در دنیای امروز، حجم عظیمی از اخبار به صورت روزانه منتشر می‌شود. رصد و تحلیل خودکار این اخبار، از اهمیت فزاینده‌ای برخوردار است. برخلاف متون سنتی، اخبار دارای یک بُعد زمانی هستند که تحولات و تغییرات آن‌ها را در طول زمان نشان می‌دهد. با این حال، تلاش‌های اندکی برای ترکیب پردازش زبان طبیعی (NLP) و مدل‌های سیستم دینامیکی در این زمینه صورت گرفته است. یکی از دلایل این امر، چالش‌های موجود در مدل‌سازی ریاضی ظرافت‌های زبان طبیعی است. این مقاله به بررسی یک رویکرد جدید برای مدل‌سازی تحول متن و پوشش خبری با استفاده از گراف‌ها و فرآیند هاکس می‌پردازد.

این مقاله توسط Honggen Zhang و June Zhang به رشته تحریر درآمده است. زمینه تحقیقاتی این مقاله، ترکیبی از حوزه‌های محاسبات و زبان، هوش مصنوعی و سیستم‌ها و کنترل است. نویسندگان با بهره‌گیری از دانش خود در این حوزه‌ها، به دنبال ارائه یک مدل جامع برای درک و پیش‌بینی تحولات خبری در طول زمان هستند.

این مقاله به بررسی چگونگی ایجاد یک مجموعه داده جدید از مقالات خبری جمع‌آوری شده در طول زمان می‌پردازد. سپس، یک روش برای تبدیل متن اخبار جمع‌آوری شده در طول زمان به یک توالی از گراف‌های چندگانه جهت‌دار ارائه می‌دهد. این گراف‌ها، سه‌گانه‌های معنایی (Subject -> Predicate -> Object) را نشان می‌دهند. دینامیک تغییرات توپولوژیکی خاص در این گراف‌ها، با استفاده از مجموعه‌ای از سری‌های شمارش چندمتغیره مدل‌سازی می‌شود که با فرآیند هاکس گسسته-زمان برازش می‌شوند. نتایج به دست آمده از داده‌های واقعی نشان می‌دهد که سری‌های زمانی چندمتغیره، حاوی اطلاعات دینامیکی از تعداد مقالات/کلمات منتشر شده در هر روز و اطلاعات معنایی از محتوای مقالات هستند. این امر، بینش‌های جدیدی را در مورد نحوه پوشش رویدادهای خبری ارائه می‌دهد. آزمایش‌ها نشان می‌دهد که رویکرد پیشنهادی می‌تواند برای استنباط اینکه آیا مقالات توسط رسانه‌های خبری اصلی یا رسانه‌های سرگرمی منتشر شده‌اند، مورد استفاده قرار گیرد.

روش‌شناسی این تحقیق شامل چندین مرحله کلیدی است:

• جمع‌آوری داده‌ها: ایجاد یک مجموعه داده جدید از مقالات خبری جمع‌آوری شده در طول زمان. این مرحله شامل جمع‌آوری مقالات از منابع مختلف خبری و سازماندهی آن‌ها بر اساس زمان انتشار است.
• تبدیل متن به گراف: تبدیل متن اخبار به یک توالی از گراف‌های چندگانه جهت‌دار. در این مرحله، هر مقاله خبری به مجموعه‌ای از سه‌گانه‌های معنایی (Subject -> Predicate -> Object) تجزیه می‌شود و سپس این سه‌گانه‌ها به عنوان گره‌ها و یال‌های گراف نمایش داده می‌شوند.
• مدل‌سازی دینامیک گراف: مدل‌سازی دینامیک تغییرات توپولوژیکی در گراف‌ها با استفاده از سری‌های شمارش چندمتغیره. این مرحله شامل شناسایی الگوهای تغییر در ساختار گراف‌ها در طول زمان و مدل‌سازی این الگوها با استفاده از توابع ریاضی است.
• برازش فرآیند هاکس: برازش فرآیند هاکس گسسته-زمان بر روی سری‌های شمارش چندمتغیره. فرآیند هاکس یک مدل آماری است که برای توصیف پدیده‌های خود-تحریکی (self-exciting) استفاده می‌شود. در این تحقیق، از فرآیند هاکس برای مدل‌سازی نحوه تأثیر انتشار یک مقاله خبری بر احتمال انتشار مقالات خبری دیگر استفاده می‌شود.
• ارزیابی مدل: ارزیابی عملکرد مدل با استفاده از داده‌های واقعی. در این مرحله، مدل پیشنهادی بر روی داده‌های واقعی آزمایش می‌شود و دقت آن در پیش‌بینی تحولات خبری ارزیابی می‌شود.

به عنوان مثال، فرض کنید یک خبر دربارهٔ زلزله در تهران منتشر می‌شود. این خبر را می‌توان به سه‌گانه‌های معنایی زیر تجزیه کرد:

• Subject: زلزله
• Predicate: رخ داد
• Object: تهران

سپس، این سه‌گانه‌ها به عنوان گره‌ها و یال‌های گراف نمایش داده می‌شوند. با گذشت زمان و انتشار اخبار بیشتر دربارهٔ زلزله، ساختار گراف تغییر می‌کند و گره‌ها و یال‌های جدیدی به آن اضافه می‌شوند. مدل پیشنهادی، این تغییرات را رصد و تحلیل می‌کند و به دنبال شناسایی الگوهای تکرارشونده در آن‌ها است.

یافته‌های کلیدی این تحقیق عبارتند از:

• سری‌های زمانی چندمتغیره، حاوی اطلاعات دینامیکی از تعداد مقالات/کلمات منتشر شده در هر روز و اطلاعات معنایی از محتوای مقالات هستند.
• فرآیند هاکس می‌تواند به طور موثری برای مدل‌سازی نحوه تأثیر انتشار یک مقاله خبری بر احتمال انتشار مقالات خبری دیگر استفاده شود.
• رویکرد پیشنهادی می‌تواند برای استنباط اینکه آیا مقالات توسط رسانه‌های خبری اصلی یا رسانه‌های سرگرمی منتشر شده‌اند، مورد استفاده قرار گیرد.

به عنوان مثال، یافته‌ها نشان می‌دهد که انتشار یک خبر مهم در یک رسانه خبری اصلی، احتمال انتشار اخبار مشابه در سایر رسانه‌های خبری اصلی را افزایش می‌دهد. در مقابل، انتشار یک خبر سرگرم‌کننده در یک رسانه سرگرمی، احتمال انتشار اخبار مشابه در سایر رسانه‌های سرگرمی را افزایش می‌دهد.

این تحقیق دارای کاربردهای بالقوه فراوانی است، از جمله:

• رصد و تحلیل خودکار اخبار: مدل پیشنهادی می‌تواند برای رصد و تحلیل خودکار اخبار و شناسایی ترندهای خبری در طول زمان مورد استفاده قرار گیرد.
• پیش‌بینی تحولات خبری: مدل پیشنهادی می‌تواند برای پیش‌بینی تحولات خبری و تخمین احتمال وقوع رویدادهای خبری در آینده مورد استفاده قرار گیرد.
• تشخیص اخبار جعلی: مدل پیشنهادی می‌تواند برای تشخیص اخبار جعلی و شناسایی منابع خبری غیرمعتبر مورد استفاده قرار گیرد.
• بهبود توصیه‌های خبری: مدل پیشنهادی می‌تواند برای بهبود توصیه‌های خبری و ارائه اخبار مرتبط به کاربران بر اساس علایق و ترجیحات آن‌ها مورد استفاده قرار گیرد.

یکی از دستاوردهای مهم این تحقیق، ارائه یک روش جدید برای ترکیب پردازش زبان طبیعی و مدل‌های سیستم دینامیکی در زمینه تحلیل اخبار است. این روش، امکان درک عمیق‌تری از تحولات خبری در طول زمان را فراهم می‌کند و می‌تواند به توسعه ابزارهای هوشمند برای رصد، تحلیل و پیش‌بینی اخبار کمک کند.

این مقاله، یک رویکرد نوین برای مدل‌سازی تحول متن و پوشش خبری با استفاده از گراف‌ها و فرآیند هاکس ارائه می‌دهد. این رویکرد، امکان درک عمیق‌تری از دینامیک اخبار و پیش‌بینی تحولات خبری را فراهم می‌کند. یافته‌های این تحقیق می‌تواند در زمینه‌های مختلفی از جمله رصد و تحلیل خودکار اخبار، تشخیص اخبار جعلی و بهبود توصیه‌های خبری مورد استفاده قرار گیرد. با توجه به حجم رو به افزایش اطلاعات و اهمیت تحلیل دقیق و به موقع اخبار، این تحقیق می‌تواند گامی موثر در راستای توسعه سیستم‌های هوشمند تحلیل خبر باشد.