HyperAIHyperAI

Command Palette

Search for a command to run...

تحسين استخراج العلاقات على مستوى الجملة من خلال التعلم التدريجي

Seongsik Park Harksoo Kim

الملخص

استخلاص العلاقات على مستوى الجملة يهدف بشكل رئيسي إلى تصنيف العلاقة بين كائنين في جملة واحدة. غالبًا ما يحتوي مجموعات بيانات استخلاص العلاقات على مستوى الجملة على بيانات صعبة الاستنتاج أو بيانات مُشوَّشة (ضوضاء). في هذه الورقة البحثية، نقترح نموذجًا لاستخلاص العلاقات يعتمد على تعلم منهجي (Curriculum Learning)، حيث يتم تقسيم البيانات حسب درجة الصعوبة واستخدامها في عملية التعلم. في التجارب التي أُجريت على مجموعتي بيانات تمثيليتين لاستخلاص العلاقات على مستوى الجملة، وهما TACRED وRe-TACRED، حقق النموذج المقترح أداءً ذا مؤشر F1 قدره 75.0% و91.4% على التوالي، وهو ما يُعدّ أفضل أداء مسجَّل حتى الآن (state-of-the-art).


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
تحسين استخراج العلاقات على مستوى الجملة من خلال التعلم التدريجي | مستندات | HyperAI