]. مستوايتمعاجلةاللغاتالطبيعية سبر معاعبة اللغات الطبيعية ضمن ع دة طبقات أك مستوايت كيبكن تقسيمها إذل ثبلث طبقات رئيسية طبقة كبواين كطبقة معنوية صرفية Lexical على مستول الكلمة كطبقة كبوية Syntax على مستول اعبملة كتركيبها Semantic على مستول اؼبعت النهائي ضمن اللغة ].[9 اتالعامةدلعاجلةاللغاتالطبيعية االتاه األكؿ ىو اؼبنهج القاعدم (أك اللغوم أك القانوين) كالذم ىناؾ منهجاف رئيسياف للعمل على اللغات الطبيعية يتم االعتماد يعتمد على قواعد اللغة اؼبدركسة كغالبان ما وبتاج إذل خرباء يف اللغة لوضع أسس النظاـ اليت عليها. اؼبنهج الثاين إحصائي يعتمد على ؾبموعات البياانت كاؼبعلومات اليت يبكن استخراجها منها ليب ت النظاـ لتدخل خرباء اغباجة قواعده اليت تناسب اؼبسألة اؼبطركحة يبكن العمل بشكل إحصائي بدكف الرئيسيةدلعاجلةاللغاتالطبيعية التطبيقات التطبيقات اليت تعتمد على معاعبة اللغات الطبيعية كث تة فيما يلي نذكر إجابة األسئلة Questin Answering 18 بعضها ] :[9 اللغة [10].

27 ال تصبة اآللية Machine Translatin التدقيق اإلمبلئي استخراج اؼبعلومات التعرؼ على الكبل تصنيف النصوص Spell Checking Infrmatin Extractin Speech Recgnitin Text Classificatin ي عترب حبثنا ضمن ؾباؿ تصنيف النصوص. حيث اللغةالعربية أتيت اللغة العربية يف اؼبركيز الرابع عاؼبيان من حيث عدد الناطق ت هبا بعد اللغات اإلنكلييزية على ال تتيب. ما ييزيد عن العربية اللغة يتكلم تعترب اللغة العربية ىي اللغة الرظبية يف ال دكؿ سكاف ابقي الدكؿ اإلسبلمية لتعلمهاكلغة اثنية. 444 مليوف إنساف )حسب نيساف إحصائيات كالصينية كاإلسباني ة.[11] )2019 العربية كما أف أنبيتها الدينية لدل اؼبسلم ت جعلتها ؿبط اىتما إسناديةالتأليف نظرةاترخيية.2 قد تكوف اؼبسألة بصورهتا العامة قديبة ق ىد الكلمات كاؼبستندات. حيث طرحت طوؿ الكلمة تتالت بعدىا الدراسات يف النص الكبل كمتوسط ىكس مة ك اليت ت نشر تناقش نسبة الكلمات إذل قائلها كاؼبستندات إذل كاتبها ىي مسألة أكؿ دراسة فبييزة للكاتب. [2] 1887 منذ عا اإلنكلييزية اللغة يف يف اجملاؿ إحصائية يف ىذا اجملاؿ كانتقل الباحثوف إذل طرح أفكار لسمات من مبط كجود كلمات طويلة طوؿ اعبملة كمتوسط طوؿ الكلمة كعدد األحرؼ الصوتية يف الكلمة (POS) Parts f Speech كصوالن إذل الغ ت اللغوم )عدد الكلمات اؼبتماييزة الكاتب( كغ تىا.[2] اليت كتوزع أقسا يستخدمها نفسها ال سمات من تلك ظبة أم تفرض اغبقيقة دل يف ى ك ى حل أكحد للمسألة كبقيت صبيعها قيد االستخدا كالتجريب إذل يومنا. 19

28 ابلتوازم مع اؼبسار اإلحصائي اؼبرادفات الستخراج بصمة الكاتب فبعض الكلمات توجد قيود قواعدية يف اللغة السابق انتهج البعض أساليب بتلفة نوعان ما اإلنكلييزية اػبيارات اليت ينتقيهاكاتب ما من ب ت اؼبرادفات دليل عليو! تطورت الفكرة السابقة لتكوف مسار ان مثل "Big" ك" Large " تتشابو ابؼبعت يربتم علينا استخدا كاحدة بدؿ األخرل. أعم يهتم بدراسة كلمات ؿب ددة من النص مثل ؿباكلة االعتماد على من جهة كال يبكن أف تكوف ؾبموعة اختيار ىذه يتم حبيث الكل معت حقيقيان كىنا ظهر مفهو الكلمات الوظيفية كىي كلمات مثل حركؼ ن مات على أهنا ال تضيف اعبر كأحرؼ العطف كأدكات التعريف كغ تىا [2]. ابلرغم من أ ف عدد الكلمات الوظيفية قليل نسبةن إذل عددكلمات اللغة إال أهنا تش كل نسبةكب تة من الكلمات اؼبستخدمة فعليان كدبا أهنا مستقلة عن ؿبتول الن ص اؼبطركح فإ ف كجودىا بتواتر مع ت يعطي مؤ شرنا إذل أسلوب الكاتب [1]. ما زالت الدراسات يف اللغة العربية جديدة كضمن اإلطار التقليدم إذ ت نشر حوارل 20 كرقة حبثي ة منذ عا 2012 إذل اآلف سنوجيز أنبها الحقان خبلؿ ىذا الفصل. أنواعمسائلإسناديةالتأليف للمسألة عدة أنواع :[1] اغبالة األبسط أف يكوف لدينا نص كىناؾ أكثر منكاتب يتنازعوف عليو. أك يف حالة أخرل أف يكوف ىناؾ نص ؾبهوؿ الكاتب كوباكؿ النظا إهبادكاتب ىذا الن ص. أما اغبالة الثالثة - ك اليت يبكننا ضرب مثاؿ كاضح عليها- ىي عندما يشك الباحثوف يف صحة نسبة ما ي نسب إذل الرسوؿ نص ما إذل كاتب ي مف تض كمثالنا ىو األحاديث النبوية كالتحقق من أ ف كل هللاىلص صحيح! 21

29 3. مسائلشه نةيفإسناديةالتأليفيفاللغةالعربية معرفة مؤلف بطوط أك كتاب بطوط «اتريخ األندلس ؼبؤلف ؾبهوؿ» كيعترب ىذا اؼبخطوط من اؼبصادر اؽبامة اؼبتعلقة جبغرافية األندلس كاترىبها مع توصيف كاسع للمدف األندلسية. النسخ الثبلثة اؼبوجودة ؽبذا اؼبخطوط ال ربتوم اسم الناسخ أك اتريخ النسخ كحىت اؼبؤلفوف الي قدامى الذين اعتمدكا على ىذا اؼبخطوط دل يذكركا اسم الكاتب.[12] بطوط «سراج اؼبصلي كبدر اؼببتدئ كاؼبنتهي» كالناسخ كاتريخ النسخ يف الفقو اغبنفي كىو ؾبهوؿ اؼبؤلف.[13] كتوجد الكث ت من الكتب كاؼبخطوطات اؼبشاهبة ؾبهولة اؼبؤلف كاليت يبكن االطبلع عليها من اؼبرجع األخ ت. التأكد من صحة األحاديث النبوية.[1] قد يكوف أشهر األمثلة التقليدية اليت يبكن استخدا إسنادية التأليف يف اللغة العربية فيها ىو موضوع األحاديث النبوية الصحيحة عن غ تىا: حيث كثرت الدراسات عرب التاريخ اإلسبلمي لتفريق األحاديث حيث تعتمد تلك الدراسات األشخاص الذين نقلوا اؼبنت ك اليت بشكل عا على تتصل ابلرسوؿ هللا ىلص موثوقية سند اغبديث )السلسلة من.)[14] كما أنو توجد دراسات تنظر إذل منت اغبديث )ما ينتهي إليو السند الن ص الذم يعرب عن ؿبتول اغبديث مثل قوؿ األحاديث بناءن غ تىا. الرسوؿ هللاىلص أك عملو أك إقراره على ببلغة اللفظ أك كجود بالفة للقرآف الكر ن [14]( حيث تناقش صحة أك بالفة للعقل أك بكبل آخر سند اغبديث من األدلة اػبارجية اؼبأخوذة من خارج الن ص )من خارج اؼبنت اؼبنسوب إذل الرسوؿ هللاىلص(. أما ضمن إطار العمل يف إسنادية التأليف فيمكن طرح فكرة تقييم صحة اغبديث ابالعتماد على األدلة الداخلية )خصائص كقياسات تؤخذ من منت اغبديث كبشكل أدؽ من اؼبنت 21

30 اؼبنسوبةكلماتو إذل الرسوؿ هللاىلص( كذلك بغ ض النظر عن األدلة اػبارجية أك معت اؼبنت أك أم أجيزاء ضمن اؼبنت ربتوم كلمات ال تينسب للرسوؿ هللاىلص. 4. بصمةالكاتبوخصائصالنص اػبصائص )Features( ىي اؼبعلومات اؼبستخرجة من داخل الن ص هبدؼ سبيييز أسلوب الكتابة ب ت كاتب [1]. زبتلف درجة أنبي كل كاحدة من اػبصائص حسب اللغة اؼبعاعبة كطبيعة اؼبسألة اؼبدركسة. يبكن ة كآخر تصنيف اػبصائص اؼبستخرجة من الن ص يف ثبلثة أصناؼ: متعلقة ابألسلوب: كىي اػبصائص اليت للكلمات الوظيفية كعدد كتوزع عبلمات ال ت قيم متعلقة ابحملتول: النصوص صبيع. Wrd n-grams اػبصائص ىنا تتأثر تعكس أسلوب الكاتب فعليان مثل طريقة استخدامو كأخطاء يرتكبها كالغ ت اللغوم كغ تىا. ابحملتول كالستخدامها يف إسنادية اؼبدركسة ؽبا نفس التو جو )صبيعها اترىبية أك صبيعها اقتصادية أك..( التأليف هبب أف تكوف خاصية مثل ىجينة )أسلوب كؿبتول(: خصائص قد تتأثر ابحملتول مثبلن مع.Char n-grams إذاكانت n كب تة 3 )أكرب من يف اللغة العربية( فإ ف نسبة الكلمات اليت تقابلها يف اللغة إذل عدد كلمات اللغة تصبح كب تةن نسبيان كابلتارل نكوف يف ىذه اغبالة ك أننا نق تب من.Wrd n-grams لتوضيح الفكرة: إذا كانت n تساكم 1 فإف عدد كلمات اللغة العربية اؼبكو نة من حرؼ كاحد فقط يكوف مهمل ابلنسبة لعددكلمات اللغة كابلتارل لن يتأثر 1-grams دبحتول الن ص. نفس الكبل يصح إذاكانت n تساكم 2 ك ذلك كحد أقصى- لو كانت n تساكم 3. أما يف حالة n تساكم 4 أك أكثر فإف السلسلة من األحرؼ ستحتومكلماتكاملة كابلتارل قد تتأثر دبوضوع الن ص. ابلشكل العا يبكن أف نقوؿ عن خاصية أهنا جيدة ؼبسألة ما إذا حققت ال شرط ت :[15] أف تكوف قادرة على التقاط اعبوانب اؼبمييزة يف أسلوب الكتابة لتلعب دكر ان يف التفريق ب ت ال يكتاب. تتأثر دبوضوع الن أال ص اؼبطركح كؿبتواه. نستعرض عددان من اػبصائص مع شرح مب سط كل منها : ل و 22

31 Functinal الكلماتالوظيفيةWrds الكلمات الوظيفية ىي كلمات الر بط اليت تصل صبلة جبملة أك ىي الكلمات ا يتل ال تتعلق دبحتول الن ص نفسو أك اؼبوضوع الذم يتناكلو كإمبا دكرىا كمارل إلسبا اؼبعت. من األمثلة عليها أحرؼ اعبر كإف كأخواهتا ككاف كأخواهتا كأظباء االستفها كاألظباء اؼبوصولة. تب ت الدراسات السابقة أف استخدا ىذه الكلمات كطريقة تكرارىا كاالعتماد على بعضها دكف اآلخر ىو شيء يبييز كاتب عن آخر. على الرغم من قلة عدد ىذه الكلمات مقارنة جبميع كلمات اللغة فإهنا تستخد بكثرة ضمن الكبل أك الكتابة كبطريقة غ ت ي متحكم هبا. ليس من ال ضركرم االعتماد على صبيع الكلمات الوظيفية يف لغة ما الستخدامها يف إسنادية التأليف يبكن اختيار عدد منها )مثبلن األكثر تكراران يف النصوص اؼبدركسة( كاالعتماد عليو فقط. وبتوم اعبدكؿ التارل على 65 كلمة كظيفية يف اللغة العربية كىي القائمة اليت اعتمد عليها الدكتور كر ن [1] يف أطركحتو )سنراىا ضمن الدراسات اؼبشاهبة(.[ 1 ] يف فبل أك كي أما اي تلك ىو كبن ليس كم من منذ أ لن إذ نعم ىؤالء ىم اآلف أصبح أين عن ال أف دل إذا ببل أكلئك ىي ب ت ظل مىت على مث كأف ما لو ىذا الذم أنت ىنا ماذا مهما إذل بل إف أم لوال ذلك ا يتل أنتم ىناؾ ؼباذا ىا حىت لكن إذف أال ىل ىذه الذ ني أان كاف كيف اجلدول 1 :الكلماتالوظيفية حقيبةالكلماتBag-f-Wrds يبكن سبثيل نص بطريقة بسيطة عن طريق.BOW ضمن ىذا التمثيل ال أنبية ل تتيب كركد الكلمات يف النص كلكلمة( اؼبهم كاؼبهم فقط ىو التعداد )كم مرة كردت.[16] 23

32 إذاكاف لدنيا ؾبموعة النصوص الثبلثة التالية: ذىب الطالب إذل اعبامعة ذىب مسرعان. حضر الطالب ؿباضرة الطالب يف اعبامعة يكوف سبثيل حقيبة الكلمات للجمل الثبلثة كالتارل: الشكل 1 :حقيبةالكلماتلثالثمجل كلكلمة كالقيمة ىو عدد مرات تكرار تلك الكلمة يف حيث أف ضمن سبثيل )مفتاح قيمة( يكوف اؼبفتاح ىو كل النصوص السابقة ؾبتمعة مع بعضها يف ن ص كاحد: ذىب الطالب إذل اعبامعة الن ص. اآلف لنف تض أف ذىب مسرعان. حضر الطالب ؿباضرة. الطالب يف اعبامعة. فتكوف حقيبة الكلمات للنص الناتج: الشكل 2 :حقيبةالكلماتلنصكامل كل ن ص دبتجو )Vectr( طولو يساكم طوؿ يف اغبالة العملية ضمن خوارزميات تعلم اآللة يتم سبثيل الكلمات اؼبتماييزة يف صبيع النصوص ؾبتمعة. يف مثالنا السابق عدد الكلمات اؼبتماييزة ىو 8 كلمات. تكوف اؼبتجهات للنصوص الثبلثةكالت رلا : ترتيب الكلمات غ ت مهم طاؼبا ىو اثبت عبميع كتعديبلت زبص a = [2, 1, 1, 1, 1, 0, 0, 0] b = [0, 1, 0, 0, 0, 1, 1, 0] c = [0, 1, 0, 1, 0, 0, 0, 1] اؼبتجهات. طبعان قد زبضع ىذه اػباصية 24 إذل مواءمات كل ذبربة مثبلن من اؼبمكن حذؼ الكلمات األقل تكراران من صبيع اؼبتجهات أك يف حاالت

33 التجربة قد تقو معينة حبذؼ الكلمات النصوص من الوظيفية قبل التحويل إذل حقائب الكلمات ك اؼبتجهات كل ذبربة كذلك يتعلق بطبيعة.[16] زبلط بعض الدراسات ب ت اؼبفهوم ت السابق ت )الكلمات الوظيفية كحقيبة الكلمات( كيعود السبب أنو -يف الغالب األعم- من الكلمات األكثر تكراران. عند استخدا حقائب الكلمات ال يتم االعتماد على صبيع الكلمات كإمبا على عدد ؿب دد x x فإذا حصلت ىذه اإلحصائيات النصوص على قبل حذؼ الكلمات الكلمات فإ ف الوظيفية اؼبستخرجة ستكوف ىيكلمات كظيفية أك ستشملكلمات كظيفية. نفرؽ ب ت اؼبفهوم ت ابلقوؿ إ ف الكلمات الوظيفية ىي كلمات مستخرجة من اللغة بغ ض النظر اؼبدركسة بينما حقيبة الكلمات تعتمد على النصوص اؼبدركسة بغ ض النظر عن طبيعة اللغة. النصوص عن Wrd خاصيةn-grams كل n كلمة متتالية كأهنا مكوف )Entity( كاحد. كابلتارل فإف يف ىذا النموذج يتم اعتبار ب تتيب الكلمات )كركد الكلمات كراء بعضها ب تتيب مع ت لو قيمة( [16]. اعبملة: ذىب الطالب إذل اعبامعة ذىب مسرعان. هتتم ىذه اػباصية :Wrd 1-grams ذىب الطالب إذل اعبامعة ذىب مسرعا. :Wrd 2-grams ذىب الطالب الطالب إذل إذل اعبامعة اعبامعة ذىب ذىب مسرعا. :Wrd 3-grams ذىب الطالب إذل الطالب إذل اعبامعة إذل اعبامعة ذىب اعبامعة ذىب مسرعا. غالبان ما كاف يستخد ىذا لتوقع الكلمة النموذج التالية اعتمادان على الكلمات السابقة كىي تتأثر خاصية دبحتول الن ص نفسو.[16] Char خاصيةn-grams شبيهة ابػباصية السابقة قبد: السابقة كلكن ىذه اؼبرة على مستول األحرؼ كليس الكلمات. ك مثاؿ على نفس اعبملة 25

34 _ :Char 1-grams ذ ق ب _ ا ؿ ط ا ؿ ب _ إ ؿ ل ا ؿ ج ا ع ة _ ذ ق ب _ س ر ع ا. :Char 2-grams ذه ىب ب_ _ا اؿ لط طا اؿ لب ب_ _إ إؿ ذل ل_ _ا اؿ جل جا ا مع عة ة_ _ذ ذه ىب ب_ _ مس سر رع عا. :Char 3-grams ذىب ىب_ ب_ا _اؿ الط لطا طاؿ الب لب_ ب_إ _إؿ إذل ذل_ ل_ا _اجل عبا جا امع معة عة_ ة_ذ _ذه ىب_ ب_ _مس مسر سرع رعا. نبلحظ أنو عند = 3 n بدأت بعض اؼبقاطع ربتوم كلمات كاملة مثل: ذىب إذل. لكن يبكن إنباؿ عدد الكلمات اليت يبكن أف تنشأ نسبة إذل عددكلمات اللغة كعدد اؼبقاطع الناذبة. حسب أدبيات إسنادية التأليف فإنو من غ ت اؼبرجح استخدا n > 3 )لضماف عد التأثر دبحتول النص(.[16] Parts f خاصيةSpeech التعامل يبكن معها دبا يناسب اؼبسألة اؼبطركحة. اعتمادان على أجيزاء الكبل كطرؽ استخدامو ؽبا. بشكل عا تعمل اػباصية على كشف أسلوب الكاتب أبسط تعاطي مع اػباصية يكوف على مبط Wrd n-grams ك POS n-grams كلكن مع التعامل مع أجيزاء الكبل كليس مع الكلمات أك األحرؼ أم Char n-grams.[17] Rare الكلماتالنادرةwrds تقيس طريقة استخدا الكاتب للكلمات النادرة. يبكن االعتماد على الكلمات النادرة يف اللغة اؼبدركسة )أم يكوف لدل النظا قائمة ي معدة مسبقان ابلكلمات النادرة كتتم اإلحصائيات على أساسها( أك استخراج الكلمات النادرة من النصوص اؼبدركسة نفسها بغ ض النظر عن اللغة ك مثاؿ على اغبالة الثانية: إذا كانت الدراسة تتم على.[18] يكتاب مثبلن يتم صبع النصوص اؼبدركسة صبيعها لل يكتاب العشرة اؼبرشح ت كمن مث القيا إبحصاء تكرار الكلمات ضمن النصوص ؾبتمعة كاعتبار الكلمات الػ األقل تكراران ىي الكلمات النادرة. كركد الكلمات النادرة يف نصوص دكف أخرل أك االختبلؼ يف تواترىا ب ت ن ص إذل مؤ شر كآخر يعطي [18]. الكاتب 26

35 Sentence طولاجلملةlength إحصائيات مثل متوسط طوؿ اعبملة )ابلكلمات كاألحرؼ( كاالكبراؼ اؼبعيارم.[19] Wrd طولالكلمةlength إحصائيات مثل متوسط طوؿ الكلمة ابألحرؼ كاالكبراؼ اؼبعيارم [19]. كما أف اعبملة -على كجو التحديد- يبكن استخداموكخاصية فبييزة للكاتب! الكلمة األكذل يف طوؿ [20] Rhyme, Meters, First wrd خصائصشعريةlength [20] مثل كىي خصائص ت استخدامها ضمن األكراؽ البحثية اػباصة ابلشعر العريب كىي القافية كالوزف خصائص من طبيعة الشعر كال معت ؽبا يف ابقي النصوص. Punctuatin عالماتالرت قيمmarks كل منها ضمن جيزء بطوؿ ؿب دد من النص االعتماد على طريقة استخدا عبلمات ال ت قيم كعدد مرات تكرار كل منها ضمن اعبملة الواحدة [16]. أك معدؿ استخدا Wrd Richness الغ ىناللغوي كيبكن أف يطلق عليو أيضان كلمات الكاتب كحجم حصيلتو بيئتو عن مرشح ت كجنسو كعمره Vcabulary Diversity أك Lexical Density.[21] كىو مقياس يدؿ على تنوع اللغوية. حيث تكشف النصوص اليت يكتبها حجم مفرداتو كتعطي مؤشرات كمستول تعليمو كحىت تصل إذل إمكانية ربديد شخصو من ب ت ؾبموعة يكتاب كتوضيح بسيط: يبكن أف يكوف عدد الكلمات اؼبتماييزة اليت يستخدمها كاتب ىو 5000 كلمة بتكرار كب ت أما ابقي الكلمات اليت يبكن أف قبدىا يف نصو فيمكن اعتبارىاكلمات اندرة )اندرة ابلنسبة للكاتب كليست اندرة يف اللغة(. كمن جهة اثنية قد يكوف عددكلماتكاتب آخر ىي 8000 كلمة. ىذا الفرؽ يف حجم اؼبفردات ال يبكن إخفاؤه كيبكن االعتماد عليو لتميييزكاتب من آخر. 27

36 السهولةأوقابليةالقراءةReadability تعرب ىذه اػباصية ابل شكل العا عن سهولة فهم القارئ للنص اؼبدركس كيبكن استخدامها لتحديد اؼبستول العلمي للكاتب أك اؼبستول العلمي اؼبناسب للفئة القارئة اؼبستهدفة. ىناؾ معاي ت عدة الستنتاج قيم و ة تعكس درجة قابلية القراءة بعضها يعتمد على قائمة للكلمات مرتبة حسب تعقيدىا كصعوبتها كمن مث تتم إحصائيات على تواتر ىذه الكلمات كمستول صعوبتها يف الن ص. كبعضها اآلخر يعتمد يف اللغة اإلنكلييزية- على معدؿ احتواء الكلمات على مقاطع صوتية )Syllables( أك أحرؼ صوتية )Vwels( حيث تف تض ىذه اؼبعاي ت أنو كلما زاد طوؿ الكلمة )أك زاد اغبشو ابألحرؼ الصوتية( زاد تعقيد الكلمة.[22] سبق استخدا قابلية القراءة كس مة للكاتب يف اللغة اإلنكلييزية كيبكن االستفادة من تلك عليها يف اللغة العربية. كالعمل الدراسات ىناؾ خصائص كإحصائيات أخرل يبكن استخدامها كىي دبعظمها شبيهة ابػبصائص اؼبذكورة سابقان. نلفت النظر أنو غالبان ما تي ستخد اػبصائص ؾبتمعة كخا صة اػبصائص األسلوبية. حيث يكوف دخل اؼبصنف على سبيل اؼبثاؿ صبيع اػبصائص التالية كما ىو حاؿ الورقة البحثية :[23] عدد اعبمل متوسط طوؿ الكلمة عدد الفاصبلت عدد إشارات التعجب متوسط طوؿ اعبملة عدد النقط )Perids( عدد الكلمات عدد الكلمات اؼبتماييزة عدد النقاط الرأسية ):( عدد اعبمل غ ت اؼبكتملة اجلدول 2 :رلموعةخصائصمستخدمةمعا عدد الفاصبلت اؼبنقوطة عدد إشارات االستفها 28

37 5. تعلماآللة 1959 أك تعلم اآللة ظهر مصطلح Machine Learning عا كىو أحد فركع علم الذكاء االصطناعي إليها..Artificial Intelligence يهدؼ إذل جعل اآللة )دبختلف أشكاؽبا( تتعلم من البياانت اؼبتوفرة كربليلها كاالستفادة من معاعباهتا كذبارهبا السابقة مع تقليل أك إلغاء- التدخل البشرم لتحديد اؼبها كاألكامر اؼبوكلة ييبكن القوؿ أف تعلم اآللة ي مقاد ابلبياانت Data-Driven.[24] كال يعتمد على برؾبة مسبقة توجو عمل اآللة أنواعتعلماآللة يبكن تقسيم تعلم اآللة إذل ثبلثة أنواع :[25] التعلم اػباضع لئلشراؼ :Supervised Learning يف ىذه الطريقة يتم تدريب مبوذج تعلم اآللة ابستخدا بياانت مصنفة بشكل صحيح لتش كل نقطة انطبلؽ يتعلم منها النظا هبدؼ إهباد النموذج اؼبناسب للمسألة اؼبطركحة كي ي ستخد التعلم اػباضع لئلشراؼ بشكل أساسي يف: التصنيف :Classificatin يف ىذه اغبالة يكوف فضاء االحتماالت مقسم إذل ؾبموعة ؿبدكدة من األصناؼ. يف حالة صف ت فقط ييس مى تصنيف ثنائي اغباالت يسمى التصنيف متعدد األصناؼ اؼبسألة ىو إهباد ال صنف الذم ينتمي إليو ال دخل. Binary-Classificatin كيف بقي ة.Multi-Class Classificatin كاؽبدؼ يف ىذه االنكفاء :Regressin اؽبدؼ ىو توقع قيمة مستمرة تيقابل معطيات ال دخل )توقع سعر منيزؿ يف منطقة معينة كمساحة معينة( كىبتلف نوع االنكفاء ابختبلؼ شكل النموذج الناتج عن خوارزمي ة تعلم اآللة كالذم ي يعرب عن العبلقة ب ت ال دخل كاػبرج. مثبلن: انكفاء خطي Linear Regressin التعلم غ ت اػباضع لئلشراؼ إذا كاف النموذج الناتج يتمثل بعبلقة خطية. :Unsupervised Learning يف ىذه اغبالة يتم تدريب مبوذج تعلم اآللة ابستخدا ؾبموعة معطيات غ ت مصنفة كعلى النموذج إهباد الطريقة اؼبناسبة للتعلم من ىذه اؼبعطيات كيستخد التعلم غ ت اػباضع لئلشراؼ بشكل أساسي يف: العنقدة :Clustering يوباكؿ النظا إهباد األمباط اؼبتشاهبة كذبميعها ضمن مشاهبة غبالة التصنيف متعدد إال األصناؼ كل صنف. األصناؼ كابؼبعت الذم ي يعرب عنو أ ف كاحد كىي عنقود النظا يف ىذه اغبالة يكوف جاىبلن بعدد :Assciatin تساعد ىذه الطريقة يف إهباد ال تابط ب ت ؾبموعة كب تة من اؼبعطيات كتستخد ىذه الطريقة بشكلكب ت يف خوارزميات التنقيب عن اؼبعطيات. 29

38 التعلم شبو اػباضع لئلشراؼ :Semi-Supervised Learning إحدل طرؽ تعلم اآللة اليت يتم استخدامها عند عد توف رك مية كافية من اؼبعلومات اؼبصنفة كاليت يبكن استخدامها يف تدريب مبوذج تعلم اآللة. التعلم التعيزييزم :Reinfrcement Learning كتتعلم فيو اآللة من التجربة )بناء اػبربة( حيث يتم ذبميع األمثلة التدريبية كالتعلم منها كمعرفة اإلجراء اعبيد من اإلجراء السيئ. خوارزمياتتعلماآللة نستعرض يف ىذه الفقرة حملة عن بعض خوارزميات تعلم اآللة: Naïve Bayes (NB) كىو مصنف ي طبق rule( )Bayes لبلحتماؿ الشرطي كيستخدمها للتنبؤ ابل صنف ال صحيح لدخل ما. التعقيد اغبسايب ؼبسألة ما سييزداد مع زايدة اػبصائص اؼبستخدمة جملموعة البياانت ليصبح عند حد مع ت ي مستهل ك للموارد اغباسوبية. لتجنب ىذه اغبالة يف تض اؼبصنف أف صبيع اػبصائص مستقلة عن بعضها البعض كؽبا نفس األنبية )نفس الوزف( كألف ىذه الفرضي ة ليست صحيحة يف معظم سيناريوىات العادل اغبقيقي يكج ى د مصطلح Naïve" " أك «ساذج» ضمن اسم اؼبصنف. [24] K-Nearest Neighbr (KNN) بسيطة تعتمد خوارزمية يف تصنيفها على الػ K تصنيفها حيث يكوف خرج اؼبصنف ىو ال صنف الذم أف ىبضع اعب تاف )النقاط( إذل عملية ابؼبسافة اليت تفصلها عن النقطة اعبديدة. لكل تثقيل فيكوف [24] نقطة تدريب األقرب من اعبديدة اؼبطلوب النقطة يضم أكرب عدد من النقاط K القريبة. يبكن منها كزف بتلف يرتبط أبنبية أك النقطة Decisin Trees (DT) كىي تشبو طريقة التفك ت الطبيعية لل شخص العادم عند أخذ قرار ما. شجرة القرار ىي رسم زبطيطي على شكل شجرة متفرعة ي ي ستخد لتحديد مسار العمل كي ي ظهر االحتماالت اؼبمكنة. سبثل حيث كل فرع من فركع ال شجرة أحد برجات تلك االختبارات. كل عقدة يف ال شجرة اختبار ػباصية ما ك العقد النهائية اليت نصلها بعد اؼبركر دبسار من العقد كالفركع سبثل القرارات اؼبتخذة. ترتيب العقد أك ترتيب تتارل االختبارات ضمن ال شجرة لو أنبية ابلغة يف ىذه اػبوارزمية. [24] Randm Frests (RF) 31

39 كىو مصنف مستنبط من أشجار القرار DTs كيتكوف فعليان من ؾبموعة من أشجار القرار اليت تعمل كل منها على عينة من ؾبموعة البياانت األصلية كيعتمد لؤلشجار.[ 24 ] التصنيف النهائي على قرارات التصنيف K-Means ب ت كىي الوحيدة اػبوارزميات اؼبذكورة اؼبخت صة ابلعنقدة كليس التصنيف حيث تعمل مباشرة على ؾبموعة البياانت اؼبرادة دكف تدريب مسبق كتقو بتقسيم ؾبموعة البياانت إذل عدة ؾبموعات متماثلة أك متشاهبة. تتم عملية العنقدة من خبلؿ تقليل اؼبسافات ب ت نقاط البياانت كمراكيز العنقدة. يتم تكرار اػبطوات الثبلثة التالية حىت الوصوؿ إذل حالة استقرار: ربديد مواقع مراكيز العنقدة حساب اؼبسافات ب ت صبيع نقاط البياانت كمراكيز العنقدة ذبميع البياانت ضمن عناقيد بناءن على أقل اؼبسافات ب ت اؼبركيز كنقاط البياانت. يتم عادة تنفيذ اػبوارزمية كل عدة مرات )مع تغي ت اؼبراكيز االبتدائية يف مرة( قبل الوصوؿ إذل النتيجة [24] النهائية. اخلوارزمياتادلستخدمةيفاألطروحة خوارزميةSVM.6 عنصر بياانت كعنصر يف فضاء ( space )n-dimensinal من أشهر خوارزميات التصنيف كيتم فيها رسم كل حيث سبثل n عدد اػبصائص )Features( يف اؼبسألة مكاف النقطة يف الفضاء يعرب عن قيمة اػباصية [25]. يتم تدريبها حسابيان ابالعتماد على مبدأ تقليل اػبطأ إذل اغبد األدىن ب ت القيم اؼبتوقعة كالقيم الفعلي ة ضمن ؾبموعة التدريب. سبتلك القدرة على التعامل مع أحجا بياانت ضخمة حيث أهنا تعتمد يف حساابهتا إلهباد مبوذج التصنيف لكل صف كليس على صبيع نقاط البياانت كىذا يقلل من عمليات اؼبعاعبة كتعقيد تلك على النقاط اغبدكدي ة العمليات. 31

40 على فكرة SVM تعتمد يقو بتقسيم ؾبموعة البياانت إذل إهباد مستوم موجود يف فضاء أبعاده بعدد اػبصائص مسألة التصنيف. (hyperplane) األصناؼ. ىذا اؼبستوم تعتمد عليها اليت نقاط البياانت األقرب للمستوم )الواقعة يف الشكل على اؼبستقيمات اؼبنقطة( ىي الػ كتعترب أىم النقاط يف ؾبموعة البياانت. نبحث يف خوارزمية Supprt Vectrs (SVs) عن SVM األكؿ كجود أكرب ىامش بينو كب ت الػ إهباد مستوم وبقق موازنة ب ت معامل ت: مأ) SVs أكرب عدد فبكن من بياانت التدريب بشكل صحيح. )Largest Minimum Margin كاؼبعامل الثاين أف يصنف ىناؾ العديد من البارام تات اليت تلعب دكر يف اختيار اؼبستوم األنسب لفصل األصناؼ. نذكر منها: البارام ت اؼبصطلح على تسميتو اؼبعامل األكؿ( كالعكس ابلعكس. ابرام ت آخر ىو اتبع النواة C كلما كانت قيمتو أعلى كاف اىتمامنا ابؼبعامل الثاين أكرب )كذلك على حساب )Kernal Functin( كيستخد لتغي ت الشكل 3 :ادلستويالفائقيفخوارزميةSVM أبعاد الفضاء حبيث يكوف الفصل ب ت األصناؼ أفضل. توجد عدة توابع شه تة تستخد ؽبذا الغرض يتم اختيار أفضلها عن طريق التجربة. [24] Neural الشبكاتالعصبونيةNetwrks يثبت مع مركر الوقت تفوؽ اػب و ارزمية الشبكات العصبونية على اػبوارزميات األخرل كخاصة من حيث رباكؿ الدقة. ؿباكاة الدماغ البشرم الذم وبتوم على عدد كب ت من العصبوانت اؼبتصلة مع بعضها مكونةن شبكة من العصبوانت كالوصبلت كتكوف ىذه الشبكة يف الدماغ البشرم قادرة على ازب اذ قرارات معقدة كسريعة مثل التعرؼ على الوجوه! الشبكات العصبونية يف تعلم اآللة ىي ؾبموعة من اػبوارزميات ك التقنيات اليت تقلد مبادئ عمل الدماغ حبيث رباكؿ إعطاء اإلدراؾ لآللة لتتعلم كتستكشف األمباط اعتمادان على البياانت اؼبدخلة. [26] 32

41 العصبوف Neurn كما ىو اغباؿ يف الدماغ البشرم فإ ف اؼبكوف األساسي أك الوحدة اغبسابية األصغر يف الشبكة تيس م ى العصبوف كظيفتها أخذ ؾبموعة من اؼبدخبلت كتطبيق اتبع رايضي عليها للحصوؿ على انتج. النظر يبكن تطبيق اتبع إذل العصبوف على أنو نقطة ربط ب ت ؾبموعة من اؼبدخبلت اؼبوزكنة من جهة )ك اليت تفعيل التالية من الشبكة. عليها( كب ت خرج للعصبوف يوضح ال شكل بطط لعصبوف كاحد فقط: الذم ىذا اػبرج يش كل دخل لعصبوف يف يتم الطبقة الشكل 4 :سلططلعصبونواحد لكل عصبوف: مدخبلت أكزاف اتبع ذبميع اتبع تفعيل كخرج. [26] حيث األكزاف Weights يكوف الوزف على الوصلة ب ت العصبون ت. عصبوف من طبقة كعصبوف آخر من طبقة اتلية كيبثل مدل ال تابط ب ت [26] توابع التفعيل Activatin Functins ىي التوابع تفعيل توابع يتم اليت رئيسية تطبيقها على مشهورة مثل: العصبوف مدخبلت Step functin اجمل معة للحصوؿ على اػبرج توجد اؼبطلوب. Tanh Functin Sigmid Functin [26].ReLU Functin 33

42 الطبقات Layers الطبقة ىي ؾبموعة من العصبوانت يبكن مبلحظة ثبلث طبقات. تعمل معان على عمق كاحد ضمن بنية الشبكة يف ال شكل التارل الطبقة نريد من األكذل الشبكة 34 Layer L1 ىي طبقة ال دخل بناء اغبكم )التصنيف )Input Layer( )Feature( )Output Layer( ىي عقدة يف طبقة ال دخل. سبثل خرج ك اليت كربتوم البياانت اػبا األصلية اليت كل خاصية مثبلن( على أساسها يبكن النظر إذل أف الطبقة األخ تة يف ال شكل Layer L3 ىي طبقة اػبرج الشبكة أك القرارات إليها يف النظر يبكن الشبكة تعطيها اليت عصبوف يف طبقة اػبرج ىو صنف بتلف. يف أم شبكة توجد طبقة مسألة تصنيف على أف كل دخل كحيدة ك ذلك طبقة خرج كحيدة أما الطبقة الوسطى حسب ال شكل فتيس مى طبقة بفية Layer( )Hidden كيبكن أف يكوف يف الشبكة أكثر من طبقة كاحدة من ىذا النوع كل أتخذ طبقة منها ؾبموعة من اؼبدخبلت اؼبوزكنة كينتج عنها نتيجة تطبيق اتبع التفعيل على اؼبدخبلت. طبقة بفية دخل للطبقة التالية يشكل خرج كل الشبكة طبقة اػبرج. يبكن استخدا توابع تفعيل بتلفة يف الشبكة تفعيل اتبع بتلف. اختيار توابع التفعيل مصطلح الت علم العميق أك الشبكات العصبونية أف أصبحت بنية الشبكة كىكذا دكاليك حىت الوصوؿ إذل الطبقة األخ تة يف يعتمد على اؼبسألة لكل طبقة نفسها حبيث يكوف ي طلق اؼبطركحة كنوع البياانت اؼبدخلة. العميقة عند كجود أكثر من طبقة بفية كاحدة. بعد كاضحة أنيت إذل اؼبفهو الرئيسي كىو تعليم أك تدريب الشبكة كي ي قصد هبذا اؼبصطلح قدرة الشبكة على إهباد أفضل القيم لؤلكزاف يف بتلف الطبقات كبصل س مى ختامان يف طبقة اػبرج دقة. النتائج على أكثر الشبكة اؼبخفية حبيث Back Prpagatin الشكل 5 :طبقاتالشبكةالعصبونية كأشهرىا Gradient Descent اػبوارزميات اؼبستخدمة لضبط األكزاف كتعلمها تي كالفكرة ابختصار أنو بعد الوصوؿ

43 إذل الطبقة األخ تة كأخذ قرار مبدئي كخرج لل شبكة يتم احتساب عدة مقاييس للدقة كالعودة ضمن الشبكة لتعديل األكزاف كاؼبتحوالت على أساس تقليل اػبطأ يف دقة النتائج. ؾبموعة البياانت اؼبستخدمة يف الشبكات العصبونية تكوف كب تة جدان كال يبكن إدخاؽبا إذل الشبكة دفعة كاحدة لذلك نضطر إذل تقسيم البياانت إذل أجيزاء من اؼبصطلحات اؼبستخدمة أثناء تعليم الشبكة: )Batches( كل جيزء على ح دة. كمبرر.Epchs, Batch size, Iteratins حيث الػ Epch الواحد يبثل مركر صبيع البياانت عرب الشبكة ؼبرة كاحدة. الػ Batch Size ىو حجم اعبيزء من ؾبموعة البياانت يتم الذم إدخالو إذل الشبكة كدفعة كاحدة. Iteratins الػ ىو عدد الػ Batches البل زمة إلكماؿ كاحد. Epch [27] [26] أنواع الشبكات العصبونية 35 ىناؾ عدة أنواع من الشبكات العصبونية كاليت تعمل بطرؽ بتلفة. يتمييز النوع عن اآلخر ابلقواعد اليت ربدد سلوؾ الشبكة كعدد الطبقات ك يفية مركر البياانت عرب الشبكة. نذكر ىنا أىم تلك األنواع كنكتفي بشرح النوع الذم نعتمد عليو الحقان. تقلد الشبكة CNN عمل القشرة البصرية للدماغ Feedfrward Neural Netwrk Radial Basis Functin Neural Netwrk Multilayer Perceptrn Recurrent Neural Netwrk (RNN) Cnvlutinal Neural Netwrk (CNN) Mdular Neural Netwrk Sequence-T-Sequence Mdels crtex( )Visual كىي اعبيزء الذم يلعب دكر ىا يف معاعبة اؼبعلومات اؼبرئية. غالبان ما يتم استخدا ىذا النوع من الشبكات يف مسائل تصنيف الصور كما أهنا أثبتت فعاليتها يف مسائل أخرل مثل معاعبة اللغات الطبيعية كأنظمة التوصية.

44 الشكل 6 :تصنيفصورةابستخدامCNN تقو اػبوارزمية على فكرة أف الدماغ يعاجل الصورة كفق طبقات يبدأ بكشف ظبات معينة مثل اغبواؼ كاأللواف كأمباط ؿبددة ضمن الصورة مث يتم ذبميع تلك اؼبعلومات مع بعضها البعض كأخ تان تتم اؼبعاعبة النهائية كالتعرؼ على الصورة أك تصنيفها. عند التعامل مع صور من مبط RGB تيصبح طبقة الدخل ذات شكل ثبلثي األبعاد W * H * C W عرض الصورة كH ارتفاعها كC عدد القنوات )Channels( يف ىذه اغبالة 3 كل قناة حيث )كل قناة( كل لوف تعرب عن لوف. كعندىا تعمل اػبوارزمية علىكشف السمات على مستول كل قناة. كابلتارل يتم تطبيق خطوات اػبوارزمية على يف الرايضيات اؼبصطلح Cnvlutin كينتج عنها اتبع اثلث يعكس أتث ت التابع ت على بعضهما البعض. أك االلتفاؼ يع ت عملية رايضية تقو على اتبع ت )g,f( يكوف العمل ضمن CNN كفق أربع مراحل رئيسية: األكذل ىي االلتفاؼ حيث يتم تطبيق عدد من Filters على مصفوفة الد كل Filter إذلكشف عبلمة فبييزة أك ظبة ما يف ال دخل. خل. يهدؼ الػ كل Filter كليكن f على صبيع اؼبصفوفات اعبيزئية من أبعاد f )يسمى ىذا البعد يتم تطبيق.Filter ىو مصطلح مكافئ لػ Kernal ضمن الدخل حيث )size Kernal كل f على مصفوفة الدخل مصفوفة جديدة ضمن الطبقة االلتفافية. أم أف الطبقة ينتج عن تطبيق.Filters كل مصفوفة كل قيمة من االلتفافية ربتوم عدد مصفوفات يساكم عدد الػ يتم بعدىا سبرير ReLU كل قيمة ل قيمة سالبة ابلصفر كي تؾ انذبة على اتبع تفعيل )مثبلن التابع الذم ي قابلك موجبة على حاؽبا(. اؼبرحلة التالية يتم فيها اختيار انفذة أببعاد ؿبددة )غالبان 2*2 أك 3*3( كيتم كل القيم ضمن النافذة بقيمة ربريكها علىكامل اؼبصفوفة الناذبة عن اؼبرحلة السابقة كاختصار كاحدة يتم حساهبا عن طريق اتبع الػ Pling اؼبستخد )مثبلن MaxPling ىبتار أكرب قيمة 36

45 ضمن النافذة(. يتم ربريك النافذة على اؼبصفوفة بطوؿ خطوة يسمى Stride كتكوف قيمتو أصغر أك Pling ل قيمة فيها ال تساكم أبعاد النافذة. يف طبقة الػ أصبحت أبعاد اؼبصفوفات أصغر ك تقابل قيمة كاحدة يف ال دخل فحسب كإمبا تقابل ؾبموعة قيم متجاكرة. مرة يتم اختصار أبعاد اؼبصفوفات. يبكن تكرار اؼبراحل السابقة أكثر من مرة كيفكل كأخ تان نقو بتحويل )Flattening( اؼبصفوفات كيشكل ىذا اؼبتجو دخل لػ اؼبصفوفات النهائية إذل متجو وبتوم صبيع القيم من صبيع [28].Fully Cnnected Neural Netwrk الشكل 7 :مراحلعملخوارزميةCNN 37

46 .7 الدراساتادلشاهبة نستعرض فيما يلي أىم األطركحات كأكراؽ البحث اليت نستفيد منها أك نعتمد عليها الحقان: Kareem رسالةدكتوراهلShaker يدعي كاتب الرسالة أهنا أكؿ دراسة يف ؾباؿ إسنادية التأليف ابللغة العربية )كيؤكد البحث الذم قمنا بو على شبكة اإلن تنت صحة ادعائو( ت نشرىا عا حيث قا بتحميل 14 ك تىاابن بتلفان تعود لػ أصغر كتاب وبتوم على رئيسي على مفهو الكلمات الوظيفية يكتاب بتلف ت. ألف كلمة كأكربىا وبتوم على عمل الدكتوركر ن على إنشاء ؾبموعة بياانت خاصة بو 38 Functinal wrds )FWs( ألف كلمة. تعتمد ىذه األطركحة بشكل لتحديد أسلوب الكاتب. كل كلمة كظيفية كل كتاب إذل أجيزاء كبعدىا يقو النظا حبساب تكرار حيث تتم ذبيزئة الدكتور بتغي ت أحجا األجيزاء كإعادة التجربة من أجل أجيزاء حجمها يساكم 1000 ك 3000 كلمة. يقو النظا بعدىا ابختيار عدد من الكلمات الوظيفية ليتم. Linear Mdel (GLM) كل يف كلمة ك 2000 جيزء. قا كلمة اعتمادىا كالتدرب عليها اب عتماد الػ Generalized %80 التصنيف دقة على مستول األجيزاء كانت على األقل أما على مستول الكتب كاملةن فكانت نسبة النجاح [1].%100 عمليةاإلسنادالتلقائيلنصشعريرلهولإىلشاعره لدينا ربت ىذا العنواف عدد من أكراؽ البحث تى ىشارؾ يف كتابتها صبيعها ثبلثة ابحث ت: أضبد الفبلحي كدمحم الرمضاين كمصطفى بلفقيو. بدأت ذبربتهم عا علمان أف آخر كرقة حبث ت نشرىا ؽبم يف سبوز يصف يف الباحثوف الثبلثة عملهم أبنو مشركع يقو ابإلسناد شاعره اغبقيقي كأسبتة ىذه العملية ابستخدا تقنيات تنقيب الشعر كمساعدة مه مة ج دان عملية العريب كما زالت مستمرة حىت اتريخ كتابة ىذه األطركحة التلقائي خصوصان ابلنسبة ألكلئك لن ص شعرم ؾبهوؿ يف العريب إذل الشعر النصوص. كاعبدير ابل ذكر أف عملية إسناد اؼبؤلف الذين يدرسوف األسلوبية يف الشعراء يف إثبات حقهم اإلبداعي كمعرفة النصوص اؼبنت ى حلة من غ تىا. [3] العريب الشعر 38

47 الورقة البحثية األكذل - إدخاؿ ؾبموعة من الدكاكين الشعرية 2014 :شارؾ يف ىذه الورقة ابحث رابع ىو دمحم الصار. يف ىذه اؼبرحلة ت من الشعراء كعددىم لعدد 14 شاعران من بتلف العصور يف الشعر الكبلسيكي كمجموعة للتدريب 12 كإدخاؿ نصان ؾبهوالن من نصوص بتلفة كمجموعة اختبار. ت بعد ذلك تطبيق خوارزمية Naive Bayes ال ت قيم على تلك النصوص مع خصائص ىي: عبلمة كاغبرؼ n-grams( )Char كطوؿ اعبملة. ك انت دقة قباح التجربة %83. [3] الثانية البحثية الورقة :أصبحت ؾبموعة الدكاكين الشعرية تتبع ألربع ت شاعران كؾبموعة Naïve Bayes (NB), االختبار تتكوف من أربع ت نصان ؾبهولة اؼبؤلف. طيبقت خوارزميات على تلك مع النصوص Supprt Vectr Machine (SVM), Markv Chain (M.C) خصائص ىي: القافية كاغبرؼ كطوؿ الكلمة كطوؿ اعبملة الشعرية. حيث كانت أفضل نتيجة لسلسة ماركوؼ كصلت إذل [19].% الثالثة البحثية الورقة :اؼبرحلة من العمل الثالثة ت فيها إدخاؿ دكاكين شعرية لػ شاعران كمجموعة تدريب كإدخاؿ ؾبموعة 54 من نصان ؾبهولة اؼبؤلف كمجموعة اختبار. اػبوارزميات اؼبستخدمة ىي: NB كSVM اغبرؼ ىي: مع خصائص كطوؿ الكلمة كطوؿ اعبملة كطوؿ أكؿ كلمة كالوزف كالقافية. ك انت دقة النتائج %98.6. [20] 114 الورقة البحثية الرابعة :كتكونت فيها ؾبموعة التدريب من شاعران كؾبموعة االختبار.NB, SVM, M.C من 6784 قصيدة. اػبوارزميات اؼبستخدمة ىي: أما اػبصائص اؼبستخدمة فهي كث تة كغطت معظم األنواع الرئيسية:خصائص حرفية كخصائص معجمية كخصائص بنيوي ة كخصائص كبوية كخصائص داللية كخصائص شعرية كخصائص على مستول كلمات فبييزة.أف ضل دقة حصلت عليها التجربة كانت [29].%99.12 من كجهة نظران فإ ف اؼبرحلة األخ تة من ىذا اؼبشركع ىي أنضج ما ت العمل عليو ضمن موضوع إسنادية التأليف يف اللغة العربية. معاجلةنصوصعربيةاترخييةقص نة قد تكوف ىذه الدراسة ىي األقرب لدراستنا من حيث عدد الكتب اؼبستخدمة إلنشاء ؾبموعات البياانت كتنقسم الدراسة إذل كرقت ت حبثيت ت منكتابة Halim Sayud كOuamur.Siham 39

48 الورقة البحثية األكذل : ؾبموعة البياانت اؼبستخدمة ىي عشرة كتب اترىبية قديبة لعشرة متوسط طوؿ اعبيزء ىو يكتاب. تقوـ التجربة فعليان على أجيزاء من الكتب كليس على الكتب كاملة خاصية 550 كلمة. تستخدـ التجربة سبع خوارزميات تصنيف ـبتلفة كتقارف أداءىا ابالعتماد على Wrd n-grams مع تغي ت قيم n خبلؿ التجارب ككانت أفضل نسبة قباح [30].%80 السابقة نفسها حيث الورقة البحثية الثانية : أيعيدت التجربة على ؾبموعة البياانت استخدمت ع دة خوارزميات تصنيف مع تقنيات دمج (.)Fusin Technique كما استخدمت خصائص إضافية مثل الكلمات النادرة كخصائص على مستول األحرؼ حصلت التجربة ابستخداـ تقنيات ال دمج على نسبة قباح [31].%100 n-grams.char متوسط طوؽبا 550 كلمة. نلفت النظر إذل أ ف النصوص القص تة ىنا ضبلت معت نصوص أليفللتغريداتالعربية ( )Arabic tweets إسناديةالت تتشابو ىذه ال دراسة مع دراستنا يف حجم النصوص اؼبختارة إذ أ ف حجم التغريدات كاف ؿبدكدان ضمن التجارب بػ 140 ؿبرؼ (بدكف احتساب الركابط كأظباء اؼبستخدم ت). ت نشر كرقيت حبث يف ىذا اجملاؿ من قبل ثبلثة ابحث ت ىم.Yaser Jararweh Mnther Aldwairi Mahmud Al-Ayyub : الورقة البحثية األكذل : تتمييز ىذه الورقة بكوهنا األكذل من نوعها على التغريدات العربية حىت اآلف اليت تيدخل مفهوـ الػمعطيات الكب تة ضمن معاعباهتا. إضافة إذل أ هنا األكذل كالوحيدة مكونة من اعتمدت الورقة على ؾبموعة بياانت خاصية.BOW ت اؼبغردين العرب). ككانت خوارزمية التصنيف اؼبستخدمة ىي NB مع قائمة أكثر تنفيذ النظاـ ابستخداـ Hadp ككانت دقة النتائج تغريدة لػ مغردان ـبتلفان(ت اختيارىم من 20 [8].61.6 مغردان الورقة البحثية الثانية : تتضمن ؾبموعة البياانت أكثر من 37 ألف تغريدة تعود إذل 12 مغرد حوارل 3100 تغريدة. كقد ت فيها استخداـ اػبوارزميات التالية NB, Decisin : لكل ـبتلفان اػباصية اؼبعتمد عليها ىي.BOW كانت أفضل نتيجة حققتها التجربة.Tree (DT), SVM ك %68.67 ابستخداـ [32].SVM 41

49 ورقةحبثيةت قارنبنالقرآنالكر نواألحاديثالنبوية تعاجل ىذه ال دراسة القرآف الكر ن كصحيح البخارم كرباكؿ إثبات أف القرآف الكر ن كصحيح البخارم ليسا كل قسم من لنفس الكاتب. تقوـ التجربة بتقسيم القرآف الكر ن إذل 29 قسمان كصحيح البخارم إذل 8 أقساـ. السابقة وبتوم على 2900 كلمة تقريبان (دبعت أدؽ Tken كليس كلمة). تستخدـ التجربة خوارزمية األقساـ SVM مع خصائص Char 4-grams كربقق نسبة قباح [7].%100 إسناديةالتأليفللتغريداتاإلنكليزية( )English tweets الصغ تة ابستخداـ :CNN نستفيد يف دراستنا من ىذه كرقة حبثية على اللغة اإلنكلييزية للنصوص الورقة كنعمل على تطبيقها على اللغة العربية. كقد ت فيها استخداـ CNN مع نصوص صغ تة يف اػباصية اؼبستخدمة ىي.Char n-grams حيث تعتمد ىذه الورقة على مرة. اللغة اإلنكلييزية ألكؿ اؼبغردين كعدد التغريدات يتم خبلؽبا تغي ت عدد ؾبموعة بياانت (تغريدات) مأخوذة من توي ت. كدراسة أتث ت ىذا التغي ت على النتائج. هبمع اعبدكؿ التارل أفضل نتائج التجربة : عددادلغردين مغرد عددالتغر يداتلكل n دقةالنتائج اجلدول :3 نتائج CNN علىاللغةاإلنكليزية تيقارف الورقة نتائجها مع العديد من اػبوارزميات األخرل كتي ب ت فعالية استخداـ CNN مع النصوص الصغ تة [6]. كرقة حبثية على اللغة اإلنكلييزية تعاجل التغريدات ابستخداـ SVM ك) :Style Markers (SM ت فيها استخداـ خوارزمية SVM مع خصائص BOW ضمن ؾبموعة ذبارب من جهة كمع ما ظباه الكاتب SM من جهة اثنية كاؼبقصود بػ SM ؾبموعة كب تة من اػبصائص اؼبتعلقة بنمط الكتابة مثل ال تقيم كعدد الفراغات Spaces عدد األحرؼ كطوؿ الكلمة كطوؿ اعبملة كعدد عبلمات 41

50 كغ تىا الكث ت من اإلحصائيات. فمجموعة البياانت ىي تغريدات من توي ت )دبتو سط 25 كلمة تقريبان للتغريدة( كنوضح يف اعبدكؿ التارل بعض نتائج التجربة: طوؿ [33] عددادلغردين عددالتغريداتلكلمغرد اخلصائص دقةالنتائج و BOW 900 BOW 900 SM 900 SM 900 SM 120 SM 120 اجلدول 4 :نتائجSVM SM علىاللغةاإلنكليزية استخدامإسناديةالتأليفللتحقيقاجلنائييفاللغةاإلنكليزية)آالفادلشتبهن(. عادةن ما تكوف دقة قباح إسنادية التأليف مع آالؼ الكتاب اؼبر شح ت منخفضة جدان )مثبلن 20% أك 40%( حبيث ال يبكن االعتماد عليها ألخذ قرار ي ي وجو مسار التحقيقات. لكن ماذا لو دل يكن اؽبدؼ من اؼبسألة ربديدكاتب كاحد! ماذا لوكاف ىدؼ إسنادية التأليف تقليص عدد الكتاب اؼبرشح ت فقط تطرح الورقة البحثية ىذه الفكرة حبيث يتم تضييق ؾباؿ التحقيقات مع اغبفاظ على دقة نتائج مرتفعة. تعتمد الدراسة على كجود ثبلثة مصنفات مصنفاف أكلياف األكؿ عمره. الكاتب. ييبثل خرج اؼبصنف ت معلومة هتدؼ إذل تقليص عدد اؼبرشح ت األصلي إذل عدد صغ ت نسبيان كبذلك لكشف جنس الكاتب ك الثاين لكشف مسبقة تيساىم يف قرار اؼبصنف الثالث الذم أيخذ القرار النهائي خبصوص 42

51 اػباصية اؼبستخدمة لكشف اعبنس كالعمر ىي استخدا خاصيت ت: الكلمات الوظيفية Wrd 1-grams بينما لكشف أسلوب الكتابة كأجيزاء الكبل.)POS) فهيRegressin.Lgistic أما اػبوارزمية ت فقد اؼبستخدمة للتصنيف قامت التجربة على ؾبموعة بياانت معركفة ابسم The Blg Authrship Crpus ربتوم على مدكانت 20 غبوارل ألف مدكف لكل مدك وف 35 مدكنة تقريبان )دبجموعكلمات حوارل 7250 كلمة للمدكف الواحد(. حصلت التجربة على نتائج جيدة فاستطاعت يف إحدل التجارب مثبلن تقليص عدد الكتاب اؼبرشح ت من 2000 كاتب إذل 20 كاتب بنسبة قباح كصلت إذل 96.5%. Character إسناديةالتأليفيفاللغةالربتغاليةابستخدامخاصيةN-grams القيمة اؼبضافة يف ىذه الورقة البحثية أهنا ال تتعامل مع اػباصية Character N-grams بشكلها العا فحسب منفصلة. بل فوجود مييزت أيضان ب ت عدة أنواع من الػ سلسلة من احملارؼ N-grams )N-grams( يف بداية كلمة احملتملة ك ل نوع من تلك األنواع مثل خاصية يبكن اعتباره حسب الورقة- خاصية بتلفة عن كركد نفس السلسلة يف كسط كلمة كاػباصيت ت السابقت ت بتلفت ت عن اغبالة اليت سبثل فيها السلسلة كلمة كاملة قائمة بذاهتا كىكذا.. اعتمدت الورقة على عديد التجارب اليت ذبمع اػباصية بشكلها العا مع اػباصية اؼبصنفة )اليت سبييز ب ت األنواع( فكانت أفضل النتائج مثبلن عند اعبمع ب ت خاصية 3-grams العامة كخاصية 4-grams العامة مع خاصية 3-grams اؼبصنفة. استخدمت الورقة خوارزمية SVM على ؾبموعة بياانت تتكوف من مقالة 5167 )دبتوسط طوؿ حوارل إذل اؼبقاالت تعود حيث كلمة للمقالة الواحدة كاتب بتلف. على التجربة حصلت دقة 72% كىي ) أفضل من ذبارب أخرل على ؾبموعة البياانت نفسها- تستخد خاصية حقيبة الكلمات. 43

52 الفصلالثالث : ادلعطياتالكب نة( )Big Data نوضح نعمل على مكاملة طرحنا مع مفاىيم اؼبعطيات الكب تة. نبدأ بشرح نظرم عن اؼبعطيات الكب تة ك للربط ب ت اؼبفهوم ت كفق تسلسل يبدأ من اػبيار العبلقة بينها كب ت إسنادية التأليف. مث نشرح التقنيات البلزمة األعم Hadp كينتهي ابعتمادان على.TensrFlwOnSpark.1 ادلعطياتالكب نة الرغم من كونو دل يصبح السنوات األخ تة فعلى اؼبعطيات الكب تة من اؼبواضيع اليت أخذت اىتمامان كاسعان يف متداكالن إال منذ ع دة سنوات فقط فإنو وبتل اليوـ حييزان كب تان من اىتماـ كدراسات ـبتلف القطاعات ].[34 مفهومادلعطيات ال تتيب كاؼبعاعبة كاليت يصعب االستفادة منها الصورة اػباـ للمعلومات Raw Data قبل عمليات الفرز ك ىي ].[34 مفهومادلعطياتالكب نة السرعة كالت نوع ىي ؾبموعة من اؼبعطيات الكب تة كاؼبع قدة كاليت سبلك خصائص فريدة (مثل اغبجم ك كالتباين) ال يبكن معاعبتها بكفاءة ابستخداـ التكنولوجيا التقليدية لتحقيق االستفادة منها. تكمن التحدايت اليت ترافق ىذا النوع من البياانت يف معاعبتها كزبيزينها كربليلها كالبحث فيها كمشاركتها كنقلها كعرضها ابإلضافة إذل احملافظة على خصوصيتها يف صبيع اؼبراحل ].[34 الشكل التارل - حسب موقع يوضح الشكل يبت د زمنيان لييغطي الف تة ب ت ابالعتماد على عدد عمليات البحث عنها يف ال وب (صبيع دكؿ العادل). 2009/9/15 ك 2019/9/15 كنبلحظ فيو : ] Trends [35 بدأ مفهوـ الػ Big Data العاـ 2011 تقريبان. -Ggle االىتماـ دبوضوع الػ Big Data يمقاسان (تغ ت كاضح يف اؼبنح ت) يف منتصف يف الظهور ضمن عمليات البحث قمة االىتماـ كالبحث عن اؼبوضوع يف آذار.2017 كصلت 44

53 الشكل 8 :االهتماممبوضوعادلعطياتالكب نة مصادرادلعطياتالكب نة مع التطور اغباصل كاؼبستمر تتيزايد مصادر اؼبعطيات الكب تة كيبكن ذكر أشهرىا :[36] بياانت الو ب: عدد اؼبشاىدات كعمليات البحث ك التقييمات كعمليات ال شراء كالكث ت من اؼبعلومات اليت يبكن صبعها من تصفح اؼبستخدم ت للمواقع. بياانت انذبة عن برامج كأنظمة قيد االستخدا: كال أك سجبلت التأم ت. سجبلت الطبية اإللك تكنية أك ال سجبلت اؼبصرفي ة بياانت نصية: بريد إلك تكين كمستندات كبياانت ؽبا عبلقة أبعماؿ اغبكومات من معامبلت كسجبل ت أك ؽبا عبلقة أبعماؿ ذبارية كتداكالت.. حيث يتم العمل على استخراج حقائق من ىذه النصوص بياانت كسائل التواصل االجتماعي: الرسائل كالتعليقات كاؼبنشورات كالتغريدات كغ تىا من النصوص. ك اليت يبكن استخدامها ألغراض ذبارية كإعبلنية أك ألغراض حكومية أخرل. اغبساسات كأجهيزة االستشعار: يتم ك اليت تركيبها ؼبعرفة األداء كأخذ القياسات من بتلف الكياانت من جسم اإلنساف إذل السيارات كالتحسس للمناخ كصوالن إذل األقمار ال صناعية. توفر كمي تا ىائلة من البياانت من شأهنا أف تساعد يف التشخيص كالتحليل كالتطوير. معلومات الوقت كاؼبوقع أك معلومات أخرل يبكن ربصيلها من اؽبواتف احملمولة كاتصاؽبا حيث تعتمد بعض التطبيقات على معلومة الوقت كاؼبوقع الستخراج أمباط للمستخدم ت. ابلشبكة 45

54 2. إسناديةالتأليفوادلعطياتالكب نة فإ ف السابقة الفقرة كضحت كما البياانت النصية تيعترب من مصادر اؼبعطيات الكب تة طرح أ م كابلتارل فإ ف ي يعت دبعاعبة النصوص كربليلها يص ب بشكل مباشر أك غ ت مباشر يف مسار اؼبعطيات الكب تة. قد يليز استخدا لبلنتحاؿ بوجود إسنادية نظا عدد كب ت من للمجاؿ يف اعبرائم اإللك تكنية للمرشح ت.[8] ك الذم قد يكوف ابؼبئات أك ابآلالؼ. التأليف ؼبعاعبة بياانت حبجو كب تة سواءن أكانت ضمن اجملاؿ التقليدم اؼبرشح ت أك النصوص. أك -كىو االحتماؿ األكرب- ضمن اغبقل اغبديث ذكران سابقان أف التحدم يف بعض اؼبسائل يكمن يف العدد الكب ت جدان يف اعبرائم اإللك تكنية تكوف الرسائل القديبة )أك اؼبنشورات أك التغريدات أك..( للمشتبه ت ىي ؾبموعة البياانت اليت سيعاعبها النظا كاؼبشتبه ت يف ىذه اغبالة قد يكونوف شروبة صغ تة أككب تة من اؼبستخدم ت.[4] كما أننا قد قبد أنفسنا قبمع ب ت اؼبفهوم ت يف حاؿ العمل على موضوع التأليف إسنادية على نصوص تتدفق ابستمرار على كسائل التواصل االجتماعي هبدؼ ازب اذ قرارات سريعة. [8] 20 لػ عرجنا يف الدراسات اؼبشاهبة على كجود دراسة سابقة كحيدة يف اللغة العربية تستخد مفاىيم الػمعطيات الكب تة حيث ت العمل مع Hadp كMahut Apache ك انت ؾبموعة البياانت مكونة من 53 ألف تغريدة مغرد بتلف. تقنياتادلعطياتالكب نة منصةHadp.3 كىي من صة برؾبية تسمح بتخيزين كمعاعبة موزعة جملموعات اؼبعطيات الكب تة. ىناؾ أربعة : Hadp مكوانت أساسي ة يف األكؿ ىو :Hadp Distributed File System (HDFS) يقو نظا التخيزين بتوزيع HDFS البياانت اؼبخيزنة عرب اؼبخدمات كزبيزين نسخ متعددة منها يف أماكن بتلفة لضماف عد ضياعها يف حاؿ فشل أحد اؼبخدمات. يعتمد HDFS على مبوذج.Master-Slave الثاين :Hadp YARN اؼبخدمات من جهة اثنية. كمهمتو إدارة كمراقبة اؼبوارد من جهة كجدكلة اؼبها كتوزيعها على 46

55 الثالث :MapReduce كىو مبوذج حسايب يقو ابغبوسبة اؼبوزعة حيث يرسل اؼبها اؼبطلوب كل كل ب د ابلعمل اؼبوكل إليو مث تيرجع القيم الناذبة عن تنفيذىا إذل عدد من اؼبخدمات كيقو بد ليتم ذبميعا بشكلها النهائي. الرابع :Hadp Cmmn ؾبموعة من األدكات اؼبساعدة اليت تدعم كظائف ؿب ددة. يوضح ال شكل التارل أشهر اؼبكوانت كاألدكات: نشرح بعض ىذه األدكات ابختصار: الشكل 9 :مكوانتوأدواتHadp :Ambari كاجهات كب تعطي اإلمكانية ؼبراقبة كإدارة ؾبموعات.Hadp تعرض معلومات النظا على كاجهات سهلة االستخدا مع إمكانية تفعيل اإلشعارات. :Spark منصة حوسبة بياانت تتيح كاجهات برؾبة تطبيقات )APIs( Applicatin Prgramming Interfaces كتكوف بديبلن لػ ؼبختلف لغات الربؾبة. كيبكن ؽبذه اؼبنصة أف تعمل مع Hadp Spark وبتوم.MapReduce خوارزميات تعلم اآللة كالبياانت ال سريعة )اؼبتدفقة( كغ تىا. على ؾبموعة من اؼبكاتب اليت تدعم العمل مع :Mahut ىو أداة أك مكتبة ضمن منصة تعلم اآللة للتعامل مع ك التنقيب عن البياانت Hadp حيث تساعد يف استخراج أمباط من بياانت أبحجا كب تة. 47

56 :Sqp ىي أداة تساعد على نقل البياانت ب ت Hadp استخدامو الست تاد البياانت من قواعد البياانت العبلئقية إذل كقواعد البياانت العبلئقية. كما يبكن HDFS كHBase. Hive :HBase ىي اغبقيقي ك الذم متسامح مع األخطاء قواعد بياانت غ ت عبلئقية :Hive كىو مستودع بياانت اإلمكانية كيبنح أك أنظمة كأدكات أخرل مثل يبكن استخدامها للوص وؿ العشوائي للبياانت يف يبكن أف كبتاجو عند العمل مع اؼبعطيات الكب تة. تعمل فوؽ HDFS.)Fault-Tlerant( )Data Warehuse(.Hadp مب ت يف فوؽ اليزمن كتوفر زبيزين MapReduce لتنفيذ استدعاءات )Queries( على حجو كب تة من البياانت اؼبخيزنة يف.Hadp [37] منصةSpark Spark )HDFS( كاؼبعاعبة كما رأينا فإف Hadp ىو منصة للتخيزين اؼبوزع اؼبوزعة.)YARN( بينما أداة حوسبة موزعة ال ربتوم أداة أك من صة للتخيزين اؼبوزع. كابلتارل فإ ف Spark كما أف استخدا يبكن أف يعمل مع أك بدكف Hadp كلكن وبتاج إذل إحدل منصات التخيزين اؼبوزع. Spark مع Hadp يفتح اجملاؿ الستخدا أدكات كمكاتب جديدة. Spark يبكن أف يعمل Spark مع Hadp بشكل مستقل جنبان إذل جنب مع بثبلثة أمباط بتلفة -كما يوضح ال شكل- حيث يبكن تشغيل MapReduce أك فوؽ Yarn أك ضمن [38].MapReduce الشكل 10 :أمناطعملSpark 48

57 Spark VS Hadp مقارنةMapReduce بعض نقاط االختبلؼ الرئيسية ب ت مع Spark :Hadp Map Reduce Hadp MapReduce Spark السرعة سهولةاالستخدام أسرع أسهل ىبيزف البياانت يف الذاكرة )In Memry( اليزمن اغبقيقي كالتكرارية كال دفعات أقل سرعة أكثر تعقيدان ىبيزف على القرص )On Disk( التخزين معاجلةالبياانت تعلماآللة يتضمن مكتبة MLib معاعبة ال دفعات بشكل رئيسي وبتاج للتكامل مع أداة Mahut اجلدول 5 :مقارنةSpark معMapReduce Hadp إضافية مثل Apache مكتبةTensrFlw تعترب مكتبة TensrFlw التابعة لشركة Ggle من أشهر مكتبات التعلم العميق Deep Learning الوقت اغبارل الرقمية اؼبرتكيزة على اإلصدار األكؿ يف كيبكن استخدامها لبناء أم بنية تعليمية.Data-Flw Graphs ت عميقة اإلعبلف عنها يف حيث تستخد بشكل رئيسي يف اغبساابت ألكؿ مرة يف أكاخر عا كىو مفتوح اؼبصدر دبوجب ترخيص وبتوم التعلم العميق على الكث ت من العمليات اغبسابية يف القيا هبذه العمليات ألهنا بػ مكتوبة.Apache Open Surce على اؼبصفوفات كتعترب ++C كلكن يبكن استخدامها مع TensrFlw اسم TensrFlw األبعاد البياانت. الػ تستطيع بينما ظهر عا سريعة جدان لغات برؾبة بتلفة مثل ابيثوف كغ تىا. ي مستمد مباشرة من اؼبكوف األساسي لو Tensr كىو متجو أك مصفوفة متعددة أف ربمل صبيع أنواع البياانت كصبيع القيم اؼبوجودة يف Tensr ربتوم على نفس نوع TensrFlw ىي Crss-Platfrm Andrid كالػ.IOS )GPU( كحىت كما يبكنها استخدا يبكنها العمل على بتلف اؼبن صات أجهيزة دبا فيها كحدات اؼبعاعبة اؼبركيزية )CPU( أك كحدات اؼبعاعبة الرسومية أف أجهيزة خاصة بدأت ابلظهور حديثان لتشغيل TensrFlw عليها كربمل اسم Tensr.Prcessing Units (TPUs) يدعم أجهيزة )معاعبة موزعة كليس زبيزين موزع(. TensrFlw العمل اؼبوزع حيث يبكن توزيع اؼبعاعبة على عدة [39] 49

58 و TensrFlw VS Spark MLib VS Apache مقارنةMahut مر معنا غبد يبكن القوؿ أف جاء اآلف ثبلث مكاتب أك أدكات ربت العنواف العريض تعمل مع Mahut Hadp «مكتبة للتعامل مع تعلم اآللة». ابختصار كتتعامل مع بياانت بيزنة على األقراص كليس يف الذاكرة كابلتارل فهي بطيئة كخا صة مع اػبوارزميات اليت ربت اج كصوؿ مستمر كمتكرر للبياانت. كمعو Spark Spark MLib كىي مكتبة تتضمن ؾبموعة أسهل عدا عن أ ف تعاملها مع بياانت بيزنة على الذاكرة هبعلها أسرع بكث ت من خوارزميات إضافية ؾبردة للتعامل معها بش كل.Mahut كأخ تان ظهرت TensrFlw كمكتبة متخصصة ابلشبكات العصبونية كالتعلم العميق كدل تكن اؼبكتبة موجهة للعمل ربت مظلة إمكانية Hadp أك Spark توز يع اؼبعاعبة كغ تىا من اؼبييزات. كإمبا ىدفت لتسهيل العمل مع خوارزميات التعلم العميق إضافة إذل منصةTensrFlwOnSpark صار جليان كيف كصلنا إذل تعمل اؼبنصة فوؽ اؼبعطيات الكب تة ال ي ي لغي دكر يبكن اعتبار Spark TensrFlwOnSpark كمن اسم اؼبنصة يبكن كذبمع خصائص التعلم العميق اؼبوزع التنبؤ )TensrFlw( Spark بعملها كاؽبدؼ منها. مع خصائص منصة )ك اليت بدكرىا قد تكوف تعمل فوؽ.)Hadp استخدا TensrFlwOnSpark Spark MLib أك أم مكتبة أخرل كإمبا ىي من صة إضافية بتصة دبجاؿ مع ت [40]. كبذلك TensrFlwOnSpark ىو اػبيار األفضل لتشغيل كتدريب شبكات عصبونية يف بيئة معطيات كب تة. الشكل 11 :متوضعTensrFlwOnSpark فوقSpark سنقو الحقان بتجربة ابستخدا ىذه اؼبن صة ضمن التنفيذ العملي. Hadp 51

59 الفصلالرابع:رلموعاتالبياانتادلدروسة نستعرض يف ىذا الفصل عدة ؾبموعات من البياانت اليت سنعتمد عليها يف ؾبموعة التجارب اليت سنقو بتنفيذىا حيث استعملنا بعضها إلثبات الفكرة كتوضيح اؼببدأ العا كاستعملنا ؾبموعات أخرل رئيسية يقو عليها ي جل العمل. نورد ىنا ؾبموعات البياانت ي مرتبة زمنيان حبسب اتريخ استخدامنا ؽبا يف التجارب العملية. 1. رلموعةالبياانتاألوىل) Dataset_1 ( للتأ كد من قباعة العمل على إسنادية التأليف كإمكانية تطبيق الفكرة قمنا بتجربة مبدئية على اللغة اإلنكلييزية. ت ربميل خطاابت ي مرش ى حي الرائسة األمريكية دكانلد ترامب كىيبلرم كلينتوف.[41] بدكف أم حيث كاف عدد خطاابت ترامب 86 خطاابن كعدد خطاابت كلينتوف كت العمل عليها كما ىي تعديل 122 خطاابن. أصغر خطاب وبتوم على 106 كلمة كأكرب خطاب وبتوم على كلمة. متوسط عدد الكلمات يف اػبطاب الواحد تقريبان كلمة 2. رلموعةالبياانتالثانية) Dataset_2 ( توفيق يف اؼبرحلة التالية انتقلنا إذل ذبربة ب ت كات ب تى فقط كلكن ىذه اؼبرة ابللغة العربية قمنا ابختيار اثن ت من ال يكتاب اؼبصري ت نبا الدكتور أضبد خالد توفيق ك الدكتور مصطفى ؿبمود. ت ربميل 36 مقالة لل دكتور أضبد خالد [42] ك 21 مقالة لل دكتور مصطفى ؿبمود مقالة يف ملف نصي منفصل. أصغر مقالة ربتوم الكلمات يف اؼبقالة الواحدة 1070 كلمة. كل بعد ربميل اؼبقاالت قمنا حبذؼ التشكيل ككضع 583 كلمة كأكرب مقالة ربتوم 2678 كلمة. متوسط عدد.[43] 3. رلموعةالبياانتالثالثة) Dataset_3 ( اآلف كبعد التأكد أبننا على اؼبسار الصحيح دخلنا يف اؼبرحلة اعب دية كبدأان التفك ت يف كيفي ة اغبصوؿ على ؾبموعة بياانت مناسبة زبدمنا يف صبيع مراحل العمل. كضعنا بعض القيود يف اختيار ؾبموعة البياانت حيث كنا هندؼ إذل إهباد ؾبموعة بياانت كاحدة يبكن التبلعب هبا حبسب مسار التجارب: كاف حبثنا عن نصوص أك مقاالت كب تة اغبجم ك ث تة العدد لضماف اغبصوؿ على إمكانية نتائج جيدة. 51

60 - ك اف من الضركرم أف قبد نصوص ربقق الشرط متشاهبة السابق ألكثر من كاتب. اذب و تفك تان متأثرين ابلتجارب السابقة- للبحث عن ما ال يقل عن 6 يكتاب. الصعوابت دل يكن مفاجئان أننا دل قبد ؾبموعة بياانت جاىيزة تيليب موقع أدب [44] لعدد من الشعراء مثل: نيزار قباين العمل توقف يف ىذه طوؿ القصائد متوسط ألف االذب اه الطموحات لذلك بدأان بتجميع نصوص شعري ة من كأضبد مطر كتركي عامر كعلي جعفر العبلؽ. لكن اليت القصيدة(كاف أقل من اؼبطلوب )أقل من التجارب اليت سبق االطبلع عليها(. حصلنا عليها )من حيث عدد الكلمات يف قرران بعدىا االذب اه إذل شعراء اؼبعلقات كأيضان كجدان صعوبة يف إهباد عدد مناسب من القصائد حبيث تكوف كل شاعر )دل نستطع مثبلن ذبميع ذات طوؿ مناسب ل 30 لكل شاعر(. قصيدة رلموعةالبياانتادلعتمدة لؤلسباب آنفة الذكر اخ تان أف تكوف ؾبموعة البياانت ىيكتبكاملة. قمنا بتحميل الكتب بصيغة نصية من موقع اؼبكتبة الشاملة [5]. حيث ت ربميل عشرةكتب لعشرة يكتاب بتلف ت كذلك ضمن الشركط التالية: أف تكوف الكتب اؼبختارة من طبيعة كاحدة )متقاربة ابحملتول( ليكوف ىناؾ معت لطرح اؼبسألة. أال ربتوم الكتب على عدد ملحوظ من اآلايت القرآنية اؼبقتبس. ألف الشعر أك النبوية األحاديث أك كجود مثل ىذه النصوص سيؤثر على أسلوب الكاتب الذم سيستنتجو النظا. أف يكوف حجم الكتب اؼبختارة كب تان قدر اإلمكاف. عدا ىذه الشركط فقد ت اختيار الكتب بطريقة عشوائية. نستعرض ضمن اعبدكؿ بعض اؼبعلومات عنها: اسمالكاتب اسمالكاتب ابإلنكليزية اسمالكتاب التاريخ التقرييب عدداجلمل التقرييب Al_Sakhawi Ibn_Al_Adim Al_Harawi مشس الدين السخاكم كماؿ الدين ابن العد ن دمحم بن أضبد بن الضوء البلمع بغية الطلب يف اتريخ حلب هتذيب اللغة 900 ق 650 ق 350 ق 52

61 األزىرم اؽبركم ؿبمود بن عمر Al_Zamakhshari أساس الببلغة 500 ق اليزبشرم دمحم بن أضبد بن عثماف Al_Zahabi العرب يف خرب من غرب 700 ق الذىيب سليماف البج تمي Al_Bujairami حاشية البج تمي على 1150 ق اؼبنهاج ابن األث ت اعبيزرم Ibn_Al_Athaer الكامل يف التاريخ 600 ق سيبويو Sibawieh الكتاب 170 ق ابن سينا Ibn_Sina اؼبنطق 400 ق اؼبس تم Al_Masiri موسوعة اليهود 1420 ق كاليهودية كالصهيونية اجلدول 6 :الكتبادلستخدمةإلنشاءرلموعاتالبياانت يوضح ال شكل التارل االختبلؼ يف حجم ؾبموعة البياانت الكلي ة )يف حاؿ اعتماد صبيع اعبمل( كي ي ظهر اغباجة إذل معاعبة البياانت للحصوؿ على ؾبموعات بياانت متوازنة )توحيد عدد اعبمل(: الشكل 12 :عدداجلمليفالكتبادلدروسة 53

62 معاجلةرلموعةالبياانت ابلتأكيد لن نقو ابلتجارب العملية على الكتب حب د ذاهتا أم أ ف مسألة البحث لن تكوف ؿباكلة ربديد الكاتب األصلي لكتابكامل فمن البديهي أنو يبكننا استخراج أمباط لنصوص هبذا اغبجم. دراستنا تقو على مستول اعبمل كؾبموعة البياانت اليت نسعى ؽبا تتكوف من صبل كال أتخذ أم س اعتبار للكتاب ول أنو ؾبموعة من اعبمل. كلكتاب توجد بعض اؼبعلومات اػبا صة ابؼبوقع الذم ت التحميل منو مثل رابط الحظنا أنو يف بداية اؼبوقع كبعض اؼبعلومات اإلضافية ت حذفها بشكل يدكم. الكتب اليت قمنا بتحميلها ال ربتوم تشكيل للكلمات كابلتارل لسنا حباجة إذل أخذه بع ت االعتبار. قمنا بتطوير برانمج )بلغة ابيثوف( أيخذ كتاب كامل كدخل إضافة إذل حد أدىن كحد أعلى لعدد كل كتاب كاستخراج صبيع اعبمل ذات الطوؿ الواقع ب ت اغبد األدىن احمل ارؼ. يقو الربانمج دبعاعبة كاغبد األعلى اؼبدخل. ىذا التقسيم يعتمد على عبلمات ال ت قيم اؼبوجودة ضمن الكتاب كلذلك يف حاؿ كجود خطأ بوضع عبلمات ال ت قيم فقد ينتج عن ذلك صبل أبطواؿ غ ت منطقية. كلكتاب )كما ىو كاضح يف اعبدكؿ السابق(. توجد اختبلفاتكب تة بعدد اعبمل اؼبستخرجة من للحصوؿ على ؾبموعة بياانت متوازنة كبدد ضمن الربانمج عدد صبل استخراجها للكاتب الواحد. يقو الربانمج ابختيار x صبلة عشوائية اؼبستخرجة يف اػبطوة السابقة كضمها إذل ؾبموعة البياانت النهائية. بذلك يكوف عدد اعبمل يف ؾبموعة البياانت ىو ال يكتاب. x x )10*x) يعرب عن عدد اعبمل ه راد اؼب لكل كاتب من ب ت صبيع اعبمل لكل كاتب كالعدد 10 ىو عدد صبلة كل صبلة يف ملف CSV وبتوم عمودين )الكاتب يتم زبيزين صبيع اعبمل اؼبستخرجة مع اسم كاتب كاعبملة( الستخدا ىذه اعبمل يف التجارب العملية. 54

63 دل كبذؼ يف ىذه اؼبرحلة أم ؿبارؼ أك عبلمات ترقيم أك كلمات معينة أك غ تىا. كذلك ل تؾ الباب مفتوح أما أم خيار قد نلجأ إليو يف مرحلة التجارب العملية. حيث سيتم التعامل مع ىذه اغباالت مسألة تصنيف أك عنقدة يبكن أف نعمل عليها. حسبكل كل ذبربة سنذكر خصائص ؾبموعة البياانت اليت سيتم اعتمادىا مثل اغبدين األدىن كاألعلى لطوؿ مع اعبملة كما سنستعرض بعض اإلحصائيات مثل متوسط عدد األحرؼ كعدد الكلمات يف اعبمل اؼبستخرجة. ؾبموعة البياانت الثالثة )Dataset_3( ىي ؾبموعة البياانت الرئيسية اليت تقو عليها دراستنا. لكل كاتب من ال يكتاب الػعشرة السابق ت مستخرجة من نستعرض يف اعبدكؿ التارل ثبلث صبل عشوائية الكتب اؼبذكورة )قد تكوف ىذه اعبمل مناسبة أك غ ت مناسبة ؼبسألة إسنادية التأليف(: الكاتب اجلملة)كماتاستخراجهامنالكتاب بدونأيتعديل( ك اف ثقة نبيبل ؿبتشما مهيبا سيدا شريفا صاحب حديث كسنة. كيف نيساف مطران مطرا ضبر كأعكر ماء اليزايدة كبقي أثر الط ت على الثمر كالورؽ كبو شهرين. كمات دبكة مفتيها كقاضيها قبم الدين دمحم بن دمحم بن الشيخ ؿبب الدين الطربم الشافعي عن اثنت ت كسبع ت سنة. ك اف يف نواحي اؽبند قلعة يقاؿ ؽبا قلعة ركابؿ على رأس جبل شاىق كربتها غياض أشبة كخلفها البحر كليس عليها قتاؿ إال من مكاف ضيق كىو فبلوء ابلفيلة اؼبقاتلة كهبا من رجاؿ اغبرب ألوؼ كث تة فتابع عليهم الوقائع كأحل عليهم ابلقتاؿ جبميع أنواع اغبرب كملك القلعة كاستنيزؽبم منها. كمن عدلو أنو أطلق اؼبكوس كالضرائب يف صبيع الببلد كدل يعرؼ منو فعل قبيح كعلم األمراء س تتو فلم يقد أحد منهم على الظلم ك فوا عنو. ك اف صبيع من قتل من اؼبسلم ت ببدر أربعة عشر رجبل ستة من اؼبهاجرين كشبانية من األنصار. كفبا يذكر أف كث تا من أنشطة اعبمعيةكاف يتم ابلتنسيق كالتعاكف مع منظمات يهودية أخرل. مث ت ال تاجع عن ىذه السياسة كبدأت اػبطة اػبمسية األكذل ) ( اليت تشكل بداية عملية التذكيب اغبقيقية ألعضاء اعبماعة. Al_Zahabi Ibn_Al_Athaer Al_Masiri 55

64 كيتفق الفيلسوؼ الربصبايت مع الرؤية اغبلولية اليهودية التقليدية ح ت يساكم ب ت عقائد اليهود كاترىبهم اؼبقدس كاترىبهم اغبقيقي. أضبد بن علي بن دمحم بن نصر هللا بن علي بن دمحم بن نصر هللا الدركواين األصل اغبموم اغبنبلي اؼبقرئ كدركو بفتح الداؿ اؼبهملة قرية من قرل ضباة كيعرؼكأبيو كجده ابػبطيب لكوف جدهكاف خطيب دركوا. مات يف ربيع اآلخر سنة سبع كست ت رضبو هللا كإايان. إبراىيم صار الدين الشهايب كارل ثغر أسواف قتلو أكالد الكب ت يف سنة إحدل كاستقر عوضو مقبل أحد اؼبماليك السلطانية. يقاؿ: فبلف ال أيسبر رشدا أم ال أييت برشد من ذات نفسو. كللماء منبع غيزير كمنابع كقد نبع ينبع كينبع كمنو: نقل اسم ينبع لكثرة ينابيعها ظبعت الشريف سلمة بن عياش الينبعي:كانت لو مائة كسبعوف عينا فوارة. كقاؿ: كإف حفركا بئرم حفرت بئارىم... كسوؼ ترل آاثرىا كالنبائث كفبلف خبيث نبيث. كإمبا دل يش تط القصد يف الوضوء ألف اسم الغسل اؼبأمور بو يطلق مع انتفاء القصد خببلؼ التيمم. ( قولو : كال يعترب يف اغبب كالتمر إخل ) صنيع ع ش على ر يقتضي أنو ابلتاء اؼبثناة فوؽ ألنو قاؿ : خببلؼ كبو التمر فبا معياره الكيل فبل يعترب فيو تناىي جفافو كيش ت ؽبذا الضبط قوؿ الشارح خببلؼ اللحم ألنو موزكف فهذاكلو يقتضي أف التمر ابلتاء ألنو الذم يكاؿ كأما الثمر ابلثاء اؼبثلثة فغالبو موزكف. ( قولو : كأف يتداكل ) كإمبا دل هببكأكل اؼبيتة للمضطر كإساغة اللقمة ابػبمر لعد القطع إبفادتو خببلفهما. كزعم اػبليل رضبو هللا أف حبذا دبنيزلة حب الشيء كلكن ذا كحب دبنيزلةكلمة كاحدة كبو لوال كىو اسم مرفوعكما تقوؿ: اي ابن عم فالعم ؾبركر أال ترل أنك تقوؿ للمؤنث حبذا كال تقوؿ حبذه ألنو صار مع حب على ما ذكرت لك كصار اؼبذكر ىو البل ز ألنو كاؼبثل. ك ثرهتن يف الكبل كسبكنهن فيو زكائد أفشى من أف وبصى كيدرؾ فلماكن أخوات كتقاربن ىذا التقارب أجرين ؾبرل كاحدا. "فمن ذلك قولك: إنو من أيتنا أنتو كقاؿ جل كعيز: "" إنو من أيت ربو ؾبرما فإف لو جهنم ال يبوت فيها كال وبيا "" ك نت من أيت ت آتو." مند مندد اسم موضع ذكره سبيم ابن أيب مقبل فقاؿ: عفا الدار من دنباء بعد إقامة... Al_Sakhawi Al_Zamakhshari Al_Bujairami Sibawieh Al_Harawi 56

65 عجاج خبلفي مندد متناكح خلفاىا انحيتاىا من قوؽبم فأس ؽبا خفاف كمندد موضع. كيقاؿ للرجل إذا كرل عنك بوده: قد ىاجت معارؼ فبلف كمعارفو: ماكنت تعرفو من ضنو بك. كقاؿ أبو الدقيش:كأف يكوف بفناءكل بيت دكاف عليو اؼبأكل كاؼبشرب فذلك الطلل. )55/4( قاؿ: ك اف عليها يع ت اعبيزيرة يف أاي ييزيد بن معاكية سعيد بن مالك بن حبدؿ فأخرجو زفر بن اغبارث الكبليب ح ت كقعت الفتنة. حص ت بن جندب: ابن عمر بن اغبارث بن كحشي بن مالك بن ربيعة بن منبو بن ييزيد بن حرب ابن علة بن خالد بن مالك بن أدد بن يشجب أبو ظبياف اعبنيب كييزيد بن حرب ىو جنب ظبع علي بن أيب طالب كعبد هللا بن عباس كعمار بن ايسر كجرير ابن عبد هللا البجلي كسلماف الفارسي كأسامة بن زيد. قاؿ: ألف مبلئكة الرضبن ابسطة أجنحتها عليهم. فإان سنوضح بعد أف العللكم ىي كأهناكيف تكوف حدكدا كسطى. كشدة الغضب تقوم النحييزة فتتبعو قلة اػبوؼ ال غبسن الظن فقط بل لشدة القلب. لست أقوؿ: إف اؼبقدمة اؼبنفصلة إذل إهباب كسلب ال تكوف قياسية فإهنا تدخل يف القياسات. اجلدول 7 :أمثلةللجملادلستخرجةمنالكتب Ibn_Al_Adim Ibn_Sina مقارنةرلموعةالبياانتاخلاصةبنامعالتغريدات! منذ تشرين الثاين الدراسات يف فقط اليت أصبح طوؿ إسناد اقتباسات )ؽبا نفس طوؿ التغريدات اطلعنا عليها قبد التغريدات أف ؿبدكد بػ النجاح التغريدات( إذل كاتبيها. 280 يف إسناد ؿبرؼ بينما كاف سابقان ؿبدكد بػ إذل التغريدات مغرديها أكرب من 140 النجاح ؿبرؼ يف يبكن تفس ت ذلك أبف اغبدكد اؼبفركضة على طوؿ تعطيها صفات إضافية فغالبان ما تقد التغريدة معت كامل مع صبل قص تة. أما االقتباسات اؼبشاهبة فقد تكوف ؾبتيزأة من حيث اؼبعت كيصعب االستفادة من خصائص اعبمل فيها.[45] بكبل آخر التغريدة قد ربتوم ؾبموعة صبل صغ تة حبيث يبكن االعتماد على خصائص مرتبطة ابعبمل كطوؽبا أما يف ؾبموعة البياانت خاصتنا فإف كل ن ص مدركس ىو صبلة كحيدة. ذباربنا الرئيسية ستكوف على صبل منكتب متوسط طوؿ اعبملة حوارل طوؿ قريب من التجارب القائمة على التغريدات. 134 ؿبرؼ )أقل من 26 كلمة( كىو 57

66 الفصلاخلامس:احللادلقرتح نعتمد يف بناء نظا إسنادية التأليف على خوارزميت ت بتلفت ت حيث بدأان خبوارزمية SVM مع خاصية.BOW كبعدىا انتقلنا إذل خوارزمية CNN كخاصية ؾبموعة بياانت بتلفة من حيث اغبجم. كل خوارزمية على 15.Char n-grams نق و بتطبيق 1. اخلوارزمياتادلقرتحة نستخد يف ىذه األطركحة خوارزميت ت: خوارزمية جديدة على اللغة العربية يتم تطبيقها ألكؿ مرة يف حبثنا )SVM( كخوارزمية اثنية سبق العمل عليها يف اللغة العربية )CNN( كحققت نسب قباح جيدة. استخدا CNN يف ؾباؿ إسنادية التأليف جديد حىت على اللغة اإلنكلييزية أكؿ طرح لو كاف عا اخلصائصادلعتمدة تنوعت اػبصائص كاؼبييزات بشركط ؿب ددة الختيار اليت يبكن االعتماد عليها ؾبموعة البياانت أك ماىية اػبصائص لتحديد ظبة الكاتب يف ذباربنا اؼبرحلية األكذل دل اليت نتقيد يبكن االعتماد عليها فاستخدمنا من اػبصائص ما ىو متعلق ابحملتول كما ىو متعلق ابألسلوب. منها ما اعتمد على اعبمل كمنها ما اعتمد على الكلمات. أما يف التجارب الرئيسية فكاف ال بد من كقفة تراعي اؼبسألة اؼبطركحة. لنصل إذل اػبيارات األنسب ت طرح تساؤالت من نوع: ما اؽبدؼ من البحث دباذا تتمي يز ؾبموعة البياانت اؼبدركسة ىل هبب أف تكوف اػبصائص متعلقة ابألسلوب أ ابحملتول أ ىجينة ما ىو األنسب للمسألة أف تكوف اػبصائص معتمدة على اعبملة أ الكلمة أ اغبرؼ هندؼ إذل ربديد الكاتب األصلي لنص صغ ت )نص دبتوسط ال يتجاكز 26 كلمة( حيث يتألف الن ص اؼبدركس من صبلة كحيدة فقط. لذلك كنقطة أكذل نستبعد اػبصائص اؼبرتبطة ابعبمل كنتجو إذل تلك اؼبتعلقة ابلكلمات كاغبركؼ. النصوص ال صغ تة! كقع اختياران حيث -مستفيدين من اغبركؼ أصغر مكوف السابقة الدراسات يف اللغة كيبكن أف تكوف اػبيار األفضل للعمل عليها مع على اللغت ت العربية كاإلنكلييزية- على خاصيت ت: BOW كلكل و وn-grams Char منهما إهبابياهتا كسلبياهتا. خاصية BOW يىبفف من ابحملتول تتأثر كقع ىذه 58

67 السلبية على فكرة البحث احتفاظنا ابلكلمات الوظيفية دكف حذفها كبذلك أنخذ دكر أكرب لؤلسلوب حيث أف الكلمات األكثر تكراران ضمن الػ BOW )اليت ستش كل الكلمات الوظيفية جيزء منها( مرتبطة ارتباطان كثيقان ابألسلوب. خاصية ذباربنا القيمة Char n-grams n = 3 بشكلها العا تعترب ىجينة سبيزج ب ت األسلوب كاحملتول. كلكننا ال نتجاكز ضمن كيبكن اعتبارىا ضمن سياؽ األطركحة مرتبطة ابألسلوب فقط. 3. احللادلقرتح موضوع ببحث العمل نقو خبلؿ إسنادية التأليف على النصوص ال صغ تة ك اف ىذا الشرط -النصوص اغبل على أساس ؾبموعة البياانت الصغ تة- معامل أساسي يف توجيو مسار الدراسة. نقد لكل خوارزمية ي معت ى مدة اؼبوضحة يف الفصل السابق كيبكن النظر إذل نظامنا اؼبق تحكثبلثة أجيزاء. جيزء كCNN ( كجيزء مش تؾ يسبق تطبيق اػبوارزميات نقو فيو بتجهييز ؾبموعة البياانت Dataset_3 كتنظيفها. Dataset_3 SVM( تنظيفرلموعةالبياانتDataset_3.Dataset_3 يتم 15 نرل الحقان أننا نعمل على ؾبموعة بياانت مستخرجة من تطبيق ىذه اؼبرحلة على كل ؾبموعة بياانت نعتمد عليها ىي ؾبموعة بياانت متوازنة كاحدة من ؾبموعات البياانت اػبمس عشرة. كل )عدد صبل متساوك ب ت ال يكتاب(. كبذؼ عبلمات اإلحصائيات ال ت قيم كاحملارؼ اإلنكلييزية كاألرقا كاحملارؼ غ ت العربية بشكل عا. كما نستعرض بعض كل ؾبموعة بياانت كنرسم بططات لتوزيع الكلمات كاحملارؼ ضمن اجملموعة. على خوارزميةSVM معخاصيةBOW يتم إدخاؿ ؾبموعة البياانت اؼبنظفة كتقسيمها بشكل عشوائي إذل ؾبموعة تدريب )%80( اختبار كؾبموعة.)%20( نقو دبعاعبة إضافية على ؾبموعة البياانت ذبذيع الكلمات. عند اغباجة- من مبط حذؼ الكلمات أك الوظيفية 59

68 كل كلمة عدد إنشاء حقيبة الكلمات من ؾبموعة التدريب : استخراج صبيع الكلمات اؼبتماييزة كمع مرات تكرارىا. كذلك ابالعتماد على مفهوـ Term Frequency Inverse Dcument ).Frequency (TF-IDF ربويل ؾبموعة التدريب إذل مصفوفة أسطرىا صبل ؾبموعة التدريب كأعمدهتا الكلمات اؼبتماييزة من مرات تكرار الكلمة يف اعبملة. كل قيمة فيها سبثل عدد ؾبموعة التدريب ك ربويل ؾبموعة االختبار إذل مصفوفة أسطرىا صبل ؾبموعة االختبار كأعمدهتا الكلمات اؼبتماييزة من السابقة). ؾبموعة التدريب (نفس أعمدة اؼبصفوفة يتم ربديد أفضل القيم للبارام تات اؼبستخدمة يف خوارزمية SVM عن طريق توابع من بيئة العمل كخباصة قيمة C كنوع اتبع النواة (.)Kernal نستخدـ أفضل القيم للبارام تات كدخل إلنشاء مبوذج اػبوارزمية. يتم تدريب النموذج على ؾبموعة التدريب. لبترب النموذج على ؾبموعة االختبار. تعرب عن مدل قباح التجربة. كأخ تان كبسب بعض مقاييس ال دقة اليت معخاصية Char n-grams خوارزمية CNN النصي ليصبح عددم ( )Embedding يتم أكالن ترمييز ال دخل يبكن رؤية خطوات العمل كفق اؼبراحل التالية : مث تيطبق ؾبموعة من الػ Filters على الطبقة العددية للحصوؿ على الطبقة االلتفافية ىذه الطبقة اليت تتم عليها عمليات الػ Pling مث الػ Flattening لتنتهي بطبقة Fully Cnnected الطبقة األخ تة ىي كل Epch جديدة. كل Filter تتع دؿ مع شبكة عصبونية تقليدية توصلنا إذل األصناؼ النهائية. قيم نقوـ ابلتجربة من أجل ثبلث قيم ـبتلفة = 1, 2, 3 الستكماؿ ابقي التجارب على أساسها..n كمن مث لبتار القيمة اليت تعطينا أفضل النتائج يتم إدخاؿ ؾبموعة البياانت اؼبنظفة كتقسيمها بشكل عشوائي إذل ؾبموعة تدريب ( )%80 كؾبموعة اختبار (.)%20 61

69 اعبمل يف ؾبموعة البياانت بتلفة الطوؿ كلكن CNN ربتاج دخل بطوؿ اثبت )هبب أف تكوف صبيع اعبمل بنفس الطوؿ(. كابلتارل كبتاج يف ىذه اؼبرحلة ربديد طوؿ مع ت للجمل x حبيث يتم الحقان حشو اعبمل األقصر بقيم صفرية لتصل إذل الطوؿ احمل دد أك اقتطاع اعبمل اليت تتجاكز ىذا الطوؿ كإنباؿ اعبيزء اؼبقتطع. كبسب عدد اؼبفردات اؼبتماييزة يف ؾبموعة التدريب )بعد توحيد طوؿ اعبمل( نقصد ابؼبفردة: حرؼ كحيد يف حاؿ.n = 1 أك حرف ت متتالي ت يف حاؿ = 2 n. أك ثبلثة أحرؼ متتالية يف حاؿ.n = 3 شرط آخر على دخل اػبوارزمية ابالستفادة من مفهو CNN Wrd2Vec كل مفردة بقيمة عددية. ب تمييز ىو أف ال دخل هبب أف يكوف عددم كليس نصي! )نشرحو يف فقرة الحقة( كابستخدا توابع بيئة العمل نقو يتم ترمييز ال يكتاب ابستخدا مفهو One-Ht ؾبموعة البياانت. )نشرحو يف فقرة الحقة( ليكوف دخل للخوارزمية مع كل قيمة لػ n )ألف اؼبفردات حبد ذاهتا ستختلف(. يف ىذه ىبتلف ال ت مييز العددم للمفردات من أجل كل قيمة n إبنشاء مصفوفت ت أحادييت البعد: األكذل جملموعة التدريب طوؽبا اؼبرحلة نقو من أجل كل صبلة يكوف قيمة فيها ىو ترمييز عددم للجملة )ترمييز يساكم عدد صبل ؾبموعة التدريب ك ل من x عدد(. اؼبصفوفة الثانية سبثل ؾبموعة االختبار طوؽبا يساكم عدد صبل ؾبموعة االختبار. ).. n قيمة Epchs نقو إبنشاء كذبريبو النموذج مع تغي ت يف البارام تات )اتبع التفعيل عدد الػ لنستقر على أفضل البارام تات. نستخد البارام تات السابقة إلنشاء مبوذج اػبوارزمية النهائي. يتم تدريب النموذج على ؾبموعة التدريب كاختباره على ؾبموعة االختبار. كأيضان نستعرض بعض اؼبقاييس اليت تعرب عن دقهة النتائج. 61

70 ستتوضح ىذه اػبطوات مع مثاؿ حقيقي ضمن التنفيذ العملي. 4. مفاهيممستخدمة أعطينا حمل ى ة عن اػبوارزميات اؼبستخدمة يف فصل اإلحاطة هبا قبل البدء بتنفيذىا عمليان. الدراسة اؼبرجعية كنستعرض ىنا بعض اؼبفاىيم كبتاج اليت ادلقياسTF-IDF Inverse يتكوف اسم اؼبقياس من جيزأين: كىو اختصار لػ Term Frequency ك IDF كىو اختصار لػ TF.Dcument Frequency :TF يعكس عدد مر كل كلمة )أك ات تكرار يف نص قد تكوف مهمة ابلنسبة لذلك الن ص. :IDF مقياس موزكف يعطي أكزاف أقل قل ككزف يكرب كلما عدد مرات كل ن ص. كالكلمة اليت تتكرر بشكل كب ت ) يف Tken :TF_IDF كرار. للكلمات اليت تتكر ر بشكلكب ت يف ؾبموعة النصوصكاملة الت مقياس ي ستخد لتحديد درجة أنبية كلمة ابلنسبة لن ص ما ضمن ؾبموعة من النصوص. تيزيد أنبية الكلمة ابلنسبة لن ص ؿب دد كلما زاد عدد مرات تكرارىا يف ىذا الن ص كقل عدد مر ات كل النصوص تكوف تكرارىا يف ابقي النصوص ضمن اجملموعة. أم أف الكلمات ال شائعة كاؼبتكر رة يف ذات أنبية مهملة يف النص اؼبدركس بينما الكلمات اليت تتكرر يف ىذا الن ص مع عدد مرات كركد قليل أك معدك يف ابقي النصوص تكوف ذات أنبية كب تة. يبكن النظر إذل اؼبقياس على أنو عملية توزين للكلمات )كضع كزف للكلمات يف النص يعكس أنبيتها(. [47] [46] One-Ht الرتميزEncding نوع من اؼبعاعبة اؼبسبقة للبياانت لتحض تىا كذبهييزىا حيث يتم ترمييز البياانت بطريقة يفهمها اغباسب. فضمن سياؽ معاعبة اللغات الطبيعية One-Ht Vectr ىو متجو * N 1 حيث N ىو عدد الكلمات اؼبتماييزة أك عدد احملارؼ اؼبتماييزة يف حاؿ العمل على مستول األحرؼ )أك عدد اؼبفردات اؼبتماييزة مهما كاف تعريف اؼبفردة يف اؼبسألة(. 62

71 كل مفردة دبتجو طولو بطوؿ اؼبفردات اؼبتماييزة صبيعها حبيث تكوف صبيع اغبقوؿ يف يتم سبثيل أصفار ما عدا حقل كاحد فبييز للمفردة تكوف قيمتو 1. [48] [6] ربتوم متجو مثبلن إذا كانت ؾبموعة البياانت ىي صبلة كاحدة فقط: ذىب الطالب إذل اؼبدرسة ذىب مسرعان. يكوف ترمييزىا على مستول الكلمات ابل شكل: ذهب الطالب إىل ادلدرسة مسرعا اجلدول 8 :ترميزOne-ht جلملة أما يف حاؿ العمل على مستول اغبرؼ الواحد يف 1-gram مثبلن سينتج جدكؿ شبيو ابلسابق كلكن عناكين األعمدة ىي األحرؼ اؼبتماييزة بدؿ الكلمات كعدد األسطر بعدد األحرؼ اؼبتماييزة أيضان. كنفس اؼببدأ ينطبق مهماكانت اؼبفردة يف اؼبسألة )كلمة حرؼ حرف ت..(. Char2Vec & التحويلWrd2Vec نستهل الفقرة بشرح مفهو Wrd2Vec كابلقياس عليو سيكوف مفهو Char2Vec 63 Wrd2Vec ىي كاحدة من طرؽ تضم ت الكلمات Wrd Embedding ظهرت عا مستساغان 2013 كسهبلن. من قبل.Ggle كتيعت بتمثيل الن ص كل كلمة دبتجو من بشكل رقمي عن طريق استبداؿ فريق من الباحث ت يف األعداد يعرب عن ىذه الكلمة. طوؿ ىذا اؼبتجو ليس ؿب ددنا سبامان )ليس بطوؿ اؼبفردات اؼبتماييزة مثبلن كإمبا غالبان ما يكوف أصغر منو بكث ت( ضمن حدكد مقبولة لن اؼبعتمد للمتجو الطوؿ يؤثر كلكلمة دبتجو يتكوف من 320 خانة. نتائج اػبوارزمية اؼبعتمدة على التمثيل فيمكن مثبلن سبثيل تتضمن Wrd2Vec شبكة عصبونية ؾبموعة البياانت كاملة كخرجها فضاء تتدرب لكشف -غالبان- السياؽ لكلكلمة يف ؾبموعة البياانت متجو يف ىذا الفضاء. حيث يسند على صحة التمثيل أك دقة اللغوم للكلمات حيث يكوف دخلها ىو دبئات األبعاد )عدد األبعاد ىو طوؿ اؼبتجو اؼبذكور سابقان( تقع الكلمات اؼبتشاهبة يف سياؽ استخدامها ضمن ؾبموعة البياانت تقع قريبة من بعضها يف الفضاء اؼبذكور. أم أف الكلمات اؼبتشاهبة ؽبا ترمييز متشابو. فنجد الكلمات اليت ذات اؼبعت اؼبرادؼ قريبة كأظباء األماكنكذلك كىكذا دكاليك. سبثل أظباء دكؿ قريبة من بعضها كاألفعاؿ

72 ليس ذلك فقط كإمبا طرح كصبع اؼبتجهات لو داللة فمثبلن )ضمن ؾبموعة بياانت معينة( يبكن أف يكوف اؼبتجو الناتج عن طرح كصبع اؼبتجهات اؼبعربة عن الكلمات التالية: ىو متجو مشابو للمتجو اؼبعرب عن king - man + wman.queen Beijing كمثاؿ آخر )مستنتج من ؾبموعة بياانت أخرل( يكوف فيو الناتج عن طرح اؼبتجو متجو متجو من China مشابو للمتجو الناتج عن طرح متجو Rme من متجو.Italy نعتقد أف فكرة يتم Wrd2Vec قد كصلت كأصبح إبمكاننا القياس عليها لفهم القصد من Char2Vec حيث كل حرؼ دبتجو األحرؼ اؼبتشاهبة من حيث السياؽ ستكوف قريبة من بعضها ضمن الفضاء. سبثيل لن نستطيع السابقة -كبشر- فهم عبلقة األحرؼ كاألشعة اؼبمثلة ؽبا كفق Char2Vec كما فهمناىا يف األمثلة على مستول الكلمات كلكنها ابختصار أشعة سبثل األحرؼ رقميان بقيم ربمل معت من سياؽ االستخدا ضمن ؾبموعة البياانت. كأخ تان مفهو n-grams embedding مستول سلسلة من n حرؼ. الذم سنستخدمو يف تنفيذان العملي ىو تطبيق لنفس الفكرة على [49] [47] 64

73 .5 مقاييسال دقة ىناؾ ع دة مقاييس نعتمد عليها لتقييم أداء اػبوارزميات أك النماذج ] :[47 ال دقة ( :)Accuracy ىي نسبة صبيع حاالت االختبار (عناصر ؾبموعة االختبار) اؼبصنفة بشكل صحيح إذل عدد حاالت االختبار الكلي. الصنف اإلحكاـ ( :)Precisin ىو احتماؿ أف يكوف العنصر من ؾبموعة االختبار ينتمي فعليان إذل الصنف.x x علمان أف النموذج قد توقع كجوده يف الصنف x علمان أنو فعليان ينتمي إذل.x االستدعاء ( :)Recall ىو احتماؿ توقع عنصر على أنو من :F1 Scre كىو مقياس هبمع ما ب ت اإلحكاـ كاالستدعاء. الشكل :13 العالقاتالرايضيةللمقاييسادلستخدمة 65

74 الفصلالسادس:التنفيذالعملي نبدأ الفصل ابستعراض التقنيات كاؼبنصات اؼبستخدمة خبلؿ العمل. ننتقل بعدىا إذل شرح التجارب العملية اليت قمنا هبا حيث نقد يف البداية شرح بتصر لتجارب أكلية ب ت كات ب ى ت فقط )يف اللغت ت العربية كاإلنكلييزية( مث نس تسل خبلؿ اؼبرحلة التالية يف شرح التجارب القائمة على عشرة يكتاب بتلف ت يف اللغة العربية. نيعيد إحدل التجارب مع استخدا منصة تناسب اؼبعطيات الكب تة دبقارنة ؾبموعات البياانت اؼبدركسة مع األحاديث النبوية كتقد ن ؿباكاة ؽبا..TensrFlwOnSpark كلبتم التنفيذ العملي 1. التقنياتادلستخدمة العمليات الرئيسية اؼبتضمنة يف عملنا تشمل إنشاء ؾبموعة البياانت اؽبوية. ؽبذا الغرض استخدمنا لغة ابيثوف Pythn مع صات. عدة من ك استخراج اػبصائص ك التصنيف كربديد لغةابيثون لغة برؾبة عالية اؼبستول مفتوحة اؼبصدر [50]. ربتوم على عدد كب ت من اؼبكتبات اليت يبكن أف زبدمنا يف كل منها: إطار عملنا نذكر منها اؼبكاتب الرئيسية اؼبستخدمة يف تطوير النظا مع شرح بتصر عن NLTK (Natural Language Tlkit) كىي مكتبة ربتوم ؾبموعة من األدكات يسبكن اآللة من فهم ك التعامل الطبيعية اللغات مكوانهتا )أحرؼ كلمات صبل عبلمات ترقيم..(. كما أهنا تعطي اإلمكانية معها على أساس لتحليل كمكوانهتا كإجراء عمليات على تلك اؼبكوانت مثل إعادة الكلمات إذل مصادرىا اللغوية [51]. TensrFlw سبق كأف تكلمنا عنها يف اعبيزء النظرم كىي مكتبة من كبشكل رئيسي الشبكات العصبونية. Ggle للعمل على تطبيقات النصوص تعلم اآللة Sklearn مكتبة بسيطة ذات كفاءة عالية يف التنقيب عن البياانت كربليلها. تستخد يف التصنيف كالعنقدة كاالنكفاء.)Regressin( كما ي ي ستفاد منها يف معاعبة البياانت كاختيار كتتعامل مع عدة مكاتب أخرل مفيدة يف لغة ابيثوف. من اػبوارزميات اليت يبكن النموذج. تتكامل اؼبكتبة تنفيذىا ابستخدا ىذه اؼبكتبة: [52].SVM, Nearest Neighbrs, K-means, PCA 66

75 Keras لشبكات العصبونية قادرة على العمل فوؽ خاصة اب كىي كاجهة برؾبة تطبيقات API عالية اؼبستول الشبكات العصبونية مكاتب مثل TensrFlw, CNTK, Thean : كغ تىا. تستخدـ لتسهيل تنفيذ اؼبتكررة. كما أ هنا تعمل بسبلسة على كحدة اؼبعاعبة اؼبركيزية بنوعيها االلتفافية ك ) Unit (CPU ككحدة معاعبة الرسوميات ) [53].Graphics Prcessing Unit (GPU Central Prcessing PySpark يتم توف ت ىذه اإلمكانية عن طريق إف منصة Spark مكتوبة بلغة Scala كتدعم العمل عن طريق.Pythn PySpark كىي.[38] Pythn API منصة Micrsft Visual Studi IDE اؼبنصة الشه تة لكتابة الربامج بلغة ابيثوف يف ذباربنا األكلية. استخدمنا ىذه منصة PyCharm IDE صة بلغة ابيثوف. ربتوم الكث ت من اؼبييزات لدعم ىذه اللغة كىي منصة تعمل على أنظمة التشغيل اؼبختلفة خا كتسهيل كتابة الربامج عن طريقها [54]. منصة TensrFlwOnSpark لشبكات اػباصة اب منصة مفتوحة اؼبصدر من Yah تعطي إمكانية االستفادة من مكتبة - TensrFlw العصبونية - مع Spark حيث يبكنها أف تعمل جنبان إذل جنب مع مكاتب Spark اؼبختلفة ( SparkSQL, للمنصة كاليت جعلتنا نعتمد عليها ىي إمكانية نقل نظاـ الرئيسية )MLib, يف نفس الربانمج. من الفوائد أك برانمج مكتوب مسبقان ابالعتماد على TensrFlw ليعمل عليها أبقل درجة من التغي تات كالتعديبلت كاليت قد ال تتجاكز ع دة أسطر إضافية [40]. اؼبنصات ت تشغيلها على حاسب ؿبموؿ كاحد : كل ىذه كنلفت النظر ىنا إذل أ ف صبيع التجارب ك Cre i7, 4 Cres, 8 Lgical prcessrs 12.0 GB CPU RAM 67

76 2. التجاربالعملية التجارب تنقسم إذل ثبلث مراحل مرحلتاف أكليتاف قمنا هبما للتأكد من قدرتنا على اؼبشركع كمرحلة إقباز اثلثة ربتوم التجارب الرئيسية اليت تصب فيها خبلصة عملنا. قرران عد إغفاؿ اؼبراحل األكلية ألف اػبصائص كاػبوارزميات اؼبستخدمة فيها بتلفة عن يف اؼبرحلة مقاببلهتا الثالثة من العمل )التجارب الرئيسية(. ادلرحلةاألوىل: إسنادية التأليف يف اللغة اإلنكلييزية ب ت كات ب ت.ى ادلرحلةالثانية: إسنادية التأليف يف اللغة العربية ب ت كات ب ت.ى ادلرحلةالثالثة: إسنادية التأليف يف اللغة العربية ب ت عشرة يكتاب. طبسة عشر ذبربة ابستخدا SVM نغ ت فيها عدد يتم اليت النصوص العمل عليها كنقارف أتث ت التغي ت على دقة النتائج. طبسة عشر ذبربة أخرل مشاهبة ابستخدا.CNN ذبربة ابستخدا ؿباكاة لؤلحاديث النبوية..TensrFlwOnSpark اؼبرحلتاف األكذل كالثانية ليستا ؿبور عملنا كخا صة أهنما كانتا على كات ب ى ت فقط مع حجو نصوص كب تة نسبيان )خطاب كامل أك مقالة كاملة(. سنذكرنبا ابختصار على أف نتو سع يف شرح اؼبرحلة الثالثة كذبارهبا. 3. إسناديةالتأليفيفاللغةاإلنكليزيةبنكات ب ن. ؾبموعة البياانت اؼبعتمدة ىي اجملموعة اؼبو صفة يف الفصل السابق Micrsft ( ربت عنواف ؾبموعة البياانت األكذل خطاابن لكلينتوف ك 86 خطاابن ل تامب. استخدمنا يف ىذه اؼبرحلة.)Dataset_1 ربتوم 122 Visual Studi IDE مع اػبوارزميت ت: K-Means للعنقدة ك Naïve Bayes للتصنيف. 68

77 Naïve Bayes مع خاصية Wrd 1-gram استخدا ت كاستخدمت ابقي اػبطاابت لبلختبار )6 116 خطاابن لكلينتوف ك 80 خطاابن ل تامب كمجموعة تدريب لكل مرشح(. قبحت التجربة بنسبة %100. خطاابت K-Means ت اختبار العنقدة على صبيع اؼبقاالت )208 خطاب(: عند إجراء العنقدة ابالعتماد على ثبلث خصائص معان )متوسط طوؿ اعبملة ابلكلمات التباين يف طوؿ اعبملة كالغ ت اللغوم( كانت نسبة النجاح %90. حيث ت التقسيم إذل عنقودين: أحدنبا ضم 113 خطاابن لكلينتوف ك 12 خطاب ل تامب. كالثاين ضم 74 خطاابن ل تامب ك 9 خطاابت لكلينتوف. عند إجراء العنقدة ابالعتماد على عبلمات عنقودين ك انت صبيع اؼبقاالت يف عنقود كاحد. ابستخدا حقيبة الكلمات ك POS كانت النتائج ال ت قيم كانت النتيجة سيئة جدان دل نستطع التميييز ب ت %88 ك %82 على ال ت تيب. يلخص اعبدكؿ التارل نتائج التجربة: اخلوارزمية الدقة 90% اخلصائص متوسط طوؿ اعبملة ابلكلمات التباين يف طوؿ اعبمل كالغ ت اللغوم. عبلمات ال ت قيم حقيبة الكلمات فشل ات صبيع اػبطاابت تقريبان يف عنقود كاحد. 88% 82% 100% POS Wrd 1-gram اجلدول 9 :تاربنايفاللغةاإلنكليزيةبنكاتبن K-Means K-Means K-Means K-Means Naïve Bayes 4. إسناديةالتأليفيفاللغةالعربيةبنكات ب ن. اؼبرحلة الثانية مشاهبة للمرحلة األكذل قمنا بتغي تات طفيفة على اػبصائص اؼبستخدمة مع استبداؿ ؾبموعة البياانت اإلنكلييزية على )Dataset_1( دبجموعة البياانت العربية.)Dataset_2( 36 مقالة للدكتور أضبد خالد توفيق ك 21 مقالة للدكتور مصطفى ؿبمود. ربتوم ؾبموعة البياانت الثانية 69

78 Naïve Bayes مع خاصية Wrd 1-gram ت استخدا 30 مقالة للدكتور أضبد خالد توفيق ك 17 ؿبمود كمجموعة تدريب كاستخدمت ابقي اؼبقاالت لبلختبار 6 مقاالت للدكتور مصطفى ؿبمود(. قبحت التجربة بنسبة مقالة للدكتور مصطفى (.%100 مقاالت للدكتور أضبد خالد توفيق ك 4 K-Means ت اختبار العنقدة على صبيع اؼبقاالت مقالة(: )57 عند إجراء العنقدة ابالعتماد على ثبلث خصائص معان )متوسط طوؿ اعبملة ابلكلمات التباين يف طوؿ اعبملة كالغ ت اللغوم( كانت النتيجة كضع صبيع مقاالت الدكتور أضبد خالد توفيق يف عنقود كاحد مضافان إليها 4 يف العنقود الثاين. أم أف نسبة النجاح مقاالت للدكتور مصطفى ؿبمود. ابقي مقاالت الدكتور مصطفى ؿبمود أتت.%93 عند إجراء العنقدة ابالعتماد على عبلمات ال ت قيم كانت النتيجة سيئة أيضان صبيع اؼبقاالت تقريبان يف عنقود كاحد. عند إجراء العنقدة ابالعتماد على تكرار الكلمات الوظيفية كانت نسبة النجاح.%100 يلخص اعبدكؿ التارل نتائج التجربة: اخلوارزمية الدقة 93% فشل ات صبيع اؼبقاالت تقريبان يف عنقود كاحد. 100% 100% اخلصائص متوسط طوؿ اعبملة ابلكلمات التباين يف طوؿ اعبمل كالغ ت اللغوم. عبلمات ال ت قيم الكلمات الوظيفية Wrd 1-gram اجلدول 10 :تاربنايفاللغةالعربيةبنكاتبن K-Means K-Means K-Means Naïve Bayes 71

79 5. إسناديةالتأليفيفاللغةالعربية بنعشرةك تابابستخدامخوارزميةSVM استخدمنا يف ىذه اؼبرحلة PyCharm IDE مع خوارزمية SVM كخاصية حقيبة الكلمات. رلموعةالبياانت اخ تان يف ىذه التجارب ؾبموعة البياانت الثالثة (Dataset_3) كقمنا عن طريق الربانمج الذم سبق شرحو 15 ؾبموعة بياانت بتلفة. الصفة اؼبش تكة جملموعات البياانت صبيعها أف كل ن ص فيها )الن ص الذم إبنشاء تقو عليو الدراسة كنيعت بتصنيفو( ىو صبلة كاحدة فقط طوؽبا ؿبصور ب ت 40 ؿبرؼ ك 400 ؿبرؼ. نستعرض يف اعبدكؿ التارل قائمة الكتب العشرة اليت الشرط: طوؿ اعبملة ب ت 40 ؿبرؼ ك 400 ؿبرؼ. كل كتاب ك اليت ربقق سبق اختيارىا مع عدد اعبمل يف الكاتب عدداجلمللك ل كاتب )طولاجلملةبن 04 زلرفو 044 زلرف( اجلدول 11 :عدداجلمللكلكاتب Al_Sakhawi Ibn_Al_Adim Al_Harawi Al_Zamakhshari Al_Zahabi Al_Bujairami Ibn_Al_Athaer Sibawieh Ibn_Sina Al_Masiri كل ؾبموعة بياانت ىو 10 عدد ال يكتاب يف لكل كاتب ضمن النصوص )اعبمل( اؼبأخوذة عندىا ىبوط يف الدقة أك استقرار فيها. كنشكل ؾبموعات البياانت التالية: كل يف يكتاب كهندؼ يف ىذه الدراسة إذل إهباد مدل أتث ت تغي ت عدد على دقة الدراسة النتائج كإهباد اغبدكد التقريبية كل كاتب ؾبموعة بياانت لبتار من صبل صبلة x وبدث اليت عشوائية 71

80 رلموعةالبياانت عدداجلمليف رلموعةالبياانت متوسطعددالكلمات عدداجلمل يفاجلملةالواحدة للكاتبالواحد اجلدول 12 :إحصائياتعلىمستوىاجلمل متوسطعدداحملارفيف اجلملةالواحدة Dataset_3_1 Dataset_3_2 Dataset_3_3 Dataset_3_4 Dataset_3_5 Dataset_3_6 Dataset_3_7 Dataset_3_8 Dataset_3_9 Dataset_3_10 Dataset_3_11 Dataset_3_12 Dataset_3_13 Dataset_3_14 Dataset_3_15 ت اختيار عدد اعبمل يف ؾبموعيت البياانت Dataset_3_11 كDataset_3_12 بشكل بتلف عن البقية الرتباطهما إبسقاطات الحقة )ؿباكاة لؤلحاديث النبوية(. توقفنا عند ؾبموعة البياانت ؾبموعة الكتب اليت Dataset_3_15 نعتمد عليها ربتوم كتاب بعدد صبل 9000 )Al_Zahabi( صبلة كدل نتجاكز ىذا العدد عدد صبلو 9015 صبلة. كابلت لكلكاتب. طوؿ اعبملة- ىو ارل ال يبكننا ذباكز ىذا العدد -اليت ألف ربقق الشرط على كاتب يتم نذكر ىنا أف اعبمل اؼبستخرجة لكل الشرط. اختيارىا بشكل عشوائي من ي صبل كتابو ربقق اليت الشرط احملدد لطوؿ اعبملة: ب ت اؼبتوسط لطوؿ اعبملة ابحملارؼ حوارل 40 ؿبرؼ ك ؿبرؼ ىي صبل قليلة العدد. ؿبرؼ. لكن إذا دققنا يف اعبدكؿ السابق قبد أ ف ؿبرؼ كيبكننا استنتاج أف اعبمل اليت يق تب طوؽبا من 72

81 يف اعبدكؿ التارل يبكن االطبلع على تفاصيل أكثر فيما ىبص توزع الكلمات يف إحصائيات ؾبموعات البياانت اػبمس عشرة السابقة: 95th percentile st percentile رلموعةالبياانت احلداألعلىلعدد احلداألدىنلعدد الكلماتيفاجلملة الكلماتيفاجلملة اجلدول 13 :إحصائياتعلىمستوىالكلمات Dataset_3_1 Dataset_3_2 Dataset_3_3 Dataset_3_4 Dataset_3_5 Dataset_3_6 Dataset_3_7 Dataset_3_8 Dataset_3_9 Dataset_3_10 Dataset_3_11 Dataset_3_12 Dataset_3_13 Dataset_3_14 Dataset_3_15 كما وبتوم اعبدكؿ التارل على إحصائيات على مستول توزع احملارؼ يف ؾبموعات البياانت: 95th percentile st percentile رلموعةالبياانت احلداألعلىلعدداحملارف احلداألدىنلعدداحملارف يفاجلملة يفاجلملة اجلدول 14 :إحصائياتعلىمستوىاحملارف Dataset_3_1 Dataset_3_2 Dataset_3_3 Dataset_3_4 Dataset_3_5 Dataset_3_6 Dataset_3_7 Dataset_3_8 Dataset_3_9 Dataset_3_10 Dataset_3_11 Dataset_3_12 Dataset_3_13 Dataset_3_14 Dataset_3_15 73

82 اخلوارزميةادلستخدمةوحتديدادلتحوالت معتمدين على قباح عدة ذبارب سابقة على اللغت ت العربية خاصية حقيبة الكلمات.)BOW( كاإلنكلييزية قرران االعتماد على خوارزمية SVM مع كل لتبليف ذكر التجارب صبيعها يف كاحدة فقط كعرض بعض التفاصيل مرة كألف اػبطوات نفسها متبعة يف كل اليت زبصها حبيث يبكن القياس عليها. التجارب سنكتفي بشرح ذبربة لتكن ؾبموعة البياانت Dataset_3_9 الشرح. يف األشكاؿ التالية نستعرض كاألحرؼ كمتوسطات طوؿ الكلمة. يبكننا اؼببلحظات: 1000 لكل كاتب ىي ؾبموعة البياانت اؼبعتمدة يف اؼبكونة من صبلة إحصائيات لتوزع الكلمات بعض تسجيل من السهل اؼببلحظة حسب ال شك تل األكؿ كالثاين أنو من اؼبنطقي كجود كلمة أك %95 من اعبمل بطوؿ أقل من حرؼ )كىي اؼبعلومات الواردة يف اعبدكل ت السابق ت(. يف الشكل الثالث يظهر توزع متوسط طوؿ الكلمات يف اعبمل. الشكل 14 :توزعطولاجلملةابحملارف اؼبنحنيات متوافقة مع اؼبعلومات اليت سبق عرضها يف اعبداكؿ. الشكل 16 :توزعمتوسططولالكلمةابحملارف الشكل 15 :توزعطولاجلملةابلكلمات 74

83 كنا قد تركنا ؾبموعات البياانت اؼبستخلصة سابقان من الكتب دكف»تنظيف«كذلك إلبقاء اػبيارات مفتوحة اصية اؼبعتمدة ىنا ىي حقيبة الكلمات نقوـ ابػبطوات التالية لتنظيف أماـ اػبصائص اؼبستخدمة كدبا أف اػب كل من : النصوص كحذؼ ال تقيم كاألقواس كغ تىا : عبلمات ~} {»«"`_^]\[@! #$%&'()*+,-./:;<=>? األحرؼ اإلنكلييزية (رابط موقع مذكور أك كلمات إنكلييزية مستخدمة من أصل الكتاب أك مضافة عليو من اؼبوقع الناشر). األرقاـ. من عدمو (استخدمنا كمن مث أجرينا ع دة ذبارب ألخذ القرار فيما ىبص حذؼ الكلمات الوظيفية الكمات الوظيفية اليت سبق ذكرىا يف ال دراسة النظرية) ذبذيع الكلمات الختصار األبعاد أك ترؾ الكلمات ( )FWs صبيعها على حاؽبا. كانت دقة النتائج كالتارل : رلموعة البياانت عدداجلمل حذف -FWs حذف FWs للكاتب بدونتذيع تذيع ترك -FWs تذيع ترك FWs بدونتذيع الواحد Dataset_3_ اجلدول :15 نتائجتريبيةجملموعةالبياانت Dataseet_3_9 فكاف خياران ترؾ الكلمات الوظيفية ألف النتائج بوجودىا أفضل كمن جهة اثنية لن نقوـ بتجذيع الكلمات لسبب ت : األكؿ أف أثر التجذيع على النتائج كاف سلبيان كالثاين أف زمن اػبوارزمية صغ تان ج دان (سنراه الحقان ابلتفصيل) كابلتارل ال معت حملاكلة اختصار األبعاد ابلتجذيع. تتكوف من يتم بعد ذلك تقسيم ؾبموعة البياانت بشكل عشوائي إذل ؾبموعة تدريب البياانت ( 8000 صبلة يف ىذه اغبالة) كؾبموعة اختبار ربتوم %20 من البياانت ( 2000 صبلة). %80 75 من ؾبموعة

84 كصلنا إذل اؼبرحلة سننشئ فيها حقيبة اليت الكلمات الكلمات اؼبتماييزة من صبيع صبل ؾبموعة التدريب ؾبتمعة )الػ كل كلمة. ابستخدا عدد الكلمات اؼبتماييزة اليت ت استخراجها من ؾبموعة التدريب ىو اؼبرحلة على اػبرج كمصفوفة )أك حيث يتم استخراج السابقة( كإحصاء عدد مرات تكرار TfidfVectrizer 8000 صبلة 3698 كلمة من )Dictinary )مفتاح قيمة( حيث الػمفتاح عدد مرات تكرار ىذه الكلمة. يف اعبدكؿ بعض األمثلة اغبقيقية من ذبربتنا: )بدكف ذبذيع( كبصل يف ىذه ىو الكلمة كالػقيمة ىي عددمراتالتكراريفرلموعةالتدريب الكلمة )بشكلأدقTken ( األكؿ أمور أك آمن كقاؿ الصبلة أضبر اؼبرأة أين األموم اجلدول 16 :تكراربعضالكلماتادلتمايزةيفDataset_3_ اؼبتجو )Feature vectr( للجملة الواحدة سيكوف بطوؿ الكلمات اؼبتماييزة اؼبوجودة يف ؾبموعة البياانت 3698 عنصر(. ك كل صبلة يربسب القيمة ضمن اؼبتجوكالتارل: صفر يف حاؿ كاملة )أم أف طولو ىنا من أجل أف الكلمة غ ت موجودة يف اعبملة أك عدد مرات تكرار الكلمة ضمن اعبملة يف حاؿ كجودىا. يبكن اعتبار اؼبتجهات صبيعها موجودة يف مصفوفة مكونة من سطر يبثل صبلة( ك 3698 عامود )عدد الكلمات اؼبتماييزة كل العمود ىو عدد مرات تكرار الكلمة يف اعبملة. سطر )عدد صبل ؾبموعة التدريب كل عامود يبثل كلمة(. كيكوف تقاطع السطر مع 8000 ابستخدا GridSearchCV.Accuracy فمثبلن لتحديد يبكننا ربديد أفضل قيم ؼبتحوالت اؼبصنف تعطي أفضل دقة ك اليت SVM C نقو إبدخاؿ عدة قيم لػ C كدخل لػ GridSearchCV يقو بدكره ك الذم 76

85 بتحديد أفضل قيمة حسب مقياس ال دقة. أدخلنا القيم التالية C = 1, 5, 10, 50, 100, 1000 ككاف االختيار على أف C=1 يعطي أفضل نتائج. كبنفس الطريقة اخ تان اتبع الػ Kernal على أنو.Linear تركنا ابقي اؼبتحوالت لتأخذ قيمها االف تاضية. قمنا أخ تان بتطبيق اػبوارزمية ابستخداـ Sklearn's SVC functin كحصلنا على النتائج : رلموعةالبياانت عدداجلمل للكاتبالواحد Dataset_3_ Ave. Accuracy Precisin Ave. Recall Ave. F1 Scre اجلدول :17 نتائج SVM علىرلموعةالبياانت Dataset_3_9 اػباصة ابلتجربة. يوضح ك الشكل التارل الػ Nrmalized Cnfusin Matrix الشكل :17 نتائج SVM علىشكل Nrmalized Cnfusin Matrix 77

86 يف الشكل التارل نعرض اؼبراحل السابقة حيث ؾبموعة التدريب ربتوم 8000 صبلة عدد الكلمات اؼبتماييزة فيها ىو كل سطر يف اؼبصفوفة الناذبة ىو.Feature vectr.3698 الشكل 18 :مثالحقيقيخلوارزمية SVM 78

87 النتائجوادلقارنة كل ذبربة عن كل ؾبموعات البياانت كنستعرض النتائج يف اعبدكؿ التارل زبتلف نقوـ بتكرار التجربة من أجل األخرل بعدد اعبمل اؼبختارة للكاتب الواحد : رلموعةالبياانت Dataset_3_1 Dataset_3_2 Dataset_3_3 Dataset_3_4 Dataset_3_5 Dataset_3_6 Dataset_3_7 Dataset_3_8 Dataset_3_9 Dataset_3_10 Dataset_3_11 Dataset_3_12 Dataset_3_13 Dataset_3_14 Dataset_3_15 عدداجلمل Accuracy Ave. Precisin Ave. Recall Ave. F1 Scre للكاتبالواحد اجلدول :18 نتائج SVM على 15 رلموعةبياانتسلتلفة الشكل التارل نرسم العبلقة ب ت عدد اعبمل للكاتب الواحد كدقة النتائج : يف الشكل :19 العالقةبنعدداجلملودقةالنتائجابستخدام SVM 79

88 لكل ذبربة من التجارب السابقة متوسط طوؿ اعبمل اليت قبحنا يف تصنيفها كمتوسط يف اعبدكؿ التارل نوضح طوؿ اعبمل اليت فشلنا يف تصنيفها: رلموعةالبياانت عدداجلمل متوسططول متوسططول متوسططول متوسططول للكاتبالواحد اجلملاليتجنح تصنيفها اجلملاليتجنح تصنيفها اجلملاليت فشلتصنيفها اجلملاليت فشلتصنيفها )ابحملارف ) )ابلكلمات( )ابحملارف( )ابلكلمات( اجلدول 19 :إحصائياتاجلملاليتجنحناوفشلنايفتصنيفها Dataset_3_1 Dataset_3_2 Dataset_3_3 Dataset_3_4 Dataset_3_5 Dataset_3_6 Dataset_3_7 Dataset_3_8 Dataset_3_9 Dataset_3_10 Dataset_3_11 Dataset_3_12 Dataset_3_13 Dataset_3_14 Dataset_3_15 من اعبدكؿ السابق كمن الشكل اجملاكر نبلحظ أف القيمة الوحيدة الشاذة ىي اليت حصلنا عليها يف التجربة الثانية حيث كاف اؼبتوسط يف حاؿ الفشل أكرب من اؼبتوسط يف حاؿ النجاح أما ابقي 81

89 النتائج فجميعها منطقية. إف حجم ؾبموعة البياانت Dataset_3_2 اؼبتوسطات فيها دبجرد تصنيف عدة صبل طويلة بشكل خاطئ. صغ ت نسبيان كمن السهل أف تتأثر لكل كاحدة من التجارب اػبمس كأخ تان نستعرض اليزمن البل ز للتدريب كاالختبار عشرة: رلموعةالبياانت عدداجلمل زمنالتدريب)ابلثواين( زمناالختبار)ابلثواين( للكاتبالواحد اجلدول 20 :الزمنالال زملكلتربةابستخدامSVM Dataset_3_1 Dataset_3_2 Dataset_3_3 Dataset_3_4 Dataset_3_5 Dataset_3_6 Dataset_3_7 Dataset_3_8 Dataset_3_9 Dataset_3_10 Dataset_3_11 Dataset_3_12 Dataset_3_13 Dataset_3_14 Dataset_3_15 لػ نبلحظ أف األزمنة البل ز للتدريب كاالختبار ىي أزمنة صغ تة حيث أكرب ؾبموعة بياانت ال وبتاج تدريبها إال 5.25 دقيقة فقط )315 اثنية( كنعيزك السبب إذل اغبدكدية ب ت األصناؼ كليس على صبيع نقاط البياانت كاختيار اتبع الػ آلية عمل اػبوارزمية إضافة إذل أسباب بشكلها العا ك الذم يعتمد على النقاط C صغ ت اختيار مثل أخرل Kernal ليكوف Linear كىي أفضل اػبيارات لتكوف اػبوارزمية سريعة. 81

90 6. إسناديةالتأليفيفاللغةالعربية بنعشرةك تابابستخدامخوارزميةCNN استخدمنا يف ىذه اؼبرحلة منصة PyCharm IDE مع خوارزمية CNN كخاصية.Char n-grams رلموعاتالبياانت نستخد ؾبموعات البياانت اػبمس عشرة اليت سبق شرحها يف التجربة السابقة. اخلوارزمياتادلستخدمةوحتديدادلتحوالت نقو بشرح ذبربة كاحدة أيضان كىي ذبربة قائمة على نفس ؾبموعة البياانت تناكلناىا يف شرح اليت التجارب ابستخدا SVM ؾبموعة البياانت Dataset_3_9 اؼبكونة من 1000 لكلكاتب. صبلة مبر أيضان بنفس مراحل تنظيف البياانت كحذؼ األرقا كعبلمات ال ت قيم كغ تىا. كنقسم ؾبموعة البياانت بشكل عشوائي إذل ؾبموعة تدريب تضم %80 من ؾبموعة البياانت )8000 صبلة( كؾبموعة اختبار تضم %20 منها )2000 صبلة(. يبدأ االختبلؼ عن ذبربتنا السابقة يف ىذه اؼبرحلة كنيذكر دبعلومت ت ىامت ت: خوارزمية CNN أتخذ دخل رقمي كليس ؿبارؼ أككلمات. كما أف ىذا ال دخل هبب أف يكوف بطوؿ اثبت. كما نلفت النظر أننا ذكران اعتمادان على Char n-grams كلكننا دل كبدد قيمة غبد n اآلف تكوف أفضل قيم 2 أك 1 عادةن n أك 3 كي ي ستبعد اعتماد قيمة أكرب من 3 كما أشران سابقان. دخل مسألتنا للخوارزمية CNN ىو صبلة بطوؿ ؿبارؼ ب ت ؿبرؼ. ك كل n ؿبرؼ بعدد عن طريق Wrd2Vec تقبل إال أرقا سيتم مقابلة embedding فالعمل ىنا ليس على مستول الكلمة(. نقصد ىنا أنو إذا كانت ؿبرؼ بعدد. أما يف حاؿ كدبا أف )أك ال CNN n-grams نقابل كل ىب: n = 1 n = 2 بػ_: 2 يف حاؿ 5 الػ: 4 _ا: 3.n = 3 لط: أصبح إبمكاننا القوؿ أف دخل اػبوارزمية 40 ك 400 ب ت اؼبطلوب عدد. كلكن اػبوارزمية كل ؿبرف ت متتال ت بعدد بتلف أمثلة: ذه: 1 مثبلن فنقابل 6 طا: 7 الػ: 8 لب: 9 كىكذا دكاليك. كنفس الكبل ينطبق كل مرحلة ىو مصفوفة من األعداد طوؿ ىذه اؼبصفوفة يف CNN ربتاج دخل بطوؿ اثبت. يبكن اختيار الطوؿ الثابت L على أنو 400 كالقيا حبشو اؼبصفوفات ذات الطوؿ األقل من 400 بقيم صفرية. كلكن 82

91 الغالبية العظمى للجمل اؼبدركسة ذات طوؿ أصغر من 400 بكث ت كابلتارل سيكوف نسبة اغبشو كب تة. لذلك فمن األنسب اختيار L حبيث نقلل من ىذا اغبشو كبنفس الوقت ال نؤثر على ؾبموعة البياانت حبذؼ أجيزاء مهمة منها. = 315 L اخ تان %95 كذلك بناء ن على إحصاءاتنا السابقة على ؾبموعة البياانت حيث كنا قد كجدان أف من اعبمل يف ؾبموعة البياانت طوؽبا أقل من 315 لذلك فإنو ابختياران ؽبذا الطوؿ سنقتطع اعبيزء األخ ت من %5 من اعبمل )سنقتطع منها احملارؼ بعد احملرؼ 315( كال نتوقع أف يكوف لذلك أثر ملحوظ على النتائج لكنو بنفس الوقت سيخفف اغبشو بشكلكب ت. سنقو بتجارب مع تغي ت قيمة n ب ت القيم الثبلثة اؼبذكورة كمن مث اعتماد القيمة اليت تعطي أفضل النتائج لتعميمها يف صبيع التجارب البلحقة. سنطلق يف األسطر القادمة لفظ اؼبفردة على السلسلة اؼبكونة من n ؿبرؼ حىت لوكانت.n = 1 كل قيمة من قيم n نقو ابستخراج اؼبفردات من أجل )ىذه اؼبرحلة بعد االقتطاع بطوؿ L كحشو القيم الصفرية(. من ؾبموعة البياانت اؼبدركسة. عدد اؼبفردات منn-grams n اجلدول 21 :عددادلفرداتادلقابللكلn ض احملارؼ العربية اؼبوجودة يف ؾبموعة البياانت: ك ؽ ا ؿ أ خ ب ر ف ؾ د م ح ث إ ق س ة ع ز ج ؼ ص ل ء ت ظ ش ذ ط غ ض ئ ؤ آ. موزعة كما يف ال شكل: 83

92 الشكل 20 :توزعاحملارفالعربيةضمنDataset_3_9 الختيار قيمة n من ب ت القيم اؼبرشحة 2 1 أك 3 نقو ابلتجربة كاحدة منها كبنفس الوقت نراقب من أجلكل كل.Epch يف الشكل التارل نتائج اػبوارزمية على بياانت التحقق بعد n. كل قيمة لػ Epchs بياانت التحقق كب ت عدد الػ كذلك من أجل العبلقة ب ت دقة نوضح على النتائج الشكل 21 :العالقةبندقةالنتائجوعددالEpchs وقيمةn 84

93 نبلحظ أف أفضل دقة للنتائج عند = 3 n تليها عند = 2 n كاألقل دقة عند = 1 n. كبناء ن عليو لبتار لتجاربنا صبيعها = 3 n كعدد الػ = 12.Epchs أم أف اػباصية اليت سنعتمدىا يف ذباربنا ىي Char 3-.grams اخ تان عدد الػ Epchs اعتمادان على نتائج الدقة اؼبوضحة يف ال شكل السابق كىي قيمة تستقر عندىا على بياانت التحقق )يبكن اختيار قيمة أصغر أك أكرب ليس من الضركرم أف تكوف الدقة.)12 ابقي البارام تات ت اختيارىاكما يف اعبدكؿ التارل بعضها ابلتجريب كبعضها اآلخر ابالستفادة من الورقة البحثية اليت نعمل على أساسها. Optimizer Adam Size f embedding 640 Learning rate عدد kernal size القنوات عددال بتلفة من أجل اتبع التفعيل Drput rate 0.25 Pl size 2 ReLU كل قناة: اجلدول 22 :ابرامرتاتخوارزميةCNN Filters قمنا أخ تان بتطبيق اػب و ارزمية CNN ابستخدا Keras كحصلنا على النتائج: Ave. F1 Scre 0.79 Ave. Recall رلموعةالبياانت عدداجلمل للكاتبالواحد Ave. Precisin Accuracy اجلدول 23 :نتائجCNN معرلموعةالبياانتDataset_3_9 Dataset_3_9 توضح األشكاؿ التالية اؼبراحل الرئيسية لتدريب الشبكة مع Char 3-grams ضمن قناة كاحدة بػ Kernal.size = 3 كل القنوات يتم دمج اؼبتجهات يف متجو كاحد يكوف بعد تطبيق نفس اؼبراحل على مع طبقة اػبرج )األصناؼ(. Fully Cnnected 85

94 الشكل 22 :خوارزميةCNN -حتويل 3-grams Char الشكل 23 :خوارزميةCNN -التضمنEmbedding 3-grams 86

95 الشكل 24 :خوارزميةCNN - كشفالسمات الشكل 25 :خوارزميةCNN -طبقةالتفعيل 87

96 الشكل 26 :خوارزميةCNN -طبقةالتجميع الشكل 27 :خوارزميةCNN -طبقةالتسوية 88

97 الشكل 28 :خوارزميةCNN -تميعادلتجهات 89

98 النتائجوادلقارنة كل ذبربة عن األخرل بعدد اعبمل اؼبختارة للكاتب الواحد : يف اعبدكؿ التارل نتائج ػبمسة عشر ذبربة زبتلف رلموعةالبياانت عدداجلمل Accuracy Ave. Precisin Ave. Recall Ave. F1 Scre للكاتبالواحد Dataset_3_1 Dataset_3_2 Dataset_3_3 Dataset_3_4 Dataset_3_5 Dataset_3_6 Dataset_3_7 Dataset_3_8 Dataset_3_9 Dataset_3_10 Dataset_3_11 Dataset_3_12 Dataset_3_13 Dataset_3_14 Dataset_3_ اجلدول :24 نتائج CNN على 15 رلموعةبياانتسلتلفة الشكل نرسم العبلقة ب ت عدد اعبمل للكاتب الواحد كدقة النتائج : يف الشكل :29 العالقةبنعدداجلملودقةالنتائجابستخدام CNN 91

99 نبلحظ أف ىناؾ بعض اغباالت اليت تنقص فيها دقة النتائج ؾبموعة البياانت فمثبلن كانت دقة النتائج ابستخدا بشكل طفيف- Dataset_3_15 على الرغم من زايدة حجم.Dataset_3_14 كنعيزك السبب إذل الطريقة العشوائية اليت اخ تان فيها ؾبموعات البياانت فوجود لكل كاتب ضمن Dataset_3_15 ربتوم أصغر منها ابستخدا 6000 صبلة Dataset_3_14 لكل كاتب ضمن صبلة 3000 لكل نفسها كتضيف صبلة ك 9000 Dataset_3_15 ال يع ت بتااتن أف Dataset_3_14 كاتب فيها كإمبا اعبمل يف كل ؾبموعة بياانت بتارة بطريقة عشوائية سبامان كمنفصلة عن ؾبموعات البياانت األخرل. ىذا االختبلؼ يف ؾبموعات البياانت كاحتماؿ احتوائها على صبل ال تناسب اؼبسألة )دخيلة على الكاتب( بنسب بتلفة ؾبموعة كأخرل..كلها أسباب قد تؤثر على الدقة. نبلحظ أيضان أف ب ت ىذا التأرجح ابلدقة حصل ابلعمل على ؾبموعات البياانت األخ تة فقط كىو أترجح بسيط أقرب إذل الثبات فيمكننا القوؿ أف الدقة أصبحت اثبتة ابتداء ن من Dataset_3_12 بدكف أف هنتم ابلنقصاف الطفيف غ ت اؼبتوقع- الذم حصل على نوضح كDataset_3_15 Dataset_3_13 لكل ذبربة من التجارب السابقة متوسط طوؿ اعبمل اليت قبح تصنيفها كاليت فشل تصنيفها. رلموعةالبياانت عدداجلمل متوسططول متوسططول متوسططول متوسططول للكاتبالواحد اجلملاليتجنح اجلملاليتجنح اجلملاليت اجلملاليت فشلتصنيفها تصنيفها تصنيفها )ابلكلمات( )ابحملارف( )ابلكلمات( فشلتصنيفها )ابحملارف( اجلدول 25 :إحصائياتاجلملاليتجنحناأوفشلنايفتصنيفهاابستخدامCNN Dataset_3_1 Dataset_3_2 Dataset_3_3 Dataset_3_4 Dataset_3_5 Dataset_3_6 Dataset_3_7 Dataset_3_8 Dataset_3_9 Dataset_3_10 Dataset_3_11 Dataset_3_12 Dataset_3_13 Dataset_3_14 Dataset_3_15 لكل كاحدة من التجارب اػبمس كأخ تان نستعرض اليزمن البل ز للتدريب كاالختبار 91 عشرة:

100 رلموعةالبياانت عدداجلمل زمنالتدريب)ابلثواين( زمناالختبار)ابلثواين( للكاتبالواحد اجلدول 26 :الزمنالال زملكلتربةابستخدامCNN Dataset_3_1 Dataset_3_2 Dataset_3_3 Dataset_3_4 Dataset_3_5 Dataset_3_6 Dataset_3_7 Dataset_3_8 Dataset_3_9 Dataset_3_10 Dataset_3_11 Dataset_3_12 Dataset_3_13 Dataset_3_14 Dataset_3_15 Dataset_3_15 كىي أزمنة كب تة حيث ذباكز مثبلن زمن تدريب ؾبموعة البياانت األخ تة اػبمس ساعة. كىي ؾبموعة البياانت اليت سنعيد التجربة عليها ابستخدا من صة.TensrFlwOnSpark عشرة 92

101 7. مقارنةبننتائجاخلوارزميتنSVM CNN و خوارزمية SVM نبلحظ من اعبداكؿ السابقة للتجربت ت أف دقة النتائج كانت أكرب مع كخاصية BOW من الدقة مع خوارزمية CNN كخاصية.3-grams نعرض بططي التارل يف الشكل الدقة للخوارزميت ت كيبكن مبلحظة الفرؽ ب ت الدقت ت ك الذم يكوف شاسع مع ؾبموعات البياانت الصغ تة. الشكل 30 :مقارنةنتائجاخلوارزميتنSVM و CNN قد يكوف التصور األكرل للقارئ اؼبطلع على خوارزميات تعلم اآللة أف النتيجة ستكوف معكوسة أم أننا CNN سنحصل على نتائج أكثر دقة ابستخدا التعلم العميق خوارزمية )كخاصة عند العمل على ؾبموعات البياانت الكب تة نسبيان(. لنىػع ي د اآلف خطوة إذل الوراء لتوضيح اختياراتنا ما ؽبا كما عليها ذكران يف فصل الدراسة اؼبرجعية يف الفقرة اػبا صة ببصمة الكاتب كخصائص النص أف اػباصية BOW تتأثر خاصية ىي ابحملتول كنرل أنو نظران لطبيعة الكتب اؼبختارة لتكوين ؾبموعات البياانت فإف اعتمادان على حقيبة الكلمات Char 3- ال يعكس أسلوب الكاتب فقط كإمبا يرتبط ابختبلؼ ؿبتول الكتب أيضان. أما االعتماد على 93

102 grams يف خوارزمية CNN فيشكل التوليفة األفضل كاألقرب ؼبوضوع حبثنا كيعكس إذل حد كب ت الكاتب فقط بدكف أف يكوف للمحتول ذلك التأث ت الكب ت. أسلوب أنيت اآلف على SVM النتائج بشكل عا حيث -كأبفضل حاالتنا- المسنا الدقة %90 ك اف ذلك مع خوارزمية كخاصية BOW على ؾبموعة البياانت Dataset_3_15 اؼبكونة من 9000 ىل ىذه النتيجة أك ابقي النتائج ىي ابلفعل أفضل ما يبكن الوصوؿ إليو ابستخدا نعتقد أف اعبواب ال. ابلطبع ال ؾبموعات لكل كاتب. كلكن صبلة التقنيات اؼبطركحة البياانت مستخرجة بشكل آرل دكف اػبضوع ؼبراجعة بشرية كما ربتوم على الكث ت من النصوص )صبل كاملة أك أجيزاء منها( ال دخيلة على الكاتب أك اليت ال تعكس أسلوبو. لذلك فإننا نؤمن أبف القيا بنفس السابقة التجارب أكثر دقة كقد تق تب يف أفضل حاالهتا من النجاح التا. على ؾبموعات بياانت بتارة بعناية أكرب سيعطي نتائج 94

103 8. تربةابستخدامTensrFlwOnSpark. نستخد يف ىذه اؼبرحلة منصة TensrFlwOnSpark للعمل على خوارزمية CNN كخاصية Char n- ذبمع.grams منصيت اؼبعطيات الكب تة TensrFlwOnSpark إهبابيات مكتبة التعلم العميق TensrFlw Spark العميق على ؾبموعة من اؼبخدمات. نستخد التجربة كبتاجو ؾبموعة البياانت يف إطار ربط اؼبفاىيم كتبي ت يف حاؿ العمل وHadp Dataset_3_15 )Streaming( على إمكانية اللغوايت من جهة اثنية. فبا يساعد على توزيع عمل من جهة مع خوارزميات التعلم 9000 كاتب. حيث أتيت إعادة ىذه اؼبكونة من صبلة لكل اعبمع ب ت إسنادية التأليف كاؼبعطيات الكب تة. ىذا اعبمع الذم أك اعبرائم اعبنائية اإللك تكنية من مواقع التواصل االجتماعي أك أم طرح آخر مشابو. التعامل أك مع بياانت متدفقة تشغيلTensrFlwOnSpark علىمنصةSpark ادلستقلة Spark منصة موجودة اف تاضيان ضمن اؼبستقلة Cluster( )Spark Standalne ىي بيئة التوزيع اؼبضمنة مع Spark كدبا أف البيئة Spark فهي أبسط من مبطي التشغيل اآلخرين أك ضمن Yarn )فوؽ Map- [38].)Reduce نستخد TensrFlwOnSpark نفسو كػ على منصة Spark.)2 وSlaves Master) كاختبار تطبيقات Spark ؾبموعة Spark اؼبستقلة كنستخد جهاز كاحد فقط. يعمل اعبهاز ابلرغم من أف ىذه ليست ؾبموعة موزعة حقيقية إال أهنا مفيدة يف تطوير اؼبوزعة على نطاؽ صغ ت. بعد أف يعمل النظا يف ىذه البيئة يبكن تشغيلو ضمن موزعة حقيقية كإضافة أم عدد من األجهيزة. ت ربميل قمنا بتحميل للعمل فوؽ Spark Hadp كفق التعليمات اؼبذكورة ضمن اؼبوقع الرظبي لػ [38] Spark كمن مث TensrFlwOnSpark حسب تعليمات موقع TensrFlw [39]. الرظبي تعديلالربانمجللعملمعTensrFlwOnSpark من اؼبييزات الرئيسية للمنصة ك اليت لعبت دكر حاسم يف اختياران العمل عليها أ ف ربويل الربانمج اؼبكتوب مسبقان ابستخدا TensrFlw تتجاكز العشرة أسطر [40]. كذبهييزه للعمل على TensrFlwOnSpark وبتاج إذل تعديبلت بسيطة قد ال 95

104 منصة موزع التعديبلت تشمل مرحلت ت : األكذل ذبهييز الربانمج األصلي ليعمل بشكل (بغض النظر عن البلزمة للتشغيل فوؽ TensrFlwOnSpark )TensrFlwOnSpark كالثانية القياـ ابلتعديبلت السابق ] [40 ضمن صفحة.)Cnversin-Guide (نتبع اإلرشادات اؼبوجودة يف اؼبوقع ابستخدامادلنصةوبدوهنا مقارنةبنالتجربة ال نسعى من خبلؿ إعادة التجربة على Dataset_3_15 إذل اغبصوؿ على نتائج ـبتلفة من حيث الدقة كإمبا البلزمة للخوارزمية CNN بثبلث حاالت : يوضح اعبدكؿ التارل الفرؽ ب ت األزمنة ربسن يف زمن اؼبعاعبة. نتوقع السابقة) كالثانية عن طريق الربانمج اؼبوزع بدكف األكذل ابستخداـ الربانمج األكرل (اؼبستخدـ يف التجارب منصة.TensrFlwOnSpark منصة جديدة كأخ تان مع الربانمج اؼبوزع على إدخاؿ أم ت التوزيع على مستول الػ CPU كدل نستخدـ الػ GPU خبلؿ أم مرحلة. تشغيل TensrFlwOnSpark زاد من دكر الػ RAM كالوصوؿ السريع إذل ؾبموعة البياانت. الربانمجادلوزع األويل الربانمج الربانمجادلوزع على زمنالتدريب(ابلثواين) TensrFlwOnSpark زمناالختبار(ابلثواين) اليزمن قد يكوف بقي أكرب من اؼبتوقع كنيرجع السبب الرئيسي إذل أننا نقوـ ابلتوزيع ضمن جهاز كاحد فقط. الشكل :31 مقارنةزمنالربانمجبوجود TensrFlwOnSpark 96