يهدف السبب السببي إلى التنبؤ بالسيناريوهات المستقبلية التي قد يكون سببها الإجراءات الملحوظة.ومع ذلك، فإن أساليب المنطق السببية الموجودة تتعامل مع الضغط على مستوى الكلمة.في هذه الورقة، نقترح طريقة التفكير السببية السببية على مستوى الحدث وإظهار استخدام
ها في مهمة توليد التأثير.على وجه الخصوص، نقوم بتكييف أزواج الأحداث التي تمت ملاحظتها في السبب في شبكة سببية حدث، والتي تصف التبعيات السببية.بالنظر إلى جملة مدخلات، يتم استرداد مجموعة فرعية سببية من شبكة السببية الحدث ويتم ترميزها مع آلية اهتمامات الرسم البياني، من أجل دعم التفكير الأفضل للآثار المحتملة.ثم يتم تحديد حدث التأثير الأكثر احتمالا من الفحص الفرعي السببي ويستخدم كإرشادات لتوليد جملة تأثير.تظهر التجارب أن طريقتنا تولد جمل أكثر معقولة من مختلف المنافسين المصممين بشكل جيد.
تقدم هذه الورقة مساهمتنا في تعدين وسائل التواصل الاجتماعي للتطبيقات الصحية المهمة المشتركة 2021. لقد عالجنا جميع المهام الفرعية الثلاثة للمهمة 1: الفرعية (تصنيف التغريدات التي تحتوي على آثار ضارة)، SubTask B (استخراج يمتد النص الذي يحتوي على آثار ضار
ة) وSubTask C (دقة الآثار الضارة).استكشفنا العديد من نماذج اللغة القائمة على المحولات المدربة مسبقا وركزنا على بنية تدريب متعددة المهام.بالنسبة للسبع الأول، طبقنا أيضا تقنيات تكبير الخصومة وتشكل مجموعة نموذجية من أجل تحسين متانة التنبؤ.مرتبة نظامنا في المرتبة الأولى في SubTask B مع 0.51 F1 درجة، 0.514 الدقة واستدعاء 0.514.للحصول على التراكج الفرعية، حصلنا على درجة 0.44 F1، 0.49 دقة و 0.39 استدعاء و For Subtask C حصلنا على 0.16 F1 درجة مع 0.16 دقة و 0.17 تذكر.
تمنح نماذج اللغة العصبية المدربة مسبقا أداء عال في مهام الاستدلال اللغوي (NLI).ولكن ما إذا كانوا يفهمون فعلا معنى التسلسلات المصنعة لا يزال غير واضح.نقترح جناح اختبار التشخيص الجديد الذي يسمح بتقييم ما إذا كانت مجموعة البيانات تشكل اختبارا جيدا لتقيي
م النماذج معنى فهم القدرات.نحن على وجه التحديد تطبيق تحويلات الفساد التي تسيطر عليها إلى المعايير المستخدمة على نطاق واسع (MNLI و Anli)، والتي تنطوي على إزالة فئات الكلمات بأكملها وغالبا ما تؤدي إلى أزواج الجملة غير الحسية.إذا ظلت دقة النموذجية على البيانات التالفة مرتفعة، فمن المحتمل أن تحتوي مجموعة البيانات على تحيزات إحصائية ومصنوعات تصريفات توقع التنبؤ.عكسيا، يشير انخفاض كبير في الدقة النموذجية إلى أن مجموعة البيانات الأصلية توفر تحديا صحيحا لقدرات منطق النماذج.وبالتالي، يمكن أن تكون عناصر التحكم المقترحة لدينا بمثابة اختبار تحطم لتطوير بيانات عالية الجودة لمهام NLI.
تصف هذه الورقة النماذج التي تم تطويرها من أجل تعدين وسائل التواصل الاجتماعي للصحة (SMM4H) 2021 المهام المشتركة.شارك فريقنا في المراكز الفرعية الأولى التي يصنف التغريدات مع تأثير المخدرات الضارة (ADE).يستخدم طراز أفضل أداء لدينا BERTWEAR متبوعة بطبقة
واحدة من Bilstm.يحقق النظام درجة F 0.45 على مجموعة الاختبار دون استخدام أي موارد مساعدة مثل علامات جزء من الكلام أو علامات التبعية أو المعرفة من القواميس الطبية.
أبحاث الورق مشكلة الكشف عن تأثير سلبي المخدرات في نصوص وسائل التواصل الاجتماعي.نحن نصف تطوير هذا النظام التصنيف للتغريدات الروسية.لزيادة مجموعة بيانات القطار، نطبق بضعة تقنيات زيادة وتحليل تأثيرها بالمقارنة مع أنظمة مماثلة مقدمة في ورشة عمل SMM4H 2021 سنوات.
توفر هذه الورقة نظرة عامة سريعة على الطرق الممكنة كيفية اكتشاف هذه الترجمات المرجعية بالفعل من خلال تحرير نظام MT بعد التحرير.يتم تقديم طريقتين استنادتين إلى المقاييس التلقائية: اختلاف بلو بين MT المشتبه به وبعض اختلاف MT جيد و Blue باستخدام مراجع إض
افية.كشفت هاتين الطريقتين الشكوك بأن المرجع التشيكي WMT 2020 يعتمد على MT.تم تأكيد الشك في تحليل يدوي من خلال إيجاد دليل ملموس لإجراءات ما بعد التحرير في جمل معينة.أخيرا، يتم تقديم نموذجية من تغييرات ما بعد التحرير حيث يتم تصنيف الأخطاء أو التغييرات النموذجية التي يتم إجراؤها بواسطة محرر ما بعد المحرر أو الأخطاء المعتمدة من MT.
غالبا ما تعتمد تحسين التحسينات الأخيرة في الجودة التنبؤية لأنظمة معالجة اللغة الطبيعية على زيادة كبيرة في عدد المعلمات النموذجية. وقد أدى ذلك إلى محاولات مختلفة لضغط هذه النماذج، لكن الطرق الحالية لم تعتبر الاختلافات في القوة التنبؤية للمكونات النموذ
جية المختلفة أو في تعميم النماذج المضغوطة. لفهم العلاقة بين ضغط النموذج وتعميم خارج التوزيع، نحدد مهمة ضغط نماذج تمثيل اللغة بحيث تؤدي الأفضل في إعداد تكيف المجال. نختار معالجة هذه المشكلة من منظور سببي، مما يحاول تقدير متوسط تأثير العلاج (أكل) من مكون نموذجي، مثل طبقة واحدة، في تنبؤات النموذج. يولد مخطط ضغط النموذج الموجه المقترح الخاص بنا (AMOC)، العديد من المرشحين النموذجيين، يختلف عن طريق المكونات النموذجية التي تمت إزالتها. ثم، نقوم بتحديد أفضل المرشح من خلال نموذج الانحدار الشديد الذي يستخدم أكلت للتنبؤ بالأداء المتوقع على المجال المستهدف. تفوق AMOC على خطوط أساسية قوية على العشرات من أزواج المجال عبر ثلاثة مهام تمييز نصية وتسلسل
تم إجراء هذه الدراسة لتحديد التأثير الأليلوباثي (التضاد البيوكيميائي ) لعشبة الحلفا Imperata cylindrica في نمو غراس الزيتون Olea europea L. بعمر سنة واحدة، في ظروف المشتل، و قد اعتمد في هذه الدراسة على تجربتين.
تم خلال التجربة الأولى، دراسة تأثير ال
مستخلصات المائية لأوراق و جذور وريزومات الحلفا، بالتراكيز التالية 2%،4 %، %8في بعض مؤشرات نمو غراس الزيتون ( طول و قطر الغراس ) ، بينت النتائج أن التركيزين %4و %8 من المستخلص المائي، كان لهما تأثير مثبط في نمو الغراس، حيث انخفض معدل الطول بنسبة %60.2 و%83 على التوالي بالنسبة لطول الشاهد، لوحظ عند التركيز 2% تأثيراً محفزاً للنمو، حيث زاد معدل النمو الطولي للغراس بنسبة 31.5% مقارنة بالشاهد. أما بالنسبة لمعدل نمو قطر الغراس فكان متوافقاً مع معدل النمو الطولي، فعند التركيز2 % كان التأثير الأليلوباثي محفزاً للنمو، و زاد معدل نمو القطر بمقدار %56.8، بينما لوحظ تأثيراً مثبطاً عند التركيزين %4 و 8%، حيث انخفض معدل نمو القطر بنسبة %80 و %91.5 على التوالي. و في التجربة الثانية، تمت دراسة التأثير الأليلوباثي لإضافة المسحوق الجاف لأوراق و جذور وريزومات الحلفا بالتراكيز 2%، 4%،8 %، إلى تربة أصص زراعة الغراس، على طول و قطر الغراس.
يَتَنَاوَلُ هَذَا البَحْثُ الصَّلةَ بَينَ اللُّغَاتِ السَّاميةِ و اللُّغةِ العربيّةِ، حيثُ بيَّنَ قِدَمَ العَرَبيَّةِ، وَ وَضَّحَ مَفْهومَ اللُّغَاتِ السَّامِيةِ، وَ ذَكَرَ أَهَمَّ الآرَاءِ فِي مَوطِنِها الأَصلِيِّ و الخَصَائِصَ المُشتَرَكَةَ بينَها.
ثُمَّ عَرَضَ البَحْثُ الفَهْمَ التَّارِيخِيَّ لِعَلَاقَةِ العَرَبيَّةِ بالسَّامِيةِ،مُثْبِتاً التَّفَاعُلَ الّذي ظَهَرَ فِي العَصرِ الجَاهِليِّ مِنْ خِلَالِ التَّفَاعُلِ مَعَ الكِتَابِ المُقدَّسِ،الّذي تُرْجِمَ إلَى العَربِيَّةِ، فَسَواءٌ أكَانَ العَربُ هُم المُتَرجِمِينَ أَمْ كَانَوا أَهْلَ هَذِهِ الكُتُبِ السَّمَاويَّةِ؛ فَالنَّتِيجَةُ تُثْبِتُ مَبدَأَ التَّفَاعُلِ بَيْنَ اللُّغَاتِ الّتِي كُتِبَتْ بِها هَذهِ الكُتُبِ و اللُّغةِ العَربيَّةِ، مَعَ استِمرَارِ هَذَا التَّفَاعُلِ بِوضُوحٍ فِي عَصْرِ الرَّسُولِ وَ أَصْحَابِهِ مِنْ خِلَالِ أَشْكَالٍ و صُورٍ مُتعدِّدَةٍ. ثُمَّ يُنَاقِشُ البَحْثُ ظَاهِرةَ الإعْرَابِ لِيَصِلَ البحثُ إِلَى قِدَمِ ظَاهِرةِ الإعْرَابِ فِي اللُّغَاتِ السَّاميةِ عُمُومَاً، و العربيَّةِ خَاصَّةً، مِنْ خِلَالِ عَرْضٍ لأَهمِّ مَا يُثْبِتُ أصالةَ الإعْرَابِ فِي هَذِهِ اللُّغَاتِ، وَ إنْ كَانَتِ العَرَبيَّةُ الأكْثَرَ حِفَاظَاً عَلَيهِ. ثُمَّ انتَهى البَحْثُ بالنَّتَائِجِ و التَّوصِياتِ.
هدف هذا البحث إلى دراسة التَّنوُّع الحيويِّ النباتي من الناحية الوظيفيّة في محميّة الكهف في منطقة الشيخ بدر بمحافظة طرطوس، من خلال بعض الخصائص الحياتيّة للأنواع النباتيّة المسجّلة، إضافةً إلى دراسة استعمالات هذه الأنواع ما يمكن أن يساهم في فهم و تحدي
د الدور الذي يمكن أن تقوم به في النظام البيئي و المجتمع المحلي، و يساعد بالتالي في وضع خطة إدارة مستدامة لهذه المحميّة. تمّت دراسة الجانب الوظيفي للتنوع النباتي من خلال تسجيل الطراز النبتي، و طراز الانتشار، و الاستعمالات لـنحو 135 نوعاً مسجّلاً على السفوح الأساسيّة، و في المجاري المائيّة المحيطة بقلعة الكهف. تنتمي الأنواع المسجّلة إلى 53 فصيلة نباتيّة و كانت الفصيلة الفولية Fabaceae أكثر الفصائل تمثيلاً إذ تمثّلت بـنحو 17 نوعاً، تلتها الفصيلة النجميّة Asteraceae بـنحو 12 نوعاً ثم الشفوية Lamiaceae بـنحو 11 نوعاً.
