HyperAIHyperAI

Command Palette

Search for a command to run...

استخراج الحقائق العلاقة الموجهة بالقائمة المجاورة من خلال التعلم متعدد المهام التكيفي

Fubang Zhao Zhuoren Jiang Yangyang Kang Changlong Sun Xiaozhong Liu

الملخص

تهدف استخراج الحقائق العلاقاتية إلى استخراج ثلاثيات معنوية من النصوص غير المنظمة. في هذه الدراسة، نُظهر أن جميع نماذج استخراج الحقائق العلاقاتية يمكن تنظيمها وفقًا لنظرة تحليلية قائمة على الرسوم البيانية. وتم اقتراح نموذج فعّال يُسمى aDjacency lIst oRiented rElational faCT (DIRECT)، استنادًا إلى هذا الإطار التحليلي. ولتخفيف التحديات المرتبطة بتراكم الأخطاء والتوازن بين خسائر المهام الفرعية، يستخدم DIRECT استراتيجية جديدة لتعلم المهام المتعددة المتكيفة مع التوازن الديناميكي لخسائر المهام الفرعية. أُجريت تجارب واسعة على مجموعتي بيانات معياريتين، وأثبتت النتائج أن النموذج المقترح يتفوق على سلسلة من النماذج الرائدة (SoTA) في مجال استخراج ثلاثيات العلاقات.


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
استخراج الحقائق العلاقة الموجهة بالقائمة المجاورة من خلال التعلم متعدد المهام التكيفي | مستندات | HyperAI