منذ 4 أشهر
من الاستراتيجيات إلى النماذج اللغوية: رحلة عبر كون تفسير الجداول الدلالية باستخدام DAGOBAH
{Jixiong Liu and Raphaël Troncy Thomas Labbé Yoan Chabot Viet-Phi Huynh}

الملخص
تقدم هذه الورقة نظام DAGOBAH SL 2022، وهو نظام لفهم الجداول المعنى، وقد تم تطويره بشكل مستمر على مدار السنوات الأربع الماضية خلال مشاركته في مسابقة SemTab. في هذا العام، قمنا بتحسين غطاء عملية البحث باستخدام مصادر خارجية، كما قمنا بدمج نماذج اللغة لتحسين فهم عناوين الجداول. كما قمنا بتنفيذ عدة تحسينات على النظام أدى إلى خفض زمن التنفيذ بنسبة تقارب 30٪. وفي هذه الورقة، نُظهر أيضًا أهمية استخدام النهج القائمة على التعلم العميق لحل بعض الغموضات، ونناقش القيود الحالية للمجموعات النصية والنماذج الحالية التي تعيق تطور هذا المجال البحثي أكثر.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| cell-entity-annotation-on-toughtables-wd | DAGOBAH | F1 (%): 94.5 |
| column-type-annotation-on-toughtables-wd | DAGOBAH | F1 (%): 40.9 |
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
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