HyperAIHyperAI

Command Palette

Search for a command to run...

دمج الشبكات العصبية ونماذج اللوغاريتم الخطي لتحسين استخراج العلاقات

Thien Huu Nguyen Ralph Grishman

الملخص

شهد العقد الماضي نجاح الطريقة التقليدية القائمة على الخصائص في استغلال الهياكل المتقطعة مثل الكلمات أو الأنماط اللفظية لاستخراج العلاقات من النص. مؤخرًا، قدمت الشبكات العصبية التلافيفية والشبكات العصبية المتكررة آليات فعالة للغاية للكشف عن الهياكل المخفية داخل الجمل من خلال التمثيلات المستمرة، مما أدى إلى تقدم كبير في أداء استخراج العلاقات. ميزة الشبكات العصبية التلافيفية تكمن في قدرتها على تعميم الك-جرامات المتتابعة في الجمل بينما تعتبر الشبكات العصبية المتكررة فعالة في ترميز نطاقات طويلة من سياق الجملة. يقترح هذا البحث دمج الطريقة التقليدية القائمة على الخصائص مع الشبكات العصبية التلافيفية والمتكررة للحصول على فوائدها بشكل متزامن. يظهر تقييمنا المنهجي لأطر الشبكات المختلفة وطرق الدمج فعالية هذا النهج ويؤدي إلى تحقيق أفضل الأداء على مجموعة بيانات ACE 2005 وSemEval (مجموعة بيانات سيم إيفال).


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
دمج الشبكات العصبية ونماذج اللوغاريتم الخطي لتحسين استخراج العلاقات | مستندات | HyperAI