پروژه های آماده یادگیری ماشین (Machine learning)

موضوع این پروژه آماده، دسته‌بندی بین‌زبانی متون سیاسی با استفاده از جمله‌برداری‌های چندزبانه در پایتون می باشد. با گسترش رسانه‌های دیجیتال، حجم عظیمی از متون سیاسی به زبان‌های مختلف تولید می‌شود، اما ابزارهای تحلیل پیشرفته عمدتاً برای زبان‌های پرمنبع مانند انگلیسی توسعه یافته‌اند و تحلیل سیاسی در زبان‌های کم‌منبع نیازمند هزینه‌های سنگین ترجمه و برچسب‌گذاری دستی است. در این پژوهش، با استفاده از جمله‌برداری‌های چندزبانه مانند LASER، LaBSE و مدل‌های ترنسفورمری نظیر XLM-R، به دنبال ارائه‌ی راهکاری برای دسته‌بندی بین‌زبانی متون سیاسی هستیم تا مدل آموزش‌دیده روی یک زبان، بتواند بدون آموزش مجدد یا با حداقل داده‌ی اضافی، روی زبان‌های دیگر نیز به‌کار گرفته شود. مرور پژوهش‌ها نشان می‌دهد که این رویکرد نسبت به روش‌های مبتنی بر ترجمه، از نظر هزینه و پایداری عملکرد مزیت دارد، اما چالش‌هایی نظیر سوگیری فرهنگی، عدم توازن داده‌های آموزشی و تغییر دامنه همچنان وجود دارد که نیازمند ارزیابی تفکیک‌شده و تحلیل‌های کیفی است. هدف نهایی، ارائه‌ی چارچوبی کاربردی برای تحلیل سیاسی مقیاس‌پذیر در زبان‌های مختلف با کمترین هزینه‌ی داده‌گذاری است.