HyperAIHyperAI

Command Palette

Search for a command to run...

شبكات المؤشر المتراكم لتحليل الاعتماد

Xuezhe Ma; Zecong Hu; Jingzhou Liu; Nanyun Peng; Graham Neubig; Eduard Hovy

الملخص

نقدم معمارية جديدة لتحليل الاعتماد: \emph{شبكات المؤشرات المتراكمة} (\textbf{\textsc{StackPtr}}). تجمع هذه المعمارية المقترحة بين شبكات المؤشرات~\citep{vinyals2015pointer} ودكتور داخلي، حيث يقوم النموذج أولاً بقراءة وترميز الجملة بأكملها، ثم يبني شجرة الاعتماد من الأعلى إلى الأسفل (من الجذر إلى الأوراق) بطريقة عمقية. يتعقب الدكتر حالة البحث بالعمق، وتشير شبكات المؤشرات إلى طفل واحد لكلمة في قمة الدكتر في كل خطوة. يستفيد محلل \textsc{StackPtr} من معلومات الجملة بأكملها ومن جميع الهياكل الفرعية المشتقة سابقًا، ويزيل القيود من اليسار إلى اليمين الموجودة في محللي التحولات التقليديين. ومع ذلك، فإن عدد الخطوات اللازمة لبناء أي شجرة تحليل (بما في ذلك غير المشروعية) خطي في طول الجملة تمامًا كما هو الحال مع محللي التحولات الأخرى، مما يؤدي إلى خوارزمية فك تشفير كفوءة بتعقيد زمني O(n2)O(n^2)O(n2). نقيم نموذجنا على 29 بنية شجرية تغطي 20 لغة وأنماط مختلفة لتدوين الاعتماد، ونحقق أفضل الأداء في 21 منها.


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
شبكات المؤشر المتراكم لتحليل الاعتماد | مستندات | HyperAI