ترغب بنشر مسار تعليمي؟ اضغط هنا

Fitannotator: نظام شروح نصي مرن وذكي

FITAnnotator: A Flexible and Intelligent Text Annotation System

725   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

في هذه الورقة، نقدم FitannoTator، أداة عامة على شبكة الإنترنت العامة لفئة التعريف النصوضي.الاستفادة من تصميم الهيكل المعياري بالكامل، يوفر مرح COMTANNOTATOR حل منهجي للتعليق على مجموعة متنوعة من مهام معالجة اللغة الطبيعية، بما في ذلك التصنيف، ووضع علامات التسلسل والتعليق الدلالي، بغض النظر عن اللغة.يتم تطوير ثلاثة أنواع من الواجهات للتعليق على المثيلات، وتقييم جودة التوضيحية وإدارة المهمة الشروية للتعليق والمراجعين والمديرين على التوالي.يقدم FitannoTator أيضا شرحا ذكاءا عن طريق إدخال مساعد خاص بالفصل لدعم وتوجيه المحن المعلقين بناء على التعلم النشط واستراتيجيات التعلم الإضافية.هذا المساعد قادر على التحديث الفعال من التقيمات Annotator ويعالج بسهولة سيناريوهات العلامات الإضافية.



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

اقرأ أيضاً

نقدم تكيفا لنظام النص إلى Picto، مصممة في البداية للهولندية، وممتد إلى اللغة الإنجليزية والإسبانية.يترجم النظام الأصلي، الذي يهدف إلى الأشخاص ذوي الإعاقة الفكرية، تلقائيا النص إلى الصور التوضيحية (الصلبة والنسخة بيتا).نحن تمديدها إلى الفرنسية وإضافة مجموعة كبيرة من الصور المصورة ARASAAC المرتبطة ب WordNet 3.1.لتنفيذ هذا التكيف، نربط الصور التوضيحية تلقائيا والبيانات التعريفية الخاصة بهم إلى توليه اثنين من الكلمات الفرنسية واستفادت هذه المعلومات لترجمة الكلمات إلى الصور التوضيحية.نحن نقيم نظامنا تلقائيا ودوازي مع مختلف الشركات المقابلة لحالات الاستخدام المختلفة، بما في ذلك واحد للتواصل الطبي بين الأطباء والمرضى.كما يقارن النظام أنظمة مماثلة بلغات أخرى.
المواد الحيوية هي المواد الاصطناعية أو الطبيعية المستخدمة لبناء الأعضاء الاصطناعية، أو تصنيع الأطراف الاصطناعية، أو استبدال الأنسجة. شهد القرن الماضي تطور الآلاف من المواد الحيوية الجديدة، ونتيجة لذلك، زيادة أسية في المنشورات العلمية في هذا المجال. ي مكن أن تمكن تحليل واسع النطاق من المواد الحيوية وأدائها اختيار المواد التي يحركها البيانات وتصميم الزرع. ومع ذلك، يتطلب مثل هذا التحليل تحديد وتنظيم المفاهيم، مثل المواد والهياكل، من النصوص المنشورة. لتسهيل استخراج المعلومات في المستقبل وتطبيق تقنيات تعلم الآلات، قمنا بتطوير Annotator الدلالي خصيصا مصممة خصيصا لأدبيات المواد الحيوية. تم تنفيذ Annetator SNANTATATATATATOR باتباع منظمة وحدات تستخدم حاويات البرمجيات للمكونات المختلفة وتزويرها باستخدام nextflow كدير سير العمل. تم تطوير مكونات معالجة اللغة الطبيعية (NLP) بشكل أساسي في Java. سمح هذا الإعداد بالاعتراف الكي في الكيان المسمى بدقة سبعة عشر فئة ذات صلة بمجال المواد الحيوية. نحن هنا تفصيل تطوير وتقييم وأداء النظام، وكذلك إصدار المجموعة الأولى من ملخصات المواد الحيوية المشروحة. نجعل كل من الجور والنظام المتاح للمجتمع لتعزيز الجهود المستقبلية في هذا المجال والمساهمة في استدامتها.
تعتبر عملية الاختزال الذكية، لعرض محتويات الفيديو من الأمور الأساسية المطروحة في أدبيات الرؤيا الحاسوبية، لما لها من أهمية في تقليص الحجم اللازم لتخزين الفيديو في مختلف الوسائط، و بالأخص في الهواتف النقالة و كميرات المراقبة، و تقليص في الوقت اللازم ل مشاهدة الفيديو. تتلخص عملية الاختزال الذكية، ببناء برمجية قادرة على عرض و تخزين المحتوى الهام من المشاهد، التي تحتوي على تفاصيل متجددة، إما من ناحية الصورة، أو من ناحية الصوت المرافق، و حذف المشاهد ذات المحتوى المتكرر من التفاصيل. تم في هذا البحث تقديم منهجية عمل جديدة لاستخلاص المشاهد ذات التفاصيل الجديدة في الصورة و الصوت، دون التأثير على استمرارية الحركة ضمن الفيديو، و بشكل يضمن مشاهدة مستمرة؛ حيث اعتمدت منهجية العمل على خوارزميتين أساسيتين: الخوارزمية الأولى تعمل على استخلاص المشاهد ذات التفاصيل المتغيرة في الصورة، بالاعتماد على القيم الذاتية للمشاهد، التي تبدي تغير كبير يلازم أي تغير في تفاصيل المشهد، بينما الخوارزمية الثانية تعمل على استخلاص الصوت ذو التفاصيل المتغيرة، معتمدة على خوارزمية مقدمة عام 1985 من [1]، التي يمكنها أن تقنّع الإشارة المدروسة بغلاف ثنائي القيمة 1 أو 0، في منطقة الإشارة المحتوية على تفاصيل يأخذ القيمة 1 ، بينما في المنطقة غير المحتوية على تفاصيل يأخذ القيمة 0. يتم تنفيذ الخوارزميتين بشكل متزامن، و بالتالي يتم استخلاص المشاهد المتغيرة، و الإشارة الصوتية المرافقة لها. تمّ تطبيق منهجية العمل على مقاطع فيديو كبيرة و متنوعة من حيث حركة الأغراض ضمنها، و حققت فعالية جيدة جداً، محققة دقة كبيرة في التزامن بين المشاهد، و الصوت المرافق لها.
على الرغم من أن المراجع الشمية تلعب دورا حاسما في ذاكرتنا الثقافية، إلا أن عددا قليلا فقط في NLP حاولت التقاطها من منظور حسابي. حاليا، والتحدي الرئيسي ليس الكثير من تطوير المكونات التكنولوجية لاستخراج المعلومات الشمية، بالنظر إلى التقدم الأخير في الم عالجة الدلالية وفهم اللغة الطبيعية، بل عدم وجود إطار نظري لالتقاط هذه المعلومات من وجهة نظر لغوية، ك الخطوة الأولية نحو تطوير النظم الآلية. لذلك، في هذا العمل، نقدم الإرشادات التوضيحية، التي تم تطويرها بمساعدة علماء التاريخ وخبراء المجال، تهدف إلى التقاط جميع العناصر ذات الصلة المشاركة في حالات أو أحداث شمية موضحة في النصوص. وقد استوحاد هذه المبادئ التوجيهية من شرح Framenet، لكنها خضعت لبعض التكيفات، والتي يتم تفصيلها في هذه الورقة. علاوة على ذلك، نقدم دراسة حالة فيما يتعلق بشراحف الحالات الشمية في كتابات السفر التاريخية الإنجليزية التي تصف الرحلات إلى إيطاليا. يظهر تحليلا لأكثر الحشو الدور الأكثر شيوعا أن الأوصاف الشمية تتعلق ببعض المجالات النموذجية مثل الدين والطعام والطبيعة والماضي القديم والمرافق الصحية الفقراء، وكل ذلك يدعم إنشاء صور نمطية مرتبطة بإيطاليا. من ناحية أخرى، فإن المشاعر الإيجابية الناجمة عن الروائح سائدة، وتساهم في تأطير السفر إلى إيطاليا كخبرة مثيرة تنطوي على جميع الحواس.
هدف هذا البحث إلى وضع طرائق هندسية لتحديد القيم التصميمية المثلى لبارامترات (parameters) نظام قيادة تعاقبي ذي كتل مزدوجة مع منظم تناسبي-تكاملي-تفاضلي PID , بحيث تؤدي إلى تحسين الخواص الديناميكية و تجعل التأرجح في النظام أقل ما يمكن، و ذلك باستخدام طر يقة البارامترات المتعددة المثلى التي ابتُكِرت في البحث.

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