ترغب بنشر مسار تعليمي؟ اضغط هنا

يعني: الشبكة متعددة الرأس كيان إيلاء شبكة الاهتمام للكشف عن المنظور السياسي في وسائل الإعلام

MEAN: Multi-head Entity Aware Attention Networkfor Political Perspective Detection in News Media

315   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

الطريقة التي يتم إنشاؤها ونشرها قد تغيرت بشكل كبير خلال العقد الماضي.إن تحديد المنظور السياسي يشكل طريقة مناقشة الأحداث المناقشة في وسائل الإعلام أكثر أهمية بسبب الزيادة الحادة في عدد منافذ الأخبار والمقالات.الأساليب السابقة عادة ما تستفيد فقط المعلومات اللغوية.ومع ذلك، فإن المقالات الإخبارية تحاول الحفاظ على المصداقية ويبدو أنها محايدة.لذلك، يتم تقديم التحيز بطرق خفية، عادة من خلال التركيز على جوانب مختلفة من القصة.في هذه الورقة، نقترح إطارا جديدا يعتبر الكيانات المذكريات في المقالات الإخبارية والمعرفة الخارجية بها، مما أسفر عن التحيز فيما يتعلق بهذه الكيانات.نستكشف طرق مختلفة لحقن معلومات الكيان في نموذج النص.تظهر التجارب أن إطار عملنا المقترح يحقق تحسينات كبيرة على النماذج النصية القياسية، وهو قادر على تحديد الفرق في روايات الأخبار مع وجهات نظر مختلفة.



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

اقرأ أيضاً

مع النجاح المبكر لمساعدات الإجابة في الاستعلام مثل Alexa و Siri، فإن محاولات البحث لتوسيع إمكانات النظام من أتمتة خدمة التعامل هي الآن وفيرة. ومع ذلك، فقد عثرت الأنظمة الأولية بسرعة على عدم كفاية في الاعتماد على تقنيات التصنيف البسيطة لتحقيق مهمة الأ تمتة بشكل فعال. التحدي الرئيسي هو أن الحوار يتضمن في كثير من الأحيان التعقيد في نوايا المستخدم (أو أغراض) معتلقها، مع مراعاة التغيير التلقائي، ويصعب تتبعه. علاوة على ذلك، لم تعتبر مجموعات البيانات العامة هذه المضاعفات والشروح الدلالية العامة غير موجودة والتي قد تؤدي إلى مشكلة تسديدة صفرية. بدافع من ما ورد أعلاه، نقترح شبكة انتباه بيرت علم الملصقات (Laban) للكشف عن الصفر طلقة متعددة النوايا. نقوم أولا بتشفير كلمات الإدخال مع بيرت وبناء مساحة مضمنة تسمية من خلال النظر في دلالات مضمنة في ملصقات النوايا. ثم يتم تصنيف كلمة الإدخال بناء على أوزان الإسقاط على كل تضمين نية في هذه المساحة المضمنة. نظهر أنه تمتد بنجاح إلى عدد قليل من الإعدادات / الصفر، حيث يكون جزء من ملصقات النوايا غير مرئية في بيانات التدريب، من خلال مراعاة الدلالات أيضا في هذه الملصقات النية غير المرئية. تظهر النتائج التجريبية أن نهجنا قادر على اكتشاف العديد من الملصقات النية غير المرئية بشكل صحيح. كما أنه يحقق الأداء الحديثة في خمس مجموعات بيانات متعددة النوايا في الحالات العادية.
تضع الكشف عن الشائعات على وسائل التواصل الاجتماعي نماذج لغة مدربة مسبقا (LMS)، مثل Bert، والميزات المساعدة، مثل التعليقات، قيد الاستخدام. ومع ذلك، من ناحية، فإن مجموعات بيانات الكشف عن الشائعات في الشركات الصينية مع تعليقات نادرة؛ من ناحية أخرى، فإن التفاعل المكثف من الاهتمام على النماذج القائمة على المحولات مثل بيرت قد يعيق تحسين الأداء. لتخفيف هذه المشاكل، نبني مجموعة بيانات جديدة من المدونات الصغيرة الصينية تسمى Weibo20 من خلال جمع الوظائف والتعليقات المرتبطة بها من سينا ​​ويبو واقترح فرقة جديدة تسمى Stanker (Bracking Network بناء على الانتباه ملثمين). تتبنى Stanker نماذج برت ملثمين من اهتمامات اثنين من المحبوسين على مستوى تشفير قاعدة. على عكس الخطابة الأصلية، يتخذ نموذج LGAM-Bert الجديد الخاص بنا تعليقات كملفات مساعدة مهمة ويعتد على الانتباه بين الوظائف والتعليقات على الطبقات المنخفضة. أظهرت التجارب على Weibo20 وثلاث مجموعات بيانات وسائل التواصل الاجتماعي الحالية أن الستائر تفوقت على جميع النماذج المقارنة، وخاصة ضرب الدولة القديمة في مجموعة بيانات Weibo.
نقترح خلاصات الأخبار المفتوحة، ونحن مؤلف أخبار مفتوحة يدعم المهام المختلفة المتعلقة بنية الحاليات في الافتتاحيات الإخبارية، مع التركيز على اكتشاف المنظور التلقائي. أخبار الافتتاحية هي نوع من النص المقنع، حيث يكون بنية الحجة ضمنية عادة. ومع ذلك، فإن ا لحجج المقدمة في افتتاحية عادة مركز حول أطروحة موجزة مركزة، والتي نشير إليها كمنظورهم. تهدف Multioped إلى دعم دراسة مهام متعددة ذات صلة باكتشاف المنظور التلقائي، حيث من المتوقع أن ينتج النظام عبارة أطروحة واحدة الجملة التي تلخص الحجج المقدمة. نقول أن تحديد ومخلص من وجهات نظر اللغة الطبيعية من الافتتاحيات هو خطوة حاسمة نحو دراسة هيكل الجدال الضمني في الأخبار الافتتاحية. نناقش أولا التحديات وتحديد عدد قليل من المهام المفاهيمية تجاه هدفنا. لإظهار فائدة المهام متعددة المنصوص عليها، ندرس مشكلة تلخيص المنظور في بيئة تعليمية متعددة المهام، كدراسة حالة. نظرا لأنه، مع المهام المستحثة كامرأة مساعدة، يمكننا تحسين جودة ملخص المنظور الذي تم إنشاؤه. نأمل أن يكون multiopeded موردا مفيدا للدراسات المستقبلية عن الجدال في مجال تحرير الأخبار.
نقترح إطارا جديدا للتنبؤ بالتقدمية الإبلاغ عن وسائل الإعلام الإخبارية من خلال دراسة دورات اهتمام المستخدمين في قنوات YouTube الخاصة بهم.على وجه الخصوص، نقوم بتصميم مجموعة غنية من الميزات المستمدة من التطور الزمني لعدد طرق العرض، الإعجابات، الكراهية، والتعليقات عن مقطع فيديو، والذي نكتبه بعد ذلك إلى مستوى القناة.نقوم بتطوير وتحرير مجموعة بيانات للمهمة، وتحتوي على ملاحظات انتباه المستخدم على قنوات YouTube ل 489 رسالة إخبارية.تثبت تجاربنا على كلا التكاملين وتحسينات كبيرة على تمثيلات نصية من أحدث الأحوال.
إن كيان مشترك واستخراج العلاقات يمثل تحديا بسبب التفاعل المعقد للتفاعل بين التعرف على الكيان المسمى واستخراج العلاقة. على الرغم من أن معظم الأعمال القائمة تميل إلى تدريب هذه المهامتين المشتركين من خلال شبكة مشتركة، إلا أنها تفشل في الاستفادة الكاملة من الترابط بين أنواع الكيان وأنواع العلاقات. في هذه الورقة، نقوم بتصميم شبكة مزدوجة متزامنة رواية (SDN) مع اهتمام عبر النوع عبر الانتباه بشكل منفصل وتفاعي تفاعلي أنواع الكيان وأنواع العلاقات. من ناحية، يعتمد SDN اثنين من النوع BI اتجاهي ISOMORPHIC LSTM لترميز التمثيلات المحسنة نوع الكيان والتمثيلات المحسنة نوع العلاقة، على التوالي. من ناحية أخرى، نماذج SDN صراحة الترابط بين أنواع الكيان وأنواع العلاقات عبر آلية الاهتمام عبر النوع. بالإضافة إلى ذلك، نقترح أيضا استراتيجية تعليمية متعددة المهام الجديدة عبر النمذجة تفاعل نوعين من المعلومات. تجارب مجموعات بيانات NYT و WEBNLG تحقق من فعالية النموذج المقترح، وتحقيق الأداء الحديث في الفن.

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