ترغب بنشر مسار تعليمي؟ اضغط هنا

التهم @ iitk في مهمة Semeval-2021 8: الكيان القائم على Scibert واستخراج العلاقة الدلالية للبيانات العلمية

Counts@IITK at SemEval-2021 Task 8: SciBERT Based Entity And Semantic Relation Extraction For Scientific Data

150   0   0   0.0 ( 0 )
 تاريخ النشر 2021
  مجال البحث الذكاء الاصناعي
والبحث باللغة English
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

تقدم هذه الورقة النظام لمهمة Semeval 2021 8 (MEADEVAL).تعد MEADEVAL مهمة استخراج رواية وتصنيف واستخراج العلاقات التي تركز على إيجاد كميات وسمات هذه الكميات ومعلومات إضافية، بما في ذلك الكيانات المقاسة ذات الصلة والخصائص وسياقات القياس.يتألف نظامنا المقدم، الذي وضع الخامس (رتبة الفريق) على المتصدرين، من Scibert مع [CLS] رمزية تكريم وطبقة CRF على القمة.لقد وضعنا أيضا أولا في الكمية (مرتبطة) والوحدة الفرعية، ثانية في القياس، والمعدل وتأهيل المهام الفرعية، والثالث في التركيب الفرعي المؤهل.



المراجع المستخدمة
https://aclanthology.org/
قيم البحث

اقرأ أيضاً

تشرح هذه الورقة تصميم نظام غير متجانس في المرتبة الثامنة في المنافسة في مهمة Semeval2021 8. نقوم بتحليل تجارب الأزمة وإظهار كيفية تأثير مكونات النظام، وهي المراكز الملاقة، معرف الوحدة، مصنف المعدل ونموذج اللغة، على النتيجة الإجمالية.قارنا نتائجنا إلى تجارب مماثلة من الأدب وأدخل خوارزمية تجمع تطورت في مرحلة ما بعد التقييم التي زادت النتيجة الإجمالية لنظام نظامنا، مرفقة بفرضية مرتبة المنافسة من ثمانية إلى ستة.
نحن تصف MeasessVal، وهي مهمة سامية لاستخراج التهم، والقياسات، والسياق ذات الصلة من الوثائق العلمية، وهي ذات أهمية كبيرة لإنشاء الرسوم البيانية المعرفة التي تقطرن معلومات من الأدبيات العلمية.هذه مهمة جديدة في عام 2021، والتي تم استلام أكثر من 75 تقرير ا من 25 مشاركا.نتوقع أن تكون البيانات التي وضعت لهذه المهمة والنتائج التي أبلغت عنها قيمة لاستخراج المعرفة العلمية ومجتمعات البناء الأساسية المعارف الآلية.
يصف هذا العمل نهجنا للمهام الفرعية للمهمة Semeval-2021 8: MeasessVal: التهم والقياسات التي أخذت المركز الأول الرسمي في المسابقة.لحل جميع المهام الفرعية، نستخدم التعلم متعدد المهام بطريقة تشبه الإجابة على الأسئلة.نحن نستخدم أيضا الأوزان العددية في الو زن للمساهمة في الخسارة النهائية في التدريب المتعدد المهام.نحن نغتنم Luke لاستخراج الكميات، ونحن نغلق روبرتا لاستخراج كل ما يتعلق بكميات وجدت، بما في ذلك الكميات نفسها.
تصف هذه الورقة مساهمتنا في مهمة Semeval 2021 1 (Shardlow et al.، 2021): تنبؤ التعقيد المعجمي.في نهجنا، نستفيد النموذج Electra ومحاولة تعكس نظام شرح البيانات.على الرغم من أن المهمة مهمة الانحدار، إلا أننا نوضح أننا نستطيع التعامل معها كجميع العديد من نماذج التصنيف والانحدار.حقق هذا النهج المضاد بشدة إلى حد ما درجة مياه 0.0654 للمهمة الفرعية 1 و MAE من 0.0811 بشأن المهمة الفرعية 2. بالإضافة إلى ذلك، استخدمنا مفهوم إشارات الإشراف الضعيفة من برت لمعان في عملنا، وتحسن بشكل كبيردرجة ماي في المهمة الفرعية 1.
المستندات العلمية مليئة بالقياسات المذكورة في تنسيقات وأنماط مختلفة. على هذا النحو، في وثيقة ذات كميات متعددة والكيانات المقاسة، فإن مهمة ربط كل كمية إلى كيانها المقاس المقابل أمر صعب. وبالتالي، من الضروري الحصول على طريقة لاستخراج جميع القياسات والس مات ذات الصلة بكفاءة. تحقيقا لهذه الغاية، في هذه الورقة، نقترح نموذجا جديدا لمهمة استخراج العلاقات المتعلقة بالقياس (MRE) هدفه هو التعرف على العلاقة بين الكيانات والكميات والظروف المقاسة المذكورة في وثيقة. توظف نموذجنا هندسا عميقا قائمة على الترجمة من أجل تحقيق الكلمات المهمة ديناميكيا في الوثيقة لتصنيف العلاقة بين زوج من الكيانات. علاوة على ذلك، نقدم تقنية تنظيمية جديدة تعتمد على اختناق المعلومات (IB) لتصفية المعلومات الصاخبة من المجموعة الناجمة عن الكلمات المهمة. تجاربنا على مجموعة بيانات مهمة Semeval 2021 الأخيرة تكشف عن فعالية النموذج المقترح.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا