أدى فجر العصر الرقمي إلى زيادة متطلبات موارد البحوث الرقمية، والتي يجب معالجتها بسرعة ومعالجتها بواسطة أجهزة الكمبيوتر.نظرا لكمية البيانات التي تم إنشاؤها بواسطة عملية الرقمنة هذه، أصبح تصميم الأدوات التي تمكن تحليل وإدارة البيانات والبيانات الوصفية
موضوعا ذا صلة.في هذا السياق، يساهم الكائنات متعددة اللغات من استبيانات المسح (MCSQ) في إنشاء وتوزيع البيانات للعلوم والإعلان الاجتماعي (SSH) بعد مبادئ عادلة (غير قابلة للتحقيق، غير قابلة للوصول، قابل للتشغيل القابلة لإعادة الاستخدام)، وتوفر وظائف للمستخدمين النهائيينلا يعرف ذلك البرمجة من خلال واجهة سهلة الاستخدام.بمجرد تطبيق المرشحات المرغوبة في واجهة الرسم، يمكن للمستخدمين إنشاء موارد لغوية لمناطق البحث والترجمة، مثل ذكريات الترجمة، وبالتالي تسهيل الوصول إلى البيانات واستخدامها.
Requery Rewrite (QR) هو مكون ناشئ في أنظمة المحادثة AI، مما يقلل من عيب المستخدم.سبب عيب المستخدم لأسباب مختلفة، مثل الأخطاء في نظام الحوار المنطوق أو عروض المستخدمين للسان أو لغتهم المختصرة.ينبع العديد من عيوب المستخدمين من العوامل الشخصية، مثل نمط
خطاب المستخدم أو اللهجة أو التفضيلات.في هذا العمل، نقترح إطار عمل QR القائم على البحث شخصي، والذي يركز على التخفيض التلقائي لعيب المستخدم.نقوم ببناء مؤشر شخصي لكل مستخدم، يشمل طبقات تقارب متنوعة لتعكس التفضيلات الشخصية لكل مستخدم في منظمة العفو الدولية المحادثة.يحتوي نظام QR الشخصي الخاص بنا على طبقات استرجاع وترتيب.بدعم من التعلم القائم على ملاحظات المستخدم، تدريب نماذجنا لا يتطلب بيانات مشروح يدوية.أظهرت التجارب على مجموعة الاختبارات الشخصية أن نظام QR الشخصي الخاص بنا قادر على تصحيح أخطاء النظامية والمستخدم باستخدام المدخلات الصوتية والدلية.
في تطوير نظام لإجواب الأسئلة عبر الإنترنت للنطاقات الطبية، تلعب نماذج الاستدلال باللغة الطبيعية (NLI) دورا رئيسيا في مطابقة الأسئلة والكشف عن النية.ومع ذلك، ما هي النماذج هي الأفضل لمجموعات البيانات لدينا؟اختيار أو ضبط نموذج يدويا هو تستغرق وقتا طويل
ا.وبالتالي، نقوم بتجربة تحسين هياكل النموذج تلقائيا على المهمة في متناول اليد عبر بحث العمارة العصبية (NAS).أولا، نقوم بصياغة مساحة بحث عن الهندسة المعمارية الجديدة تعتمد على أدب NAS السابق، ودعم النمذجة الانتباه عبر الجملة (Cross-Attn).ثانيا، نقترح تعديل طريقة ENAS لتسريع وتحقيق الاستقرار في نتائج البحث.نقوم بإجراء تجارب واسعة النطاق على مهامنا NLI الطبية.تظهر النتائج أن نظامنا يمكن أن يتفوق بسهولة على نماذج الأساس الكلاسيكية.نقارن أساليب NAS المختلفة وإظهار نهجنا يوفر أفضل النتائج.
العروض التقديمية مهمة للتواصل في جميع مجالات حياتنا، ومع ذلك فإن إنشاء الطوابق الشريحة غالبا ما تكون مملة وتستهلك الوقت.كان هناك بحث محدود يهدف إلى أتمتة عملية توليد المستندات إلى الشرائح وجميع مواجهة التحدي الحرج: لا توجد مجموعة بيانات متاحة للجمهور
للتدريب والمعايير.في هذا العمل، فإننا نساهم أولا في مجموعة بيانات جديدة، Sciduet، تتكون من أزواج من الأوراق وحوابق الشرائح المقابلة من مؤتمرات NLP و ML الأخيرة (E.G.، ACL).ثانيا، نقدم D2S، وهو نظام جديد يتناول مهمة المستندات إلى الشرائح مع نهج من خطوتين: 1) استخدم عناوين الشريحة لاسترداد النص والأرقام والجشطة ذات الصلة والجاذبية؛2) لخص السياق المسترجع في نقاط رصاصة مع الإجابة على سؤال طويل الشكل.يشير تقييمنا إلى أن ضميز ضمنيا طويل النموذج يتفوق على خطوط الأساس الملخص لحدي الفن على كل من مقاييس الحمر التلقائي والتقييم البشري النوعي.
تم استخدام مطالبات اللغة الطبيعية مؤخرا لتخصيص نماذج اللغة في أداء مهام منظمة العفو الدولية الأخرى، باستخدام نموذج تعبئة داخل الفراغ (Petroni et al.، 2019) أو نموذج استقراء قليل بالرصاص (براون وآخرون، 2020). على سبيل المثال، تحتفظ نماذج اللغة بالمعرف
ة الواقعية من كورسا التدريب التي يمكن استخراجها من خلال مطالبتها بملء الفراغ "في موجه أساسية. ومع ذلك، أين يأتي هذا المطالبة؟ نستكشف فكرة مطالبات التعلم عن طريق نزول التدرج --- إما مطالبات ضبط دقيقة مأخوذة من العمل السابق، أو بدءا من تهيئة عشوائية. تتكون مطالباتنا من كلمات ناعمة، '' I.E.، ناقلات مستمرة ليست بالضرورة تضمين نوع الكلمات من نموذج اللغة. علاوة على ذلك، لكل مهمة، فإننا نحسن مزيجا من المطالبات، والتعلم الذي يطالب الأكثر فعالية وكيفية الفرقة لهم. عبر العديد من LMS والمهام الإنجليزية المتعددة، يتفوق نهجنا بشكل كبير على الأساليب السابقة، مما يظهر أن المعرفة الواقعية الضمنية في نماذج اللغة قد تم التقليل من السابق. علاوة على ذلك، فإن هذه المعرفة رخيصة للاستيلاء: تهيئة عشوائية جيدة مثل التهيئة المستنيرة.
يقترح البحث آلية جديدة تهدف إلى زيادة فاعلية نظم المراقبة عن طريق تحديد الأشياء المتحركة الحاصلة أمام كاميرة مراقبة و التعرف عليها و اقتراح آلية جديدة لفهرستها و تخزينها ضمن قاعدة بيانات و تصنيفها وفق الخصائص الأساسية لها و المؤشرات القوية الموجودة ف
يها و استرجاعها عند الحاجة إليها بأقل زمن ممكن.
الفكرة الأساسية تكمن في الدمج بين الخصائص الأساسية للهدف و هي اللون و الحواف و البنية و الذي يضمن أفضل أداء في استخلاص الميزات الأساسية للهدف, و من ثم إجراء التحويلات اللاخطية على حواف الهدف بهدف الحصول على صورة تحمل أدق التفاصيل و الاعتماد عليها كفهارس, بعد ذلك يتم إجراء التحويلات المعاكسة على حواف الهدف أثناء عملية استرجاعه من قاعدة البيانات. أخيراً تم اقتراح آلية فهرسة جديدة تضمن استرجاع الأهداف المطلوبة بأفضل دقة و أقل زمن و تم تصميم البرنامج اللازم لتحقيق ذلك.
يقترح البحث نظاماً جديداً يهدف إلى تخفيض زمن البحث عن ملفات الصور images عن طريق اقتراح آلية فهرسة جديدة تعالج العيوب التي عانت منها خوارزميات الفهرسة المستخدمة بحيث يصبح زمن الوصول لهذه الملفات أقل ما يمكن.
تم بدايةً في هذه الورقة توضيح أهمية الأر
شفة Archiving في تنظيم الملفات عن طريق تصميم قاعدة بيانات Database و تخزين ملفات الصور فيها و تسجيل الأزمنة اللازمة للحصول على الملفات المطلوبة من قاعدة البيانات, بعد ذلك تم إجراء عملية الفهرسة Indexing لملفات الصور المخزنة في قاعدة البيانات عن طريق اقتراح خوارزمية جديدة - B+ Tree المحسنة - تهدف إلى تنظيم ملفات الصور وفق آلية معينة تسهل الوصول للملفات المطلوبة و تم إجراء عمليات الاستعلام queries و تسجيل الأزمنة المستغرقة من أجل مقارنتها مع الأزمنة اللازمة للوصول إلى الملفات قبل الفهرسة بهدف إظهار كفاءة الطريقة المقترحة.
