HyperAIHyperAI

Command Palette

Search for a command to run...

نهج مُحبِّطٌ بشكلٍ مُدهشٍ لاستخراج الكيانات والعلاقات

Zexuan Zhong Danqi Chen

الملخص

يهدف استخراج العلاقات من الطرف إلى الطرف إلى تحديد الكيانات المحددة واستخراج العلاقات بينها. تعتمد معظم الدراسات الحديثة على نمذجة هاتين المهمتين الفرعيتين معًا، إما من خلال صياغتهما ضمن إطار تنبؤ منظم واحد، أو من خلال تعلم متعدد المهام عبر تمثيلات مشتركة. في هذه الدراسة، نقدم نهجًا بسيطًا متسلسلًا (pipelined) لاستخراج الكيانات والعلاقات، ونُحقِّق حالة جديدة من الأداء المتميز على المعايير القياسية (ACE04 و ACE05 و SciERC)، حيث نحقق تحسنًا مطلقًا في دقة العلاقة (F1) بنسبة 1.7% إلى 2.8% مقارنة بالنماذج المشتركة السابقة التي تستخدم نفس المُشفِّرات المُدرَّبة مسبقًا. يعتمد نهجنا جوهرًا على اثنين من المُشفِّرات المستقلة، ويستخدم فقط نموذج الكيانات لبناء المدخلات المخصصة لنموذج العلاقة. من خلال سلسلة من التحقيقات الدقيقة، نؤكد أهمية تعلُّم تمثيلات سياقية مختلفة للكيانات والعلاقات، ودمج معلومات الكيانات مبكرًا داخل نموذج العلاقة، بالإضافة إلى إدراج السياق العام. وأخيرًا، نقدّم أيضًا تقريبًا فعّالًا لنهجنا، والذي يتطلب فقط مرورًا واحدًا لكل من مُشفِّر الكيانات ومُشفِّر العلاقات أثناء التقييم، ما يُحقّق تسريعًا بنسبة 8 إلى 16 مرة مع انخفاض طفيف في الدقة.


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