نظام تصفية المعلومات

📅 آخر تحديث: ٢٩ يوليو ٢٠٢٦
✍️ نُشر في: ٢٩ يوليو ٢٠٢٦
الموسوعة الحرة

نظام تصفية المعلومات هو نظام يُزيل المعلومات الزائدة أو غير المرغوب فيها من تدفق المعلومات باستخدام أساليب (شبه) آلية أو محوسبة قبل عرضها على المستخدم. هدفه الرئيسي هو إدارة فائض المعلومات وزيادة نسبة الإشارة إلى الضوضاء الدلالية . ولتحقيق ذلك، تتم مقارنة ملف تعريف المستخدم ببعض الخصائص المرجعية. قد تنشأ هذه الخصائص من عنصر المعلومات نفسه (النهج القائم على المحتوى) أو من البيئة الاجتماعية للمستخدم ( نهج التصفية التعاونية ).

بينما في نقل المعلومات، تُستخدم مرشحات معالجة الإشارات ضد الضوضاء التي تعطل بناء الجملة على مستوى البت، فإن الأساليب المستخدمة في ترشيح المعلومات تعمل على المستوى الدلالي.

تعتمد مجموعة أساليب المعالجة الآلية المستخدمة على نفس المبادئ المستخدمة في استخلاص المعلومات . ومن أبرز تطبيقاتها مجال مرشحات البريد الإلكتروني العشوائي . لذا، لا يقتصر الأمر على الانفجار المعلوماتي الذي يستدعي استخدام نوع من المرشحات، بل يشمل أيضاً المعلومات الزائفة التي تُدخل سهواً أو عن قصد .

على مستوى العرض، تتخذ عملية تصفية المعلومات شكل موجزات الأخبار القائمة على تفضيلات المستخدم ، وما إلى ذلك.

تُعدّ أنظمة التوصية ومنصات اكتشاف المحتوى أنظمةً فعّالة لتصفية المعلومات، تسعى إلى عرض عناصر معلوماتية ( أفلام ، برامج تلفزيونية ، موسيقى ، كتب ، أخبار ، صفحات ويب ) تهمّ المستخدم. تُضيف هذه الأنظمة عناصر معلوماتية إلى تدفق المعلومات المُوجّهة للمستخدم، بدلاً من حذفها منه. تستخدم أنظمة التوصية عادةً أساليب التصفية التعاونية ، أو مزيجًا من التصفية التعاونية والتصفية القائمة على المحتوى، مع وجود أنظمة توصية قائمة على المحتوى أيضًا.

تاريخ

قبل ظهور الإنترنت ، كانت هناك بالفعل عدة طرق لتصفية المعلومات ؛ على سبيل المثال، قد تتحكم الحكومات في تدفق المعلومات وتقيده في بلد معين عن طريق الرقابة الرسمية أو غير الرسمية.

مثال آخر على تصفية المعلومات هو عمل محرري الصحف والصحفيين الذين يقدمون خدمة انتقاء المعلومات الأكثر قيمة لعملائهم، أي قراء الكتب والمجلات والصحف، ومستمعي الراديو ، ومشاهدي التلفزيون . وتُطبّق هذه العملية أيضًا في المدارس والجامعات، حيث تُختار المعلومات لتقديم المساعدة للطلاب، بناءً على معايير أكاديمية. مع ظهور الإنترنت، أصبح بإمكان أي شخص نشر أي شيء يرغب فيه بتكلفة منخفضة. ونتيجةً لذلك، ازدادت كمية المعلومات غير المفيدة بشكل ملحوظ، وبالتالي تحسّنت جودة المعلومات المتاحة. وبسبب هذه المشكلة، بدأت الجهود لتطوير آليات تصفية المعلومات للحصول على المعلومات المطلوبة لكل موضوع محدد بسهولة وكفاءة.

عملية

يتألف نظام التصفية هذا من عدة أدوات تساعد المستخدمين في العثور على المعلومات الأكثر قيمة، مما يضمن توجيه وقتهم المحدود المخصص للقراءة أو الاستماع أو المشاهدة نحو الوثائق الأكثر إثارة للاهتمام وفائدة. تُستخدم هذه المرشحات أيضًا لتنظيم المعلومات وهيكلتها بطريقة صحيحة ومفهومة، بالإضافة إلى تجميع الرسائل في البريد الإلكتروني المُرسل. تُعد هذه المرشحات أساسية في نتائج محركات البحث على الإنترنت. وتتحسن وظائف التصفية يومًا بعد يوم لتحسين تحميل ملفات الويب والرسائل بشكل أكثر فعالية.

معيار

أحد المعايير المستخدمة في هذه الخطوة هو ما إذا كانت المعرفة ضارة أم لا، وما إذا كانت المعرفة تُتيح فهمًا أفضل بوجود المفهوم أو بدونه. في هذه الحالة، تتمثل مهمة تصفية المعلومات في تقليل المعلومات الضارة أو إزالتها باستخدام المعرفة.

نظام التعلم

يتكون نظام محتوى التعلم، بشكل عام، من ثلاث مراحل أساسية:

  1. أولاً، نظام يوفر حلولاً لمجموعة محددة من المهام.
  2. وبعد ذلك، تخضع لمعايير تقييم تقيس أداء المرحلة السابقة فيما يتعلق بحلول المشكلات.
  3. وحدة الاستحواذ التي يتم الحصول على المعرفة من مخرجاتها والتي تستخدم في حل النظام للمرحلة الأولى.

مستقبل

لا تكمن المشكلة حاليًا في إيجاد أفضل طريقة لفلترة المعلومات ، بل في كيفية تعلم هذه الأنظمة لاحتياجات المستخدمين المعلوماتية بشكل مستقل. لا يقتصر الأمر على أتمتة عملية الفلترة فحسب ، بل يشمل أيضًا بناء الفلتر وتكييفه. تُعدّ بعض الفروع القائمة على ذلك، مثل الإحصاء، والتعلم الآلي، والتعرف على الأنماط، واستخراج البيانات، أساسًا لتطوير فلاتر معلوماتية تظهر وتتطور بناءً على الخبرة. ولإتمام عملية التعلم، يجب فلترة جزء من المعلومات مسبقًا، ما يعني وجود أمثلة إيجابية وسلبية تُسمى بيانات التدريب، والتي يمكن توليدها بواسطة خبراء، أو من خلال ملاحظات المستخدمين العاديين.

خطأ

مع إدخال البيانات، يُضيف النظام قواعد جديدة؛ فإذا افترضنا أن هذه البيانات تُعمّم معلومات بيانات التدريب، فعلينا تقييم تطوير النظام وقياس قدرته على التنبؤ الصحيح بفئات المعلومات الجديدة . تُبسط هذه الخطوة بفصل بيانات التدريب في سلسلة جديدة تُسمى "بيانات الاختبار" التي سنستخدمها لقياس معدل الخطأ. من المهم عمومًا التمييز بين أنواع الأخطاء (النتائج الإيجابية الخاطئة والنتائج السلبية الخاطئة). على سبيل المثال، في حالة مُجمّع محتوى للأطفال، لا يُعد السماح بمرور معلومات غير مناسبة لهم، كالعنف أو المواد الإباحية، بنفس خطورة الخطأ في حذف بعض المعلومات المناسبة. لتحسين النظام وخفض معدلات الخطأ، ولجعل هذه الأنظمة ذات قدرات تعلم تُضاهي قدرات البشر، نحتاج إلى تطوير أنظمة تُحاكي القدرات المعرفية البشرية، مثل فهم اللغة الطبيعية ، واستخلاص المعنى العام، وغيرها من أشكال المعالجة المتقدمة لفهم دلالات المعلومات.

مجالات الاستخدام

تتوفر اليوم تقنيات عديدة لتطوير مرشحات المعلومات، وقد حققت بعضها معدلات خطأ أقل من 10% في تجارب مختلفة. ومن بين هذه التقنيات: أشجار القرار، وآلات المتجهات الداعمة، والشبكات العصبية، والشبكات البايزية، والمميز الخطي، والانحدار اللوجستي، وغيرها. وتُستخدم هذه التقنيات حاليًا في تطبيقات متنوعة، ليس فقط في مجال الويب، بل في مجالات أخرى كتمييز الصوت، وتصنيف علم الفلك التلسكوبي، وتقييم المخاطر المالية.

انظر أيضاً

مراجع