HyperAIHyperAI

Command Palette

Search for a command to run...

الحل الترابطي على مستوى الكلمة

Vladimir Dobrovolskii

الملخص

تعتمد النماذج الحديثة لحل التماثل (coreference resolution) بشكل كبير على تمثيلات الفواصل (span representations) للعثور على الروابط بين فواصل الكلمات. وبما أن عدد الفواصل يبلغ O(n2)O(n^2)O(n2) بالنسبة لطول النص، وعدد الروابط المحتملة يصل إلى O(n4)O(n^4)O(n4)، فإن تقنيات التقليل (pruning) المختلفة ضرورية لجعل هذا النهج قابلاً للتطبيق من حيث الحساب. نقترح بدلاً من ذلك النظر في روابط التماثل بين الكلمات الفردية بدلًا من فواصل الكلمات، ثم إعادة بناء فواصل الكلمات لاحقًا. هذا يقلل من التعقيد النموذجي لحل التماثل إلى O(n2)O(n^2)O(n2)، ويجعل النموذج قادرًا على النظر في جميع الاحتمالات المذكورة دون استبعاد أي منها. كما نُظهر أن، مع هذه التغييرات، يتفوّق نموذج RoBERTa بشكل كبير على SpanBERT في مهمة حل التماثل. وبما أن النموذج يُظهر كفاءة عالية، فإنه يُنافس بنجاح النماذج الحديثة لحل التماثل على معيار OntoNotes.


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