محور في مهمة Semeval-2021 1: الانصهار من الجملة وتردد الكلمات للتنبؤ التعقيد المعجمي

في هذه الورقة، نقترح طريقة لاستدادتها معلومات جملة المعلومات ومعلومات تردد الكلمات الخاصة بمهمة التعقيد ذات التعقيد 1-LCP (LCP). في نظامنا، تأتي معلومات الجملة من نموذج روبرتا، وتأتي معلومات تردد الكلمات من خوارزمية TF-IDF. استخدم Black Block كطبقة مشتركة لتعلم العقوبة ومعلومات تردد الكلمات وصفنا تنفيذ أفضل نظامنا وناقش أساليبنا وتجاربنا في المهمة. تنقسم المهمة المشتركة إلى مهمتين فرعيتين. الهدف من المهام الفرعية هو التنبؤ بعقد كلمة محددة سلفا. تنقسم المهمة المشتركة إلى قسمين فرعيين. الهدف من اثنين من المهن الفرعية هو التنبؤ بعقد كلمة محددة سلفا. مؤشر تقييم المهمة هو معامل الارتباط بيرسون. يحتوي أفضل نظام الأداء لدينا على معاملات ارتباط بيرسون من 0.7434 و 0.8000 في مجموعة اختبار المراكز الفرعية ذات الرمز الفرعي واحد ومجموعة اختبار الترجمة الفرعية متعددة رميات، على التوالي.

باستخدام تقارير ذاتية صاخبة للتنبؤ برطب مستخدم Twitter

غالبا ما تكون دراسات العلوم الاجتماعية الحاسوبية تحليل المحتوى في كثير من الأحيان داخل التركيبة السكانية القياسية.نظرا لأن التركيبة السكانية غير متوفرة على العديد من منصات وسائل التواصل الاجتماعي (E.G. Twitter)، فقد استنتجت الدراسات العديد من الدراسات التركيبة السكانية تلقائيا.على الرغم من العديد من الدراسات التي تقدم أداء مفهوم العرق والعرق، لا يزال تدريب النظم العملية بعيد المنال لأن هناك بعض البيانات المشروح.مجموعات البيانات الحالية صغيرة وغير دقيقة، أو تفشل في تغطية المجموعات العرقية والأعرقية الأربعة الأكثر شيوعا في الولايات المتحدة.نقدم طريقة لتحديد التقارير الذاتية عن العرق والعرق من أوصاف الملف الشخصي Twitter.على الرغم من ضجيج الإشراف الآلي، فإن مجموعات بيانات التقرير الذاتي لدينا تمكن التحسينات في أداء التصنيف على بيانات مسح التقارير الذاتية القياسية الذهبية.والنتيجة هي طريقة استنساخ لإنشاء موارد تدريبية واسعة النطاق للسباق والعرق.

AND-LITE ASR للتنبؤ المشترك بالتنبؤ بالشروح والشروح اللغوية

نقترح نموذج تسلسل متعدد التسلسل للمحولات للتعرف على الكلام التلقائي (ASR) قادر على نسخ الصوت التلقائي (ASR) من نسخ الصوت في وقت واحد والشروحة مع المعلومات اللغوية مثل النصوص الصوتية أو علامات جزء من الكلام (POS). نظرا لأن المعلومات اللغوية مهمة في معالجة اللغة الطبيعية (NLP)، فإن ASR المقترح مفيد بشكل خاص لتطبيقات واجهة الكلام، بما في ذلك أنظمة الحوار المنطوقة والترجمة الكلامية، والتي تجمع بين ASR و NLP. لإنتاج التعليقات التوضيحية اللغوية، ندرب نظام ASR باستخدام أهداف تدريبية معدلة: يتبع كل وحدة جرفية أو متعددة الجرافيم في النص المستهدف تسلسل صوت محاذاة و / أو علامة نقاط البيع. نظرا لأن طريقتنا قد تمكن من الوصول إلى البيانات الصوتية الأساسية، فيمكننا تقدير التعليقات التوضيحية اللغوية بشكل أكثر دقة من نهج خطوط الأنابيب التي يتم فيها تطبيق الأساليب القائم على NLP على نص ASR الفرضية. تظهر النتائج التجريبية على مجموعات البيانات اليابانية والإنجليزية أن نظام ASR المقترح قادر على إنتاج نسخ عالية الجودة في وقت واحد والشروح اللغوية.

التنبؤ بمعدل الحقن الأمثل لمنع تشكل الهيدرات الغازية في خطوط نقل الغاز الطبيعي من حقول شمال دمشق (البريج و قارة ودير عطية)

في هذا البحث تم توضيح أهداف هذه الدراسة و المشاكل التي تُسببها مشكلة تشكل الهيدرات الغازية في خطوط نقل الغاز المدروسة، و اعطاء لمحة عن الحقول المدروسة تتضمن كافة البيانات المطلوبة في هذا البحث.

أسلوب مقترح للتنبؤ بالسلاسل الزمنية ذات الدور المنتظم (إنتاج الزيتون في سورية)

تشهد زراعة الزيتون تطوراً ملحوظاً في الجمهورية العربية السورية من حيث المساحة المزروعة و عدد الأشجار و نوعية الأصناف المزروعة من الزيتون. نتيجة هذا التطور احتلت سورية المركز الأول في إنتاج الزيتون عربياً والمرتبة الخامسة عالمياً بعد إسبانيا وإيطاليا واليونان وتركيا متجاوزة تونس التي كانت تحتل المركز الأول عربياً. يتأثر إنتاج الزيتون كمتغير تابع بكثير من العوامل التي يمكن عدها مستقلة: و هي عدد الأشجار و عمر الشجرة و صنف الشجرة و كمية الأمطار و درجة الحرارة و مكان زراعة الزيتون....إلا أن أهم ما يؤثر في إنتاج الزيتون هو ظاهرة المعاومة. المعاومة أو تبادل الحمل الثمري alternate fruit bearing في الأشجار المثمرة. تؤدي ظاهرة المعاومة إلى تأثر سلسلة إنتاج الزيتون بعوامل دورية منتظمة فضلاً عن العوامل الأخرى، الاتجاه العام و العوامل العشوائية. هدفت هذه الدراسة إلى تقديم أسلوب جديد لنمذجة السلاسل الزمنية ذات الدور المنتظم و تحليلها و تطبيقها على إنتاج الزيتون في الجمهورية العربية السورية. خلصت الدراسة إلى وضع نموذج قياسي مبني على الأسلوب الجديد المقترح يمكن استخدامه في. التنبؤ بإنتاج الزيتون قي سورية، و قد قمنا بالتنبؤ بحجم الإنتاج حتى عام 2016.

استخدام نموذج فضاء الحالة State Space في التنبؤ بإنتاج القمح في سورية

هدفت هذه الدراسة إلى وضع نموذج قياسي للتنبؤ بحجم إنتاج القمح في سورية مبني على أساس نموذج فضاء الحالة State Space . و خلصت الدراسة إلى وضع نموذج قياسي مبني على نموذج فضاء الحالة و التنبؤ بحجم الإنتاج من القمح في الجمهورية العربية السورية حتى عام 2016 . كما تبين من مقارنة نموذج فضاء الحالة State Space Model) SSM) بالنماذج المستخدمة في تحليل السلاسل الزمنية أفضلية نموذج فضاء الحالة عليها لنمذجة إنتاج القمح في سورية.