تستخدم أنظمة الرد على السؤال المرئي الحالي (VQA) بشكل شائع الشبكات العصبية الرسم البيانية (GNNS) لاستخراج العلاقات البصرية مثل العلاقات الدلالية أو العلاقات المكانية. ومع ذلك، فإن الدراسات التي تستخدم GNNS تتجاهل عادة أهمية كل علاقة وتسلسل ببساطة الن
واتج من ترميز العلاقات المتعددة. في هذه الورقة، نقترح هندسة طبقة جديدة تضرب علاقات مرئية متعددة من خلال آلية الاهتمام لمعالجة هذه المسألة. على وجه التحديد، نقوم بتطوير نموذج يستخدم تضمين السؤال ومضمون مشترك للمشفرين للحصول على أوزان الاهتمام الديناميكي فيما يتعلق بنوع الأسئلة. باستخدام الأوزان الاهتمام بالترفيه، يمكن للنموذج المقترح استخدام ميزات العلاقة المرئية اللازمة لسؤال معين. النتائج التجريبية على DataSet VQA 2.0 توضح أن النموذج المقترح تفوق الفنيات القائمة على الرسم البياني القائمة على شبكة الإنترنت. بالإضافة إلى ذلك، نقوم بتصور وزن الاهتمام وإظهار أن النموذج المقترح يعين وزن أعلى للعلاقات الأكثر صلة بالمسألة.
يلقي هذه الدراسة الضوء على آثار Covid-19 في مجال معين من اللغويات الحاسوبية ومعالجة اللغات الطبيعية داخل الذكاء الاصطناعي.نحن نقدم دراسة مقطعية بشأن النوع الاجتماعي والمساهمة والخبرة التي تعتبر سنة دراسية واحدة (من أغسطس 2019 إلى 20 أغسطس) كعاموبئ في
الوباء.يتم تضمين أغسطس مرتين لغرض مقارنة بين السنوية.في حين ارتفع الاتجاه في المنشورات مع الأزمة، فإن النتائج تظهر أن النسبة بين المنشورات النسائية والذكور انخفضت.هذا يساعد فقط على تقليل أهمية دور الإناث في المساهمات العلمية لللغويات الحاسوبية (أصبح الآن أقل بكثير من ذروة 0.24).يحتوي الوباء على تأثير سلبي بشكل خاص على إنتاج كبار الباحثات في المركز الأول للمؤلفين (أقصى عمل)، تليها الباحثون الصغار الإناث في المركز الأخير من المؤلفين (الإشراف أو العمل التعاوني).
