HyperAIHyperAI

Command Palette

Search for a command to run...

تعزيز النماذج التركيبية لإكمال قاعدة المعرفة باستخدام تمثيلات التدرج

Matthias Lalisse; Paul Smolensky

الملخص

عادةً ما استخدمت النماذج العصبية لبيانات قاعدة المعرفة تمثيلات تركيبية لمُعاملات الرسم البياني: يتم دمج تضمينات الكيانات والعلاقات بطريقة منهجية لتقييم صحة مدخل قاعدة المعرفة المرشح. باستخدام نموذج مستوحى من النحو التوافقي (Harmonic Grammar)، نقترح تقسيم تضمينات الثلاثيات عن طريق خضوعها لعملية تحسين بخصوص شروط الصيغة الصحيحة المُتعلمة على ثلاثيات قاعدة المعرفة. يقود النموذج الناتج، المعروف باسم الرسوم البيانية المتدرجة (Gradient Graphs)، إلى تحسينات كبيرة عند تنفيذه كمرافق للنماذج التركيبية. بالإضافة إلى ذلك، نظهر أن تضمينات الثلاثيات "فوق التركيب" (supracompositional) التي ينتجها لديها خصائص قابلة للتفسير تثبت فائدتها في أداء الاستدلال على التمثيلات الثلاثية الناتجة.


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
تعزيز النماذج التركيبية لإكمال قاعدة المعرفة باستخدام تمثيلات التدرج | مستندات | HyperAI