تهدف تقنيات توليد الجيل إلى توليد تعريف كلمة أو عبارة مستهدفة بالنظر إلى السياق.في الدراسات السابقة، واجه الباحثون قضايا مختلفة مثل مشكلة خارج المفردات ومشاكل أكثر من اللازم.التعاريف المفرطة المحددة الحالية معاني الكلمة الضيقة، في حين أن التعاريف الخ
اضعة لها المعاني العامة والسياق غير حساسة.هنا، نقترح طريقة لتوليد التعريف مع الخصوصية المناسبة.تعالج الطريقة المقترحة المشكلات المذكورة أعلاه من خلال الاستفادة من نموذج ترميز التشفير المدرب مسبقا، وهي محول نقل النص إلى النص، وإدخال آلية إعادة الترتيب لنموذج النوعية في التعاريف.تشير النتائج التجريبية إلى مجموعات بيانات التقييم القياسية إلى أن طريقتنا تتفوق بشكل كبير على الطريقة السابقة للحالة السابقة.علاوة على ذلك، يؤكد التقييم اليدوي أن أسلوبنا يعالج بشكل فعال مشاكل أكثر من / أقل خصوصية.
تستند نماذج نقل النمط غير المزروعة بشكل رئيسي إلى نهج التعلم الاستقرائي، والذي يمثل النمط كمعلمات أو معلمات فك الترميز، أو معلمات تمييزية، وتطبق مباشرة هذه القواعد العامة لحالات الاختبار. ومع ذلك، فإن عدم وجود Corpus الموازي يعيق قدرة طرق التعلم الاس
تقرائي هذه في هذه المهمة. نتيجة لذلك، من المحتمل أن تسبب التعبيرات النمطية غير المتناسقة الشديدة، مثل السلطة غير مهذب ". لمعالجة هذه المشكلة، نقترح نهجا تعليميا عبر جديد في هذه الورقة، بناء على تمثيل نمط السياق على علم الاسترجاع. على وجه التحديد، يتم استخدام وحدة فك ترميز تشفير الاهتمام مع إطار المسترد. أنه ينطوي على الجمل ذات الصلة أعلى K في النمط المستهدف في عملية النقل. وبهذه الطريقة، يمكننا أن نتعلم تضمين أسلوب مدرك السياق لتخفيف مشكلة عدم التناقض أعلاه. في هذه الورقة، يتم استخدام كل من وظائف استرجاع شديد (BM25) ووظائف استرجاع كثيفة (MIPS)، وتم تصميم وظيفتان موضوعيتان لتسهيل التعلم المشترك. تظهر النتائج التجريبية أن أسلوبنا تتفوق على العديد من خطوط الأساس القوية. نهج التعلم المتنقل المقترح عام وفعال لمهمة نقل النمط غير المنسق، وسوف نطبقه على الطريقة الوظيفتين الأخرى في المستقبل.
