استخلاص التأثير السببي من الفئات الأخرى المتنوعة للاعتراف المستمر بالكيانات المسماة

التعلم المستمر لتحديد الكيانات المُسَمّاة (CL-NER) يهدف إلى تعلم عدد متزايد من أنواع الكيانات بمرور الوقت من خلال تدفق البيانات. ومع ذلك، فإن مجرد تعلم فئة أخرى بنفس الطريقة التي يتم بها تعلم أنواع الكيانات الجديدة يزيد من النسيان الكارثي ويؤدي إلى انخفاض كبير في الأداء. السبب الرئيسي وراء هذا هو أن عينات فئة أخرى غالبًا ما تحتوي على أنواع كيانات قديمة، وأن المعرفة القديمة في هذه العينات لا يتم الحفاظ عليها بشكل صحيح. بفضل الاستدلال السببي، تم تحديد أن النسيان ناجم عن فقدان التأثير السببي من البيانات القديمة. بناءً على ذلك، نقترح إطارًا سببيًا موحدًا لاستعادة السببية من كلٍ من أنواع الكيانات الجديدة وفئة أخرى. بالإضافة إلى ذلك، نطبق التعلم التدريجي لتخفيف تأثير الضوضاء في التسميات ونقدم وزنًا ذاتي التكيف للتوازن بين التأثيرات السببية لأنواع الكيانات الجديدة وفئة أخرى. أظهرت النتائج التجريبية على ثلاثة مجموعات بيانات معيارية أن طريقتنا تتفوق بشكل كبير على أفضل الطرق الحالية. علاوة على ذلك، يمكن دمج طريquetنا مع أفضل الطرق الحالية الموجودة لتحسين الأداء في CL-NER.请注意，最后一句中的“طريquetنا”是一个错误，正确的应该是“طريقتنا”。以下是修正后的版本：التعلم المستمر لتحديد الكيانات المُسَمّاة (CL-NER) يهدف إلى تعلم عدد متزايد من أنواع الكيانات بمرور الوقت من خلال تدفق البيانات. ومع ذلك، فإن مجرد تعلم فئة أخرى بنفس الطريقة التي يتم بها تعلم أنواع الكيانات الجديدة يزيد من النسيان الكارثي ويؤدي إلى انخفاض كبير في الأداء. السبب الرئيسي وراء هذا هو أن عينات فئة أخرى غالبًا ما تحتوي على أنواع كيانات قديمة، وأن المعرفة القديمة في هذه العينات لا يتم الحفاظ عليها بشكل صحيح. بفضل الاستدلال السببي، تم تحديد أن النسيان ناجم عن فقدان التأثير السببي من البيانات القديمة. بناءً على ذلك، نقترح إطارًا سببيًا موحدًا لاستعادة السببية من كلٍ من أنواع الكيانات الجديدة وفئة أخرى. بالإضافة إلى ذلك، نطبق التعلم التدريجي لتخفيف تأثير الضوضاء في التسميات ونقدم وزنًا ذاتي التكيف للتوازن بين التأثيرات السببية لأنواع الكيانات الجديدة وفئة أخرى. أظهرت النتائج التجريبية على ثلاثة مجموعات بيانات معيارية أن طريقتنا تتفوق بشكل كبير على أفضل الطرق الحالية. علاوة على ذلك، يمكن دمج طريقتنا مع أفضل الطرق الحالية الموجودة لتحسين الأداء في CL-NER.