الاستعارات في كل مكان في اللغة الطبيعية، ويتطلب الكشف عنها منطق سياقي حول ما إذا كان التعارض الدلالي موجود بالفعل.معظم العمل الحالي يعالج هذه المشكلة باستخدام نماذج السياق المدربة مسبقا.على الرغم من نجاحها، تتطلب هذه النماذج كمية كبيرة من البيانات ال
مسمى ولا تستند إلى اللغة اللاحنة.في هذه الورقة، اقترحنا نموذجا متمربا مسبقا مسبقا (كيت) للكشف عن الاستعارة مع التعلم شبه الإشرافه.يستخدم نموذجنا أولا نموذجا مدربا مسبقا للحصول على تمثيل سياقي للكلمات المستهدفة وتوظف هدفا بسيطا لتعزيز المسافة المتزايدة بين الكلمات المستهدفة "الحواس الحرفية والجهزة المجازية القائمة على نظريات لغوية.علاوة على ذلك، نقترح استراتيجية بسيطة لجمع مثيلات مرشحة واسعة النطاق من كوربوس العام وتعميم النموذج عبر التدريب الذاتي.تبين تجارب واسعة أن كيت يحقق أداء أفضل ضد خطوط خطوط البيانات الحديثة على العديد من البيانات القياسية.
تتكون مهمة تحليل المعنويات المستندة إلى جانب الجسيم من ثلاث مجموعات فرعية نموذجية: استخراج الأجل في الجانب، استخراج الأجل رأي، وتصنيف قطبية المعنويات.عادة ما يتم تنفيذ هذه المهن الفرعية الثلاثة بشكل مشترك لتوفير الموارد وتقليل انتشار الخطأ في خط الأن
ابيب.ومع ذلك، فإن معظم النماذج المشتركة الحالية تركز فقط على فوائد تقاسم التشفير بين المهن الفرعية ولكن تجاهل الفرق.لذلك، نقترح نموذجا مشتركا ABSA، والتي لا تتمتع فقط بمزايا تقاسم التشفير ولكنها تركز أيضا على الفرق لتحسين فعالية النموذج.بالتفصيل، نقدم تصميما مزدوجا للتشفير، حيث يركز تشفير الزوج بشكل خاص على تصنيف زوج الرأي في الجانب المرشح، والتشمس الأصلي يحتفظ بالاهتمام على وضع العلامات التسلسل.تظهر النتائج التجريبية أن طرازنا المقترح يظهر متانة ويتفوق بشكل كبير على الحالة السابقة من بين الفن في أربعة مجموعات بيانات معيار.
