{Nadin Kökciyan Jeff Z. Pan Björn Ross Vaishak Belle Sandrine Chausson Xue Li Ameer Saadat-Yazdi}
الملخص
يتعلق مهمة التحدي المشتركة ArgMining 2022 بتنبؤ صحة وحداثة الاستنتاج بالنسبة لزوج معطى من الفرضية والنتيجة. نقترح نموذجين مبنيين على الشبكات التغذوية الأمامية (KEViN1 و KEViN2)، حيث يتم دمج الميزات المستخرجة من عدة نماذج مُدرّبة مسبقًا من نوع المحولات (Transformers) مع رسم معرفي من ويكي بيانات (WikiData). تُستخدم المحولات لتوقع الاستخلاص (entailment) والتشابه الدلالي، في حين تُستخدم ويكي بيانات لتوفير قياس دلالي بين المفاهيم الواردة في زوج الفرضية والنتيجة. أظهر النموذجان المقترحان تحسنًا ملحوظًا مقارنةً بـ RoBERTa، حيث تفوق نموذج KEViN1 على KEViN2، وحقق المركز الثاني في كلا المهمتين الفرعيتين (A و B) ضمن مهمة التحدي المشتركة ArgMining 2022.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| valnov-on-valnov-subtask-a | AXiS@EdUni-1 | JOINT-F1: 43.27 NOV-F1: 62.43 VAL-F1: 69.80 |
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.