{Dinesh Manocha Quan Hung Tran Vlad Morariu Franck Dernoncourt Rajiv Jain Puneet Mathur}
الملخص
نقدّم نموذج TIMERS — وهو نموذج يراعي الوقت، والأسلوب البلاغي، والتركيب النحوي، لتصنيف العلاقات الزمنية على مستوى المستند في اللغة الإنجليزية. تعتمد الطريقة المقترحة على ميزات الترابط البلاغي والمعطيات الزمنية المستمدة من تسميات الدور(sematic role labels)، بالإضافة إلى الميزات النحوية المحلية التقليدية، وتدرب عبر شبكة تعلّم ترابطية مُتحكّمة (Gated Relational-GCN). أظهرت التجارب الواسعة أن النموذج المقترح يتفوّق على الطرق السابقة بنسبة 5-18% على مجموعات بيانات TDDiscourse وTimeBank-Dense وMATRES، وذلك بفضل نموذجنا المُستند إلى التحليل على مستوى الترابط البلاغي.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| temporal-relation-classification-on-matres | TIMERS | F1: 82.3 |
| temporal-relation-classification-on-tb-dense | TIMERS | F1: 67.8 |
| temporal-relation-classification-on-tddauto | TIMERS | F1: 71.1 |
| temporal-relation-classification-on-tddman | TIMERS | F1: 45.5 |
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