HyperAIHyperAI

Command Palette

Search for a command to run...

التعلم نحو التلخيص التوقيتي الاستنتاجي

Meng-Hsuan Yu Zhangming Chan Shen Gao Xiuying Chen Rui Yan Dongyan Zhao

الملخص

تستهدف ملخصات التوقيت التلخيص الموجز لمسار التطور عبر الزمن، وتعتمد جميع الطرق الحالية لملخصات التوقيت على الأساليب الاستخراجية. في هذه الورقة، نقترح مهمة ملخصات التوقيت الاستنباطية، والتي تهدف إلى إعادة صياغة المعلومات في الأحداث المؤرخة بشكل موجز. على عكس ملخصات المستندات التقليدية، تتطلب ملخصات التوقيت نمذجة المعلومات المتسلسلة زمنيًا للأحداث المدخلة، وملخص الأحداث المهمة بالترتيب الزمني. ولحل هذه التحديات، نقترح نموذجًا مبنيًا على الذاكرة لملخصات التوقيت (MTS). وتحديدًا، نقترح ذاكرة الأحداث الزمنية لبناء التوقيت، واستخدام موضع الحدث الزمني على هذا التوقيت لتوجيه عملية التوليد. علاوةً على ذلك، في كل خطوة من خطوات التشفير، ندمج المعلومات على مستوى الحدث في الانتباه على مستوى الكلمة لتجنب التباس بين الأحداث. أُجريت تجارب واسعة على مجموعة بيانات واقعية كبيرة، وأظهرت النتائج أن MTS تحقق أفضل أداء ممكن من حيث التقييمات التلقائية والبشرية.


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
التعلم نحو التلخيص التوقيتي الاستنتاجي | مستندات | HyperAI