تشمل النصوص التي تم إنشاؤها من قبل المستخدم أنواعا مختلفة من الخصائص الأسلوبية، أو الضوضاء.لا تتم معالجة مثل هذه النصوص بشكل صحيح من خلال محلل مورفيم الحاليين أو نماذج اللغة القائمة على النصوص الرسمية مثل الموسوعات أو المقالات الإخبارية.في هذه الورقة
، نقترح أذكيلة بسيطة مناسبة مورفولوجية (K-MT) التي يمكن أن تعالج بشكل أفضل الأسماء المعدنية والتعاوض واللغة العامية الإنترنت من بين أنواع أخرى من الضوضاء في النصوص التي تم إنشاؤها من قبل المستخدمين الكورية.لقد اختبرنا خصومنا من خلال إجراء مهام التصنيف في مراجعات الأفلام الكورية التي أنشأها المستخدم ومجموعات بيانات الكلام الكراهية، ومجموعات بيانات التعرف على الكيان الكورية.من خلال اختباراتنا، وجدنا أن K-MT مناسبا بشكل أفضل لمعالجة علاوات الإنترنت والأسماء المناسبة والتعاملات المعدنية، مقارنة بمحلل مورفيم ومزمله لوائح التحميم على مستوى الطابع.
شهدت الترجمة الآلية التقدم السريع مع ظهور النماذج القائمة على المحولات. لا تحتوي هذه النماذج على هيكل لغوي صريح مبني عليهم، ومع ذلك فقد لا يزالون لا يزالون يتعلمون ضمنيا علاقات منظمة من خلال حضور الرموز ذات الصلة. نحن نفترض أن هذا التعلم الهيكلي أكثر
قوة من خلال مرفق المحولات بشكل صريح مع التحيز الهيكلية، ونحن نحقق في طريقتين للبناء في مثل هذا التحيز. طريقة واحدة، TP-Transformer، تزيد من بنية المحولات التقليدية لتضمين مكون إضافي لتمثيل الهيكل. الطريقة الثانية تغلق الهيكل على مستوى البيانات عن طريق تجزئة البيانات مع التوت التمييز المورفولوجي. نختبر هذه الأساليب على الترجمة من الإنجليزية إلى لغات غنية مورفولوجية، التركية والأجنبية، والنظر في المقاييس التلقائية والتقييمات البشرية. نجد أن كل هذين من النهجين يسمح للشبكة لتحقيق أداء أفضل، ولكن هذا التحسين يعتمد على حجم مجموعة البيانات. باختصار طرق الترميز الهيكلية تجعل المحولات أكثر كفاءة عينة، مما يتيح لهم الأداء بشكل أفضل من كميات أصغر من البيانات.
عزلت 60 خميرة من عينات مصل اللبن السوري المجموعة من بعض المحافظات السورية المعروفة
بإنتاجها للألبان (دمشق – ريف دمشق – حماة – حلب – اللاذقيـة – ادلـب) و صـنّفت موروفولوجيـاً
بالاعتماد على أشكال المستعمرات و وصف الخلايا مجهرياً و أُجريت اختبارات متن
وعة (النمو فـي وسـط
سائل – النمو في وسط صلب – تشكّل الأبواغ الأسكية) وفقـاً ل Barnett ، كمـا صـنّفت فيزيولوجيـاً
باستخدام تقنية ال API لتحديد نوع الخميرة فتبين وجود 10 أنواع من الخمائر، كانت خميرة Candida
krusei هي الأكثر انتشاراً في مصل اللبن بنسبة 66.21 % تأتي في المرتبة الثانية خميـرة Candida
lusitaniae بنسبة 66.16 % ثم كلّ مـن خميـرة capitatum Geotrichum و Saccharomyces
cerivisiae و minuta Rhodotorula في المرتبة الثالثة بنسبة 66.11 % ثـم خميـرة magnolia
Candida في المرتبة الرابعة بنسبة 33.8 % و في المرتبة الخامسة تأتي خميـرة famata Candida
بنسبة 66.6 % ثم تأتي خميرة Candida lipolytica في المرتبة السادسة بنسبة 5 % ثم كلُّ من خميرة
mucilaginosa Rhodotorula و kefyr Candida في المرتبة السابعة بنسبة 33.3 % كمـا تبـين
وجود اختلاف في أنواع الخمائر وفقاً للمحافظات المدروسة.
