HyperAIHyperAI

Command Palette

Search for a command to run...

Console
منذ 4 أشهر

CorefQA: حل الترابط النحوي كتنبؤ بمقترحات تعتمد على الاستعلام

{Fei Wu Fei Wang Wei Wu Jiwei Li Arianna Yuan}

CorefQA: حل الترابط النحوي كتنبؤ بمقترحات تعتمد على الاستعلام

الملخص

في هذه الورقة، نقدّم CorefQA، وهي منهجية دقيقة وقابلة للتوسيع لحل مهمة تحديد الترابط النحوي (coreference resolution). نُصِفُ المشكلة كمهمة تنبؤ بالفواصل (span prediction)، تمامًا كما في المهام المتعلقة بالإجابة على الأسئلة: يتم إنشاء سؤال (query) لكل ذكر محتمل باستخدام سياقه المحيط، ثم تُستخدم وحدة تنبؤ بالفواصل لاستخراج فواصل النص الخاصة بالترابطات داخل المستند باستخدام السؤال المُنشأ. يمتلك هذا النموذج التصنيفي مزايا رئيسية تتمثل في: (1) تتيح استراتيجية تنبؤ الفواصل المرونة في استرجاع الذُّكرات التي قد تُهمل في مرحلة اقتراح الذُّكرات؛ (2) ضمن إطار الإجابة على الأسئلة، يُمكن تشفير الذكر وسياقه بشكل صريح في السؤال، مما يتيح فحصًا عميقًا وشاملًا للدلائل المضمنة في سياق الذُّكرات المرتبطة؛ (3) يمكن الاستفادة من كمّ كبير من مجموعات بيانات الإجابة على الأسئلة الحالية لتعزيز البيانات (data augmentation) وتحسين قدرة النموذج على التعميم. أظهرت التجارب تحسنًا كبيرًا في الأداء مقارنة بالنماذج السابقة، حيث بلغت دقة النموذج 83.1 (بزيادة 3.5) في معيار CoNLL-2012، و87.5 (بزيادة 2.5) في معيار GAP.

مستودعات الكود

المعايير القياسية

معيار قياسيالمنهجيةالمقاييس
coreference-resolution-on-conll-2012CorefQA + SpanBERT-base
Avg F1: 79.9
coreference-resolution-on-conll-2012CorefQA + SpanBERT-large
Avg F1: 83.1

بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة المشتركة بالذكاء الاصطناعي
وحدات معالجة رسومات جاهزة
أفضل الأسعار
ابدأ الآن

Hyper Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp