إن استخراج وسيطة الحدث الضمني (EAE) هي مهمة حاسمة لاستخراج المعلومات على مستوى المستندات تهدف إلى تحديد حجج الحدث بما يتجاوز مستوى الجملة.على الرغم من الجهود العديدة لهذه المهمة، فإن عدم وجود بيانات تدريبية كافية قد أعاقت الدراسة.في هذه الورقة، نأخذ
منظورا جديدا لمعالجة قضية Sparsity الخاصة بالبيانات التي تواجهها EAE الضمنية، من خلال سد المهمة مع فهم القراءة بالآلة (MRC).على وجه الخصوص، نحن ابتكرت نظاميين تكبير البيانات عبر MRC، بما في ذلك: 1) يتيح نقل المعرفة الضمني، مما يتيح نقل المعرفة من المهام الأخرى، من خلال بناء إطار تدريب موحد في صياغة MRC، و 2) تكبير بيانات صريح، والتي يمكن أن تولد جديدا جديداأمثلة تدريبية، عن طريق علاج نماذج MRC كهندان.لقد بررت التجارب الواسعة فعالية نهجنا - - لا يحصل فقط على أداء حديثة على معيارين، ولكن أيضا يوضح نتائج متفوقة في سيناريو منخفضة البيانات.
تهدف استخراج الزوج للحجة (القرد) إلى استخراج أزواج الحجة التفاعلية من ممرتين من المناقشة. درس العمل السابق هذه المهمة في سياق مراجعة الأقران و Rebuttal، وتحللها في مهمة وضع علامة تسلسل ومهمة تصنيف علاقات الجملة. ومع ذلك، على الرغم من الأداء الواعد، ف
إن هذا النهج يحصل على أزواج الحجة ضمنيا من قبل المهامتين المتحلين، يفتقر إلى نمذجة صراحة لتفاعلات مستوى الوسيطة بين أزواج الحجة. في هذه الورقة، نقوم بمعالجة مهمة القرد من خلال إطار توجيه متبادل، والتي يمكن أن تستخدم معلومات حجة في مقطع واحد لتوجيه تحديد الحجج التي يمكن أن تشكل أزواج معها في مقطع آخر. وبهذه الطريقة، يمكن لمركزين توجه بعضهما البعض بشكل متبادل في عملية القرد. علاوة على ذلك، نقترح رسم بياني علاقة بين الجملة إلى النموذج بشكل فعال العلاقات بين الجملتين وبالتالي يسهل استخراج أزواج الحجة. يمكن أن تمثل طريقةنا المقترحة بشكل أفضل دلالات المستوى الكلي على مستوى الوسيطة، وبالتالي التقاط صراحة الارتباطات المعقدة بين أزواج الحجة. تظهر النتائج التجريبية أن نهجنا تتفوق بشكل كبير على النموذج الحالي للحالة الحالية.
الحجج عالية الجودة هي جزء أساسي من صنع القرار.توقع جودة الوسيطة تلقائيا هي مهمة معقدة حصلت مؤخرا على الكثير من الاهتمام في تعدين الحجة.ومع ذلك، فإن جهود التوضيحية لهذه المهمة مرتفعة بشكل استثنائي.لذلك، نختبر أساليب التعلم النشطة القائمة على عدم اليقي
ن (AL) على مجموعتين بيانات قوامها الشائعة لتقدير ما إذا كان يمكن تمكين التعلم الكفء للعينة.يدل تقييمنا التجريبي الواسع أن وظائف الاستحواذ القائمة على عدم اليقين لا يمكن أن تتجاوز الدقة التي تم التوصل إليها مع الاستحواذ العشوائي على مجموعات البيانات هذه.
تقيم هذه الدراسة ما إذا كان يمكن استخدام خوارزميات الترشيح التعاونية التعاونية النموذجية (CF)، والتي تمت دراستها على نطاق واسع وتستخدم على نطاق واسع لبناء أنظمة التوصية، للتنبؤ بالأسماء المشتركة التي يمكن أن تتخذها المسند ككمل لها. نجد أنه عند تدريب
البيانات المشتركة في الفعل الفعل المنسق من كوربوس الأمريكيين المعاصرين - الإنجليزية (COCA)، اثنين من خوارزميات CF شعبية تعتمد على النموذج، وتحلل القيمة المفرد وعوامل مصفوفة غير سلبية، تؤدي بشكل جيد في هذه المهمة ، يحقق كل منها AUROC من 0.89 على الأقل وتجاوز العديد من خطوط الأساس المختلفة. نوضح بعد ذلك أن ناقلات التضمين للأفعال والأسماء المستفادة من طرازات CF يمكن قياسها (عبر تطبيق K- يعني التجميع) مع الحد الأدنى من فقدان الأداء في مهمة التنبؤ مع استخدام عدد صغير فقط من الأفعال والأسماء (بالنسبة لعدد الأفعال والأسماء المتميزة). أخيرا، نقيم المحاذاة بين ناقلات التضمين الكمي للأفعال وفئات الفعل ليفين، وتجدر عن أن المحاذاة تجاوزت العديد من خطوط الأساس العشوائية. نستنتج عن طريق مناقشة كيفية تطبيق خوارزميات CF النموذجية القائمة على قيود التعلم على الاختيار المكونات بين مختلف الفئات المعجمية وكيف يمكن بعد ذلك استخدام هذه النماذج (المستفادة) لزيادة قواعد الدائرة الانتخابية (القاعدة).
إن الانتعاش الدقيق لهيكل الوسائد الواسع من تحليل الاعتماد العالمي (UD) هو أساسي لمهام المصب مثل استخراج الأدوار الدلالية أو تمثيلات الأحداث. تقدم هذه الدراسة على المستحسن، تصنيف التسلسل الهرمي لعلاقات التبعية المستدلة الموجودة داخل تحليل UD. بمثابة د
قة تصنيف Compchain بمثابة وكيل لقياس الانتعاش الدقيق لهيكل الوسائد المسند من الجمل مع التضمين. لقد قمنا بتحليل توزيع الملاحظة في Three Treebanks English English، EWT، اللثة والخطوط، وكشف أن هذه Treebanks متناثرة فيما يتعلق بالجمل مع هيكل الوسائد المسند يتضمن تضمين حجة مسند. قمنا بتقييم نماذج خط الأساس SPIPE (V1.2) Conll 2018 (V1.2) الأساس (COMPCHAIN) كمعقل كمبيوتر يعمل بنظام EWT و Gums and Lines UD Treebanks. تشير نتائجنا إلى أن هذه النماذج الأساسية الثلاثة تظهر الأداء الأكثر فقرا في الجمل مع هيكل الوسائد الواسع مع أكثر من مستوى من التضمين؛ استخدمنا Comprains لتوصيف الأخطاء التي تم إجراؤها بواسطة هذه المحللين وتقديم الأمثلة الحالية للضرائب الخاطئة التي تنتجها المحلل المحلل المحدد باستخدام المركبات. لقد قمنا أيضا بتحليل توزيع Comprains في 58 UDBanks UD UDBanks غير الإنجليزية ثم استخدمت Comprains لتقييم نموذج خط الأساس المشترك CONLL'18 لكل من هذه Treebanks. يوضح تحليلنا أن الأداء فيما يتعلق بتصنيف كمبيوتر يحترم ضعيفا ضعيفا فقط مع مقاييس التقييم الرسمية (LAS، MLAS و Blex). نحدد الثغرات في توزيع العقائد في العديد من UD Treebanks، وبالتالي توفير خارطة طريق لكيفية استكمال هذه Treebanks. نستنتج من خلال مناقشة كيفية توفر Comprains منظورا جديدا حول Sparsity بيانات التدريب لمحلل UD، وكذلك دقة تبييض UD الناتج.
يعمل العمل الحديث في محاولات تعدين الحجة عبر الموضوعات لتعلم النماذج التي تعزز عبر الموضوعات بدلا من الاعتماد فقط على الارتباطات الزائفة داخل الموضوع.نحن ندرس فعالية هذا النهج من خلال تحليل إخراج النماذج ذات المهمة الفردية ومتعدد المهام للتطوير عبر ا
لموضوعات التعدين، من خلال مزيج من تقريبية خطية من حدود قراراتهم، وتجميع الميزات اليدوية، أمثلة التحدي، والاعتبارات عبر المدخلاتكلمات.من المستغرب أن نوضح أن النماذج عبر الموضوعات لا تزال تعتمد في الغالب على ارتباطات زائفة وتعميم فقط داخل مواضيع مرتبطة ارتباطا وثيقا، على سبيل المثال، نموذج مدرب فقط على الكلمات الفئة المغلقة وبعض الكلمات المفتوحة الشائعة تفوقت على حالة منالفن المتبادل نموذج المواضيع المستهدفة البعيدة.
نحن نعتمد على الحجج في حياتنا اليومية لتسليم آرائنا وتساعدهم على الأدلة، مما يجعلها أكثر إقناعا بدورها.ومع ذلك، يمكن أن يكون العثور على والحجج وصياغة التحدي.في هذا العمل، نقدم Arg-Ctrl - نموذج لغوي لتوليد الوسيطة الذي يمكن التحكم فيه لتوليد حجج مستوى
الجملة للموضوع والموقف والجانب.نحدد الكشف عن الجانب الوسيطة كطريقة ضرورية للسماح لهذا التحكم الدقيقة والتعبئة الجماعية بمجموعة بيانات مع 5،032 حجج مشروح مع جوانب.يوضح تقييمنا أن ARG-CTRL قادر على توليد حجج عالي الجودة وجزئي محددة، ينطبق على جيل الحجة المضادة التلقائي.نقوم بنشر الأوزان النموذجية وجميع مجموعات البيانات والرمز لتدريب ARG-CTRL.
في هذه الورقة، نركز على تحديد أزواج الحجة التفاعلية من وظيفتين مع مواقف معاكسة إلى موضوع معين.النظر في الآراء يتم تبادلها من وجهات نظر مختلفة موضوع المناقشة، ندرس تمثيلات منفصلة للحجج لالتقاط جوانب متفاوتة في لغات الحال (على سبيل المثال، التركيز من ا
لنقاش وسلوك المشارك).علاوة على ذلك، فإننا نستخدم الهيكل الهرمي لنموذج المعلومات بعد الحكمة التي تتضمن المعرفة السياقية.تظهر النتائج التجريبية على مجموعة البيانات الواسعة النطاق التي تم جمعها من CMV أن إطار عملنا المقترح قد يتفوق بشكل كبير على خطوط الأساس التنافسية.تكشف التحليلات الإضافية لماذا ينتج نموذجنا أداء متفوقا وأثبت فائدة تمثيلاتنا المستفادة.
نحن ندرس مشكلة استخراج وسيطة الأحداث عبر اللغات (CEAE). تهدف المهمة إلى التنبؤ بأدوار حجة من يذكر الأحداث في النص، والتي تختلف لغتها عن اللغة التي تم تدريبها على نموذج تنبؤي. أظهر العمل السابق على CEAE الفوائد المتبادلة لأشجار الاعتماد الشامل في التق
اط الهياكل النحوية المشتركة للجمل عبر اللغات. على وجه الخصوص، يستغل هذا العمل وجود الاتصالات النحوية بين الكلمات في أشجار التبعية كمعرفة مرساة لنقل التمثيل تعلم عبر اللغات لنماذج CEAE (I.E.، عبر الرسوم البيانية الشبكات العصبية العلاجية - GCNS). في هذه الورقة، نقدم مصادر رواية معلومات مستقلة من اللغة للحصول على نماذج CEAE بناء على التشابه الدلالي وعلاقات التبعية الشاملة في Word Pairs بلغات مختلفة. نقترح استخدام مصادر المعلومات لإنتاج هياكل جملة مشتركة لسد الفجوة بين اللغات وتحسين الأداء المتبادل لنماذج CEAE. يتم إجراء تجارب واسعة مع اللغة العربية والصينية والإنجليزية لإظهار فعالية الطريقة المقترحة للحصول على CEAE.
إنّ هدف الخطاب -أيّاً كان نوعه- هو التأثير ، و لذلك يجهد المتكلم نفسه في إنتاج أقوالٍ لغويةٍ توجه المتلقي نحو سلوكٍ ما ، و تكمن أهمية النظرية الحجاجية في الوقوف على التقنيات الخطابية التي استخدمها المرسل في خطابه ، و التي جعلت خطابه مقبولاً لدى المتل
قّي، و الحجاج نظريةٌ نشأت في أحضان علم اللغة و المنطق و الأنثروبولوجيا و غيرها من العلوم ، و قد غدت نظريةً متكاملةً بعد أبحاث بيرلمان التي بدأ العلماء تطويرها فيما بعد ، و استفاد منها جميع المحللين و الباحثين في نظرية التواصل و الاتصال ؛ إذ إنّ الوقوف على آليات المرسل في تحقيق اتّصالٍ ناجحٍ يؤدي إلى تواصلٍ فعّالٍ هو غاية الحجاج ، و هي نظريةٌ لا تزال في طور النمو ، و تعدّ نظرية الأفعال الكلامية خلفيةً علميةً لها .
