تركيب Label Studio لوسم البيانات العربية

مقدمة في بناء مجموعات البيانات العربية

نجاح أي نموذج ذكاء اصطناعي (خاصة في المهام الدقيقة للغة العربية) يعتمد بشكل أساسي على جودة البيانات التي تدرب عليها. بالنسبة للباحثين والمؤسسات التي تحتاج لتدريب نماذج مخصصة لاستخراج الكيانات المسماة (Named Entity Recognition – NER) كاستخراج الأسماء، التواريخ، أو المواقع من الوثائق، يُعد Label Studio الأداة مفتوحة المصدر الأفضل لإنجاز هذه المهمة بشكل تعاوني ومنظم.

ما هو Label Studio؟

هو أداة متقدمة ومتعددة الاستخدامات لوسم البيانات (Data Labeling). يدعم وسم النصوص، الصور، والصوتيات. ما يجعله مثالياً للغة العربية هو مرونته العالية في تخصيص واجهة الاستخدام ودعمه الكامل لاتجاه النص من اليمين لليسار (RTL) عند التكوين الصحيح.

خطوات التثبيت وإعداد المشروع

1. تثبيت Label Studio

أسهل وأأمن طريقة لتثبيت الأداة محلياً أو على خادم المؤسسة هي باستخدام Docker لمنع تداخل الاعتماديات البرمجية. افتح سطر الأوامر (Terminal) ونفذ الأمر التالي:

docker run -it -p 8080:8080 -v $(pwd)/mydata:/label-studio/data heartexlabs/label-studio:latest

هذا الأمر سيبدأ تشغيل الخادم ويربط مجلد mydata لحفظ مشاريعك بشكل دائم. افتح المتصفح على http://localhost:8080 وقم بإنشاء حسابك الأول (سيكون هو حساب المسؤول).

2. إنشاء مشروع NER مخصص للعربية

بعد تسجيل الدخول، اضغط على زر Create Project:

• قم بتسمية المشروع، على سبيل المثال “استخراج الكيانات القانونية العربية”.
• في قسم رفع البيانات (Data Import)، قم برفع ملف .txt أو .csv يحتوي على النصوص العربية المراد وسمها.
• انتقل إلى علامة التبويب (Labeling Setup). من القوالب الجاهزة اختر Natural Language Processing -> Named Entity Recognition.

3. تخصيص واجهة الوسم (RTL)

في نفس واجهة إعداد الوسم، قم بالتبديل إلى وضع عرض الكود (Code Mode). ستحتاج إلى إضافة الخاصية valueLanguage="ar" لضمان محاذاة النص العربي بشكل سليم. كما ستقوم بتعريف الفئات (Labels) الخاصة بك (مثل: اسم_شخص، مدينة، منظمة، تاريخ). الكود سيبدو كالتالي:

<View>
  <Labels name="label" toName="text">
    <Label value="اسم_شخص" background="#ff0000"/>
    <Label value="منظمة" background="#00ff00"/>
    <Label value="تاريخ" background="#0000ff"/>
  </Labels>
  <Text name="text" value="$text" valueLanguage="ar" />
</View>

عملية الوسم والتصدير (Export)

الآن أصبحت واجهة المشروع جاهزة. يمكنك دعوة أعضاء فريقك (مُوسمين) وتوزيع النصوص عليهم. عملية الوسم تتم ببساطة عبر تحديد الكلمة العربية بالماوس، ثم اختيار الفئة المناسبة (Label) من الأعلى.

بمجرد الانتهاء من جزء كبير من البيانات، اذهب إلى لوحة التحكم الخاصة بالمشروع واضغط على زر Export. اختر صيغة JSON-MIN أو صيغة CONLL2003 إذا كنت تنوي استخدامها مباشرة لتدريب نماذج HuggingFace (مثل BERT أو AraBERT). هذه الملفات المصدرة ستكون النواة الأساسية لتدريب نماذج ذكاء اصطناعي تفهم تعقيدات البيانات الخاصة بمنظمتك.