حققت الرسم البياني المعرفي، الذي يمثل الكيانات والعلاقات في الرسوم البيانية المعرفة مع ناقلات عالية الأبعاد، تقدما كبيرا في التنبؤ بالربط. استكشف المزيد من الباحثين القدرات التمثيلية للنماذج في السنوات الأخيرة. وهذا هو، يحققون في نماذج تمثيلية أفضل ل
تناسب التناظر / مضادات التنسيق والعلاقات الجمع. تعد نماذج التضمين الحالية أكثر ميلا لاستخدام ناقل متطابق لنفس الكيان في ثلاثة أضعاف لقياس الأداء المطابق. إن الملاحظة التي تقيس عقلانية ثلاثية محددة تعني مقارنة درجة المطابقة من السمات المحددة المرتبطة بالعلاقات معروفة جيدا. مستوحاة من هذه الحقيقة، تقوم هذه الورقة بتصميم المرشح الدلالي بناء على العلاقات (SFBR) لاستخراج الصفات المطلوبة للكيانات. ثم يتم مقارنة عقلانية ثلاثية تحت هذه السمات المستخرجة من خلال نماذج التضمين التقليدية. يمكن إضافة وحدة تصفية الدلالية إلى معظم نماذج التحلل الهندسية والشعور مع الحد الأدنى من الذاكرة الإضافية. تبين التجارب في مجموعات البيانات القياسية أن المرشح الدلالي القائم على العلاقات يمكن أن تقمع تأثير أبعاد السمات الأخرى وتحسين أداء تنبؤ الارتباط. حققت نماذج التحلل مع SFBR أحدث من الفن.
المحادثات عبر الإنترنت يمكن أن تأخذ في بعض الأحيان دورا للأسوأ، إما بسبب الاختلافات الثقافية المنهجية أو سوء الفهم العرضي أو مجرد خبث.تتوقع الانحراف المتوقع تلقائيا في المحادثات العامة على الإنترنت يوفر فرصة للقيام بالإجراءات المبكرة إلى معتدلة.العمل
السابق في هذا الفضاء محدود، وتمديده بعدة طرق.نحن نطبق تشفير اللغة المحددة مسبقا للمهمة، والتي تتفوقت على النهج السابقة.سنقوم بمزيد من التجربة مع تحويل نموذج التدريب للمهمة من ثابت إلى ديناميكي واحد لزيادة الأفق التوقعات.يظهر هذا النهج نتائج مختلطة: في إعداد بيانات عالي الجودة، يمكن تحقيق أفق متوسط متوسط الأطول بتكلفة انخفاض صغير في F1؛في إعداد بيانات منخفضة الجودة، ومع ذلك، فإن التدريب الديناميكي ينشر الضوضاء وهو أمر ضار للغاية للأداء.
