{Daniel Hershcovich Ofir Arviv}
الملخص
يصف هذا المقال إرسال نظام TUPA إلى المهمة المشتركة المتعلقة بتحليل التمثيل المعنوي عبر الإطارات (MRP) في مؤتمر 2019 لتعلم اللغة الحاسوبية (CoNLL). وبما أنه تم إعداده من قبل أحد منسقي المهمة، يُعدّ TUPA نقطة مرجعية للمقارنة ولا يُحسب ضمن التصنيف الرسمي للأنظمة المشاركة. وعلى الرغم من أنه تم تطويره أصلاً لدعم UCCA فقط، فقد تم تعميم TUPA لدعم جميع إطارات MRP المشاركة في المهمة، مع تدريبه باستخدام التعلم متعدد المهام لتحليل جميع الإطارات باستخدام نموذج مشترك. ويعمل النظام كمحلل يعتمد على الانتقال (transition-based parser) يحتوي على مشفر BiLSTM، مُعزز بتمثيلات سياقية مُستمدة من BERT.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| ucca-parsing-on-conll-2019 | Transition-based (+BERT + MTL) | Full MRP F1: 64.1 Full UCCA F1: 35.6 LPP MRP F1: 73.1 LPP UCCA F1: 50.3 |
| ucca-parsing-on-conll-2019 | Transition-based (+BERT) | Full MRP F1: 77.7 Full UCCA F1: 57.4 LPP MRP F1: 82.2 LPP UCCA F1: 65.9 |
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.