HyperAIHyperAI

Command Palette

Search for a command to run...

إدماج العناصر الفردية والسمات القائمة على التصريحات في التعرف على التماثل من خلال التعلم متعدد المهام لتحقيق تعميم أفضل

Yilun Zhu Siyao Peng Sameer Pradhan Amir Zeldes

الملخص

لقد عُرِضت محاولات سابقة لدمج خطوة اكتشاف الإشارة في حل المشكلات النواة العصبية النهائية للغة الإنجليزية، لكنها واجهت صعوبات ناتجة عن عدم توفر بيانات مسافات الإشارة الفردية (singleton mention span) بالإضافة إلى معلومات الكيان الأخرى. تقدم هذه الورقة نموذجًا للربط النواة يتعلم الإشارات الفردية، فضلاً عن سمات مثل نوع الكيان وحالة المعلومات، من خلال نهج يعتمد على التعلم متعدد المهام. وحققت هذه الطريقة أداءً جديدًا على مستوى أفضل النتائج في معيار OntoGUM (+2.7 نقطة)، كما زادت من موثوقية الأداء على عدة مجموعات بيانات خارج المجال (بمتوسط +2.3 نقطة)، وربما يعود ذلك إلى تحسين القدرة على التعميم في اكتشاف الإشارات واستخدام كم أكبر من البيانات من الإشارات الفردية مقارنةً بمقارنة أزواج الإشارات المرتبطة فقط.


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