ولدت جائحة Covid-19 هيئة متنوعة من الأدبيات العلمية تحديا في التنقل، وتحفيز الاهتمام بالأدوات الآلية للمساعدة في العثور على معرفة مفيدة.نحن نتابع بناء قاعدة المعرفة (KB) من الآليات --- مفهوم أساسي في جميع أنحاء العلوم، والذي يشمل الأنشطة والوظائف وال
علاقات السببية، بدءا من العمليات الخلوية إلى الآثار الاقتصادية.استخراج هذه المعلومات من اللغة الطبيعية للأوراق العلمية من خلال تطوير مخطط واسع موحد يضرب التوازن بين الأهمية والاتساع.نبحث عن مجموعة بيانات من الآليات مع مخططنا وتدريب نموذج لاستخراج علاقات الآلية من الأوراق.توضح تجاربنا فائدة KB لدينا في دعم البحث العلمي متعدد التخصصات على أدب CovID-19، مما يتفوق على البحث البارز PubMed في دراسة ذات خبراء سريريين.محرك البحث لدينا، مجموعة البيانات والرمز متاحة للجمهور.
تعد العديد من المهام التسلسلية للتسلسل في معالجة اللغات الطبيعية رتيبة تقريبا في المحاذاة بين المصدر وتسلسل المستهدف، وقد سهل العمل السابق أو إنفاذ سلوك الانتباه الرعبي عبر وظائف الاهتمام المتخصص أو المحاكمة.في هذا العمل، نقدم وظيفة خسارة رتابة متواف
قة مع آليات الاهتمام القياسية واختبارها في العديد من المهام التسلسلية للتسلسل: تحويل Grapheme-to-funeme، انعطاف مورفولوجي، والترجمة، وتطبيع اللهجة.تظهر التجارب أننا نستطيع تحقيق سلوك رتيب إلى حد كبير.يتم خلط الأداء، مع مكاسب أكبر على رأس خطوط الأساس RNN.ومع ذلك، فإن عام الرتابة العامة لا يفيد اهتمام محول متعدد الشعر، ومع ذلك، فإننا نرى تحسينات معزولة عندما تكون مجموعة فرعية فقط من الرؤوس منحازة نحو السلوك الرتيب.
