ملخص النصوص العربية

هناك نوعان رئيسيّان من التلخيص الآليّ، يختلفان في الفلسفة والنتيجة:

التلخيص الاستخراجيّ (Extractive): يختار جملاً موجودة فعلياً في النصّ الأصليّ ويعرضها كما هي، بنفس الكلمات والترتيب. الناتج مضمون أن يكون «أمين» للأصل — لا اختراع ولا هلوسة — لكنّه قد يبدو مفكّكاً لأنّ الجمل المختارة قد لا تتدفّق سلساً.

التلخيص التوليديّ (Abstractive): يُعيد صياغة الأفكار بكلمات جديدة، تماماً كما يفعل الإنسان حين يلخّص. الناتج أكثر سلاسةً، لكنّه يحمل خطر «الهلوسة» — أي إضافة معلومات لم تكن في الأصل، أو تحريف المعنى. يتطلّب نماذج لغويّة كبيرة (LLMs) كـ GPT-4 أو Claude، وغالباً يعمل عبر API سحابيّ، ممّا يعني تكلفة وإرسال النصّ لخادم خارجيّ.

هذه الأداة استخراجيّة محضة. لا ترسل نصّك إلى أيّ خادم، لا تعتمد على نموذج خارجيّ، ولا تكشف محتواك لأيّ طرف ثالث. مناسبة لتلخيص الوثائق الحسّاسة، المسوّدات الصحفيّة، التقارير الداخليّة، أو أيّ نصّ لا تريد أن يمرّ على خوادم OpenAI أو Anthropic أو Google.

الخوارزميّة تستند إلى تقنية كلاسيكيّة في معالجة اللغة الطبيعيّة تُعرف بـ «التكرار المرجَّح» (Term Frequency مع تعديلات). تعمل في ثلاث خطوات:

الخطوة 1: تقسيم النصّ إلى جمل باستخدام علامات الترقيم العربيّة والإنجليزيّة (الفاصلة، الفاصلة المنقوطة، علامة الاستفهام، علامة التعجّب، النقطة، وأسطر جديدة متعدّدة). الأداة تتعامل مع علامات الترقيم العربيّة (؟ ؛ ،) بشكل خاصّ، وتراعي حالات الاختصار («د.» للدكتور، «أ.» للأستاذ) لتجنّب كسر الجملة في المكان الخطأ.

الخطوة 2: حساب تكرار الكلمات في النصّ كاملاً بعد حذف الكلمات الوظيفيّة (سنتحدّث عنها بعد قليل). الكلمات الأكثر تكراراً تُعتبر «مفتاحيّة». مثلاً، في مقال عن «الاقتصاد السعوديّ»، كلمتا «الاقتصاد» و«السعوديّ» ستتكرّران كثيراً وستحصلان على وزن عالٍ.

الخطوة 3: تسجيل كلّ جملة بناءً على متوسّط وزن كلماتها الموضوعيّة، مع تطبيع حسب طول الجملة (لمنع تفضيل الجمل الطويلة فقط). تُضاف علاوة الموقع للجمل المبكّرة (+15% للجملة الأولى، +10% للثانية، +5% للثالثة) لأنّ النصوص الجيّدة عادة تضع الفكرة الرئيسيّة في المقدّمة.

أخيراً، تُرتَّب الجمل حسب الدرجة، وتُختار الأعلى بنسبة معيّنة، ثمّ تُعاد إلى ترتيبها الأصليّ في الملخّص (لحفظ تدفّق المعنى).

لكي لا تُهيمن كلمات مثل «في» و«من» على التكرار وتُخفي الكلمات الموضوعيّة الحقيقيّة، تستخدم الأداة قائمة كلمات وظيفيّة (stopwords) تشمل:

حروف الجرّ: في، من، إلى، على، عن، بـ، لـ، كـ، مع، عند، حتّى، منذ.

الضمائر: هو، هي، هم، هنّ، أنا، نحن، أنت، أنتم، هذا، هذه، ذلك، تلك، التي، الذي، الذين.

الروابط: و، أو، ثمّ، فـ، لكن، إذا، إن، أنّ، إنّ، كأنّ، لعلّ، ليت.

الأفعال المساعدة: كان، صار، أصبح، ظلّ، بات، ليس، أمسى، أضحى.

القائمة الإجماليّة تحوي نحو 200 كلمة. الأداة أيضاً تُطبّع التشكيل قبل المطابقة، فلا فرق بين «فِي» و«في» في الحساب.

المقياس الانزلاقيّ يتيح لك اختيار نسبة الجمل المحتفظ بها (من 10% إلى 70%). الافتراضيّ هو 30% وهو يوازن بين الإيجاز والاحتفاظ بالمعنى. لكنّ النسبة المثلى تختلف بحسب نوع النصّ:

للنصوص الأكاديميّة الكثيفة (أبحاث، أطروحات، تقارير علميّة): ابدأ بـ 40-50%. هذه النصوص مكتظّة بالحقائق والأرقام، ومعظم جملها تحمل معلومة جديدة، لذا الاستخراج العميق يفقد كثيراً من القيمة.

للأخبار والمقالات الصحفيّة: 20-30% كافية، لأنّ الجملة الأولى في المقال الصحفيّ الجيّد (لعبة الهرم المقلوب) تحمل الخلاصة، والفقرات اللاحقة هي تفاصيل تكميليّة.

للمحتوى التسويقيّ والإعلانيّ: 15-20% لاستخراج رسائل مفتاحيّة فقط. هذه النصوص فيها حشو وتكرار مقصودَين للإقناع، وقيمتها المعلوماتيّة الفعليّة منخفضة.

للقصص والروايات والنصوص الأدبيّة: لا تستخدم التلخيص الاستخراجيّ. الأدب يعتمد على التراكم العاطفيّ والصور المتسلسلة، والاستخراج يكسر هذا التأثير. استخدم تلخيصاً توليدياً (LLM) أو لخّص يدوياً.

لمحاضر الاجتماعات: 30-40%. هذه النصوص فيها مزيج من قرارات مهمّة وحشو شفهيّ. النسبة المتوسّطة تُبقي القرارات وتحذف الحشو.

التلخيص الاستخراجيّ لا يفهم النصّ كما يفهمه إنسان، ولا كما يفهمه LLM. قد تحدث أخطاء يجب أن تكون واعياً بها:

كسر السياق: جملة تشير إلى شيء ورد قبلها قد تظهر في الملخّص دون مرجعها («وهذا ما أكّده الباحث» — أيّ باحث؟ الذي ذُكر في جملة سابقة لم تَدخل الملخّص). الحلّ: راجع الملخّص واستبدل الإشارات الغامضة بأسماء صريحة.

إغفال أفكار مهمّة: إذا كانت الفكرة معبَّراً عنها بكلمات نادرة لم تتكرّر في النصّ، قد لا تظهر في الترتيب الأعلى. الخوارزميّة تُكافئ التكرار، لا الأهمّيّة الدلاليّة.

تكرار المعنى: قد تظهر جملتان في الملخّص تحملان نفس الفكرة بصياغات مختلفة، لأنّ كلتيهما تحوي كلمات مفتاحيّة عالية الوزن. الخوارزميّة لا تكتشف التشابه الدلاليّ بين الجمل.

لا إعادة صياغة: الجمل تظهر كما كُتبت تماماً، حتّى لو كانت ركيكة أو طويلة جداً. لا تحسين في الأسلوب.

لا فهم للسخريّة أو التورية: جملة ساخرة قد تُختار باعتبارها رأياً جدّياً.

لذا، تعامل مع الناتج كنقطة بداية تحتاج مراجعة إنسانيّة، لا كنصّ نهائيّ.

تلخيص تقارير داخليّة: تقرير شهريّ من 20 صفحة تُلخّصه إلى صفحة واحدة لمشاركتها مع الإدارة العليا، دون إرسال البيانات الحسّاسة إلى ChatGPT.

تحضير ملخّصات للمذاكرة: طالب يلخّص فصلاً دراسياً قبل الامتحان. الاستخراجيّ مناسب هنا لأنّه يحافظ على المصطلحات التقنيّة الدقيقة كما هي.

مراجعة محاضر اجتماعات: محضر اجتماع طويل يُلخَّص إلى نقاط القرار الأساسيّة.

قراءة مقالات بحثيّة: باحث يقرأ 50 مقالاً ويريد ملخّصاً سريعاً لكلّ منها قبل اختيار ما يستحقّ القراءة الكاملة.

استخدم هذه الأداة الاستخراجيّة حين: النصّ سرّيّ، الميزانيّة صفر، تريد ضمان «الأمانة للأصل» (لا هلوسة)، تحتاج سرعة فوريّة دون انتظار API، أو تعمل دون إنترنت.

استخدم LLM حين: النصّ مسموح بمشاركته، تريد ملخّصاً سلساً مُعاد الصياغة، تحتاج التعامل مع نصّ أدبيّ أو ساخر، أو تحتاج ملخّصاً متعدّد اللغات.

كثير من الباحثين يستخدمون نهجاً مختلطاً: استخراجيّ أوّلاً لتقليل النصّ إلى 30%، ثمّ LLM لإعادة صياغة الناتج. يوفّر تكلفة الـAPI ويحافظ على الأمانة النسبيّة.

كلّ المعالجة تحدث محلياً في متصفّحك باستخدام JavaScript فقط. لا طلبات شبكة، لا تسجيل دخول، لا حفظ على خوادمنا. النصّ الذي تُلصقه لا يغادر جهازك مطلقاً.

مقياس ROUGE. الأشهر في تقييم التلخيص. يقيس تداخل الكلمات بين الملخّص الآليّ والملخّصات المرجعيّة البشريّة. ROUGE-1 يقيس الكلمات المفردة، ROUGE-2 يقيس الثنائيّات (bigrams)، وROUGE-L أطول تسلسل مشترك.

مقياس BLEU. مُصمَّم أصلاً للترجمة لكنّه يُستخدم أحياناً للتلخيص. يميل لتفضيل الدقّة (precision) على حساب الاستدعاء (recall). أقلّ شيوعاً من ROUGE في أبحاث التلخيص.

مقياس BERTScore. حديث ومبنيّ على نماذج لغويّة كبيرة. يقيس التشابه الدلاليّ بدلاً من التطابق اللفظيّ، فهو أفضل في التقاط إعادة الصياغة. أبطأ حسابياً لكنّه أكثر ارتباطاً بالتقييم البشريّ.

التقييم البشريّ. رغم تقدّم المقاييس الآليّة، يبقى التقييم البشريّ المعيار الذهبيّ. اختر ثلاثة محكّمين على الأقلّ، واطلب تقييم الملخّص على أربعة محاور: الاحتفاظ بالمعنى، الإيجاز، الترابط، صحّة اللغة.

اتّساق التقييم. احسب معامل kappa بين المحكّمين لقياس اتّفاقهم. لو أقلّ من 0.6، فالمعايير غير واضحة وتحتاج إعادة تعريف قبل المتابعة.

تكامل عبر API. نوفّر نقطة طرفيّة POST /api/summarize تقبل نصّاً وطول الملخّص المطلوب (نسبة مئوية أو عدد كلمات). تعيد الملخّص مع درجة ثقة وقائمة الجمل الأهمّ.

دفعات غير متزامنة. لمعالجة عدد كبير من المقالات، استخدم queue مثل RabbitMQ أو Amazon SQS. أرسل كلّ مقال كرسالة منفصلة، وعمّل العمّال (workers) بالتوازي.

تكامل مع CMS. ربط الأداة بـWordPress أو Drupal عبر plugin يولّد ملخّصاً تلقائياً لكلّ مقال جديد ويحفظه في حقل مخصّص. مفيد للصفحات التصنيفيّة وللميتا.

تكامل مع البريد الإلكترونيّ. أرسل نشرة يوميّة تحتوي ملخّصات أهمّ المقالات لقرّاءك. الأدوات مثل SendGrid أو Mailgun تسهّل توليد القوالب الديناميكيّة.

تكامل مع Slack أو Teams. روبوت يلخّص المقالات التي تُشارَك في القناة ويردّ بالملخّص بشكل تلقائيّ، فيوفّر للفريق وقت قراءة المقال كاملاً.

غرفة الأخبار. صحيفة إقليميّة تستخدم التلخيص لتوليد ملخّص مكوّن من ثلاثة أسطر لكلّ خبر يظهر على الصفحة الرئيسيّة. أتاح هذا للقرّاء فرز الأخبار بسرعة، فزاد CTR بنسبة 22% خلال شهرين.

الفرق القانونيّة. مكاتب محاماة تلخّص العقود الطويلة (مئة صفحة أو أكثر) إلى صفحة واحدة تبرز البنود المهمّة. توفّر ساعات من القراءة لكلّ عقد، خصوصاً في المراجعات الأوّليّة قبل التعمّق.

الباحثون الأكاديميّون. طلّاب الدكتوراه يلخّصون عشرات الأبحاث في يوم واحد لتحديد أيّها يستحقّ القراءة كاملاً. الملخّصات الآليّة لا تحلّ محلّ القراءة العميقة، لكنّها تساعد في الفرز الأوّليّ.

الشركات الاستشاريّة. فرق الاستراتيجيّة تلخّص تقارير الصناعة الكبيرة (تقارير McKinsey، Deloitte، Gartner) لاستخراج النقاط الأساسيّة في عرض للعملاء. توفّر يوم عمل لكلّ تقرير.

منصّات التعلّم. منصّات الدورات الإلكترونيّة تولّد ملخّصاً لكلّ درس كنقطة مراجعة قبل الاختبار. الطلّاب الذين يستخدمون الملخّصات يحقّقون درجات أعلى بمتوسّط 11%.

المرحلة الأولى: استخراج. استخدم خوارزميّة استخراجيّة (مثل TextRank أو LexRank) لاختيار أهمّ عشر إلى خمس عشرة جملة من النصّ الأصليّ. سريعة، ولا تخترع محتوى، وقابلة للتدقيق.

المرحلة الثانية: إعادة صياغة. مرّر الجمل المختارة عبر نموذج لغويّ كبير (LLM) لإعادة صياغتها بشكل مترابط ومتدفّق. النتيجة ملخّص يقرأ كأنّه كتبه إنسان، مع الاحتفاظ بصحّة المعلومات.

التحقّق المتقاطع. بعد الإعادة، قارن الملخّص النهائيّ بالجمل المستخرجة للتأكّد أنّ الـLLM لم يضف معلومات لم تكن موجودة (هلوسة). أيّ ادّعاء جديد يجب أن يحذف أو يحقّق منه.

التكلفة والكفاءة. المرحلة الاستخراجيّة شبه مجّانيّة حسابياً، ومرحلة الـLLM تعالج فقط الجزء المهمّ من النصّ بدل النصّ كاملاً. هذا يقلّل تكلفة الـtokens بنحو 70% مقارنة بالتلخيص الكامل بـLLM.

متى تتجنّب الهجين. للنصوص القصيرة (أقلّ من خمسمائة كلمة)، استخدم الـLLM مباشرة. التكلفة الإضافيّة بسيطة، والمرحلة الاستخراجيّة قد تفقد فروقاً دقيقة في نصوص قصيرة.

هل التلخيص يحفظ الحقائق؟ الاستخراجيّ نعم بشكل كامل. التوليديّ قد يضيف هلوسات نادرة. استخدم الهجين لجمع المزايا.

ما الطول الأمثل للملخّص؟ القاعدة المتعارفة عشر إلى عشرين بالمائة من النصّ الأصليّ. للأخبار، ثلاث إلى خمس جمل. للأبحاث، فقرة كاملة.

هل تدعم الأداة لغات أخرى غير العربيّة؟ نعم. ندعم العربيّة والإنجليزيّة بالأساس، مع دعم تجريبيّ للفرنسيّة والإسبانيّة.

هل تعمل على نصوص رياضيّة أو معادلات؟ الأداة لا تفهم المعادلات بشكل دلاليّ. ستحتفظ بها كنصّ، لكنّها لن تتعامل معها كرموز رياضيّة.

هل أحتاج حساباً؟ لا للاستخدام الأساسيّ. الحساب اختياريّ للحفاظ على سجلّ تلخيصاتك السابقة.

التلخيص الاستخراجيّ (Extractive). ينتقي أهمّ الجمل من النصّ الأصليّ ويعيد ترتيبها. مزاياه: دقّة عالية لأنّ المحتوى نصّ أصليّ حرفيّ، ولا يخترع معلومات. عيوبه: قد ينتج تلخيصاً مفكّكاً بين الجمل. مناسب للأبحاث العلميّة والوثائق القانونيّة حيث الأمانة النصّيّة أولويّة.

التلخيص التجريديّ (Abstractive). يعيد صياغة الأفكار بكلمات جديدة. مزاياه: أسلوب متماسك وانسيابيّ. عيوبه: قد يخترع معلومات (hallucinations) أو يحرّف الأرقام. مناسب للمدوّنات وملخّصات المحتوى الإعلاميّ. تحقّق دائماً من الأرقام والأسماء.

التلخيص الهجين (Hybrid). يستخرج الجمل الأهمّ ثمّ يعيد صياغتها بشكل متماسك. مزاياه: يجمع الأمانة والانسيابيّة. عيوبه: أبطأ وأكثر تكلفة حسابيّاً. أداتنا تستخدم هذا النموذج كخيار افتراضيّ للنصوص بين 1000 و10,000 كلمة.

التلخيص متعدّد الوثائق. يقرأ عدّة مصادر ويُنتج ملخّصاً موحّداً يجمع وجهات النظر. مفيد للصحفيّين الذين يغطّون قصّة من عدّة مصادر، أو الباحثين الذين يجمعون أدبيّات حول موضوع. خاصّيّة متقدّمة في الإصدار المدفوع.

الصحافة. صحفيّ يغطّي حدثاً اقتصاديّاً قد يحتاج قراءة 50 تقريراً يوميّاً. التلخيص يختصرها إلى ملفّ من 5 صفحات يقرأه في 20 دقيقة. الإنتاجيّة تتضاعف ثلاث مرّات حسب دراسة جامعة Columbia 2024 على غرف الأخبار المعتمدة على AI.

الأبحاث الأكاديميّة. طالب دكتوراه يجري مراجعة أدبيّات على 200 ورقة بحثيّة قد يستغرق ستّة أشهر بالطريقة التقليديّة. التلخيص الآليّ يختصر الوقت إلى أسابيع، مع الاحتفاظ بقراءة عميقة للأوراق الأهمّ التي يحدّدها الملخّص.

تقارير الأعمال. مدراء تنفيذيّون يتلقّون عشرات التقارير أسبوعيّاً. تلخيص كلّ تقرير إلى فقرة من خمس جمل يحفظ ساعات من القراءة ويتيح اتّخاذ قرارات أسرع. كثير من شركات الاستشارات تستخدم تلخيصاً آليّاً كطبقة أولى قبل القراءة البشريّة.

التعليم. معلّمون يحضّرون ملخّصات للطلّاب من كتب طويلة. الأداة تنتج المسوّدة، ثمّ يراجعها المعلّم لضمان الدقّة التربويّة. توفّر ساعات تحضير، وتسمح بتركيز الوقت على التفاعل الصفّيّ بدل النقل اليدويّ.

السياق الثقافيّ. النماذج اللغويّة الحديثة قد تخفق في فهم الإشارات الثقافيّة العميقة (أمثال، استعارات، إيحاءات). نصّ ساخر قد يُلخّص بشكل حرفيّ يفقده المعنى. مراجعة بشريّة ضروريّة للمحتوى الأدبيّ أو السياسيّ الحسّاس.

المحتوى التقنيّ المتخصّص. ورقة بحثيّة في الفيزياء النوويّة أو الطبّ المتقدّم تحتاج فهماً عميقاً للمصطلحات. النماذج العامّة قد تخلط بين مفاهيم متشابهة. للمحتوى المتخصّص جدّاً، استخدم نماذج مدرّبة على المجال المعنيّ.

الأرقام والإحصائيّات. النماذج اللغويّة معروفة بالأخطاء في الأرقام: قد تخلط بين 3.7% و37%، أو تنسب رقماً لمصدر خاطئ. لو كان التلخيص يحتوي أرقاماً حسّاسة، تحقّق منها يدويّاً قبل النشر أو الاستشهاد.

التحيّز. النماذج تعكس التحيّزات الموجودة في بيانات تدريبها. تلخيص نصّ سياسيّ مثلاً قد يميل إلى وجهة نظر معيّنة دون قصد. اقرأ النصّ الأصليّ، خصوصاً للقرارات المهمّة، ولا تعتمد على التلخيص بمفرده.

التلخيص الشخصيّ. الجيل القادم من الأدوات يتعلّم تفضيلات المستخدم: ما المعلومات التي يهتمّ بها، ما الأسلوب الذي يفضّله، ما طول الملخّص المثاليّ. التلخيص يصبح مفصّلاً لكلّ قارئ بدل القالب الموحّد.

التلخيص متعدّد الوسائط. يقرأ النصّ والصور والفيديو معاً. تقرير صحفيّ مرفق بصور وفيديو يُلخّص بحيث الصور والمقاطع المهمّة تذكر صراحة. مفيد للمحتوى الإعلاميّ الحديث الذي لا ينفصل فيه النصّ عن الوسائط.

التلخيص التفاعليّ. بدل ملخّص ثابت، يحصل القارئ على ملخّص قصير يستطيع توسيعه عند الحاجة. سؤال «أعطني تفاصيل أكثر عن الفقرة الثالثة» يُنتج توسيعاً ذكيّاً. أدوات مثل Notion AI وMem.ai بدأت تجربة هذا النمط.