HyperAIHyperAI

Command Palette

Search for a command to run...

ريماتش: مطابقة مقاومة وفعّالة للمخططات المعرفية المحلية لتحسين التشابه البنائي والمعنوي

Zoher Kachwala Jisun An Haewoon Kwak Filippo Menczer

الملخص

تلعب الرسوم المعرفية دورًا محوريًا في مجموعة متنوعة من التطبيقات، مثل الإجابة على الأسئلة والتحقق من الحقائق. تمثل الرموز المعنى المجرد (AMR) النصوص على شكل رسوم معرفية. ويتطلب تقييم جودة هذه الرسوم مطابقتها بنيةً مع بعضها البعض، وتماثلها معنىً مع النص الأصلي. وتُعاني المقاييس الحالية الخاصة بـ AMR من عدم الكفاءة، كما تواجه صعوبة في التقاط التشابه المعنى. كما نعاني من غياب معيار تقييم منهجي لتقييم التشابه البنائي بين رسوم AMR. ولsuperar هذه القيود، نقدّم مقياسًا جديدًا لتشابه AMR يُدعى rematch، إلى جانب تقييم جديد للتشابه البنائي يُسمى RARE. وتحتل rematch المرتبة الثانية بين المقاييس الرائدة من حيث التشابه البنائي، والمرتبة الأولى من حيث التشابه المعنى بفارق 1 إلى 5 نقاط مئوية على معايير STS-B وSICK-R. كما تُعد rematch أسرع بخمس مرات من المقياس الأسرع من حيث الكفاءة بين المقاييس الأخرى.


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