Command Palette
Search for a command to run...
{Heriberto Cuay{\'a}huitl Sathish Reddy Indurthi Seohyun Back Seunghak Yu}
الملخص
في السنوات الأخيرة، تم اقتراح العديد من الشبكات العصبية العميقة لحل مهام فهم القراءة (RC). تعاني معظم هذه النماذج من صعوبة في التفكير في المستندات الطويلة، ولا تعمم بشكل مباشر على الحالات التي لا يكون فيها الجواب موجودًا كقطعة نصية ضمن المستند المعطى. نقدم معمارية جديدة تعتمد على الشبكات العصبية، وهي قادرة على استخراج المناطق ذات الصلة بناءً على زوج السؤال-المستند، وإنتاج إجابة مكوّنة بشكل جيد. ولإثبات فعالية معماريتنا، أجرينا عدة تجارب على مجموعة بيانات RC الحديثة والصعبة المعروفة بـ {NarrativeQA}. وقد تفوقت المعمارية المقترحة على النتائج الرائدة في المجال بنسبة 12.62% (باستخدام مقياس ROUGE-L).
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| question-answering-on-narrativeqa | ConZNet | BLEU-1: 42.76 BLEU-4: 22.49 METEOR: 19.24 Rouge-L: 46.67 |
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.