HELPER: كيف بنينا مجموعة نصوص مشحونة نفسيًا وقمنا بضبط Qwen لتحليل العواطف محليًا

قدم فريق من ورشة الذكاء الاصطناعي التطبيقي في جامعة الأبحاث الوطنية (НИУ ВШЭ) وشركة VK (ألكسندر سابكو، فيكتوريا بيلافسكايا، سيرغي بافلوخين) مشروع HELPER، الذي يهدف إلى تحليل الحالة العاطفية لمؤلف النص مع مراعاة المظاهر العاطفية المحلية وديناميكياتها. الأساليب التقليدية لتحليل المشاعر (التصنيف الثنائي أو متعدد الفئات) لا تناسب النصوص ذات الحمولة النفسية، لأن العواطف تظهر بشكل مجزأ وليس كخلفية عامة. مجموعات البيانات الروسية الحالية لها مخططات تعليم مختلفة ولا تسمح بدمجها. أجرى الفريق 10 مقابلات متعمقة مع علماء نفس ممارسين، وبناءً على التحليل، طور مخططًا شاملاً للتعليم يتكون من أربعة مكونات: التقسيم العاطفي (14 عاطفة بناءً على نموذجي إيكمان وOCC)، وتقييم ردود الأخصائي النفسي وفقًا لأربعة معايير، ووسوم موضوعية، والتقييم النهائي لحالة العميل على خمسة مقاييس. تم جمع النصوص من ثلاثة مصادر: حوارات استشارية من B17.ru، وتعليقات من خرائط ياندكس، ومنشورات من فكونتاكتي مع تعليقاتها. حتى الآن، تتضمن المجموعة 786 حوارًا معلَّمة وفقًا لـ 7 عواطف (حوالي 9 ملايين رمز)، و156 حوارًا وفقًا للمخطط الموسع لـ 14 عاطفة، بالإضافة إلى التعليقات والمنشورات. لإنشاء التعليمات، تم تطوير تطبيق HELPER باستخدام تقنيات .NET 10 وASP.NET Core وBlazor وPostgreSQL مع المصادقة عبر Keycloak. يدعم التطبيق أولوية الحوارات بطريقة البحث في العمق أولاً (depth-first)، ونظام نقاط لتقييم عمل المعلِّمين، وكاشف للمستخدمين المشبوهين. لإثبات فعالية البيانات، قام الفريق بضبط نماذج Qwen-3 8B وQwen-3 14B باستخدام LoRA على مجموعته الخاصة (باستخدام الحوسبة على منصة cHARISMa في НИУ ВШЭ). يتم تطبيع الحوارات قبل المعالجة (إزالة رموز BB والروابط)، لكن الأسلوب اللغوي يُحتفظ به لأن الخصائص الكلامية مهمة للتحليل. أظهر المشروع أن المجموعة التي تم جمعها تتيح الحصول على نتائج أفضل لمهام التحليل النفسي اللغوي مقارنة بالأساليب العامة.