ترغب بنشر مسار تعليمي؟ اضغط هنا

تطبيق تفاعل الزمن المتمركز في الوقت المحدد من قبل المستخدم

A Cloud-based User-Centered Time-Offset Interaction Application

212   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

تسمح تطبيقات التفاعل في إزاحة الوقت (TOIA) بمحاكاة المحادثات مع الأشخاص الذين سجلوا كلمات الفيديو ذات الصلة مسبقا، والتي يتم لعبها استجابة لمستخدمها التفاعل.لدى Toias إمكانات كبيرة للحفاظ على التواريخ عبر الأجيال والثقافية، والتدريس عبر الإنترنت، والمقابلات المحاكاة، وما إلى ذلك. توجد Toias الحالية في السياقات المتخصصة التي تنطوي على تكاليف إنتاج عالية.تقدم الديمقراطية TOIA تحديات مختلفة عند إنشاء التسجيلات السابقة المناسبة، وتصميم قصص مستخدم مختلفة، وإنشاء واجهات بسيطة عبر الإنترنت للتجريب.نقوم بفتح المصدر TOIA 2.0، وهو تطبيق تفاعل متوفع للوقت الذي تركز على المستخدم، وجعله متاحا لكل من يريد التفاعل مع التسجيلات السابقة للأشخاص، أو إنشاء تسجيلات مسبقة الدفع.

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

اقرأ أيضاً

اكتسبت أنظمة الحوار مثل Chatbots، والمهام مثل الإجابة على الأسئلة (QA) الجر في السنوات الأخيرة؛ بعد تقييم هذه الأنظمة لا تزال صعبة. وتشمل الأسباب مجموعة متنوعة كبيرة في السياقات واستخدام حالات هذه الأنظمة وكذلك التكلفة العالية للتقييم البشري. في هذه الورقة، نركز على نوع معين من أنظمة الحوار: تطبيقات تفاعل إزاحة الوقت (TOIAIA) ذكي، برامج محادثة محاكمة محادثات وجها لوجه بين البشر والحجيجات الإنسانية المسجلة مسبقا. ضمن القيد أن تویا هو نظام إخراج واحد يتفاعل مع المستخدمين مع توقعات مختلفة، نحدد تحديين: أولا، كيف نحدد إجابة جيدة؟ والثاني، ما هو متري مناسب لاستخدامها؟ نستكشف التحديات من خلال إنشاء مجموعة بيانات جديدة تحدد إجابات جيدة متعددة على أسئلة تویا محددة من خلال مساعدة عمال الأمازون الميكانيكية التركيون. يتيح لنا هذه الرأي من الحشد دراسة الاختلافات في كيفية إدراك المحققين الذين يتويا إجاباتها. تشمل مساهماتنا مجموعة البيانات المشروحة التي نجعلها متاحة للجمهور واقتراح معدل النجاح الخاص بك كتقسيط تقييم أكثر ملاءمة من مقاييس استرجاع الجودة التقليدية واسترجاع المعلومات.
تحليل مورفولوجي (MA) والتطبيع المعجمي (LN) هي مهام مهمة للنص الياباني الذي تم إنشاؤه بواسطة المستخدمين (UGT).لتقييم ومقارنة أنظمة MA / LN المختلفة، قمنا ببناء كوربوس UGT اليابانية المتاحة للجمهور.يشتمل كوربوس لدينا على 929 جمل مشروحة مع معلومات مورفو لوجية وتطبيعا، إلى جانب معلومات الفئة المصنفة لظواهر خاصة بوحشية UGT.أظهرت التجارب على الجثة أداء أداء منخفضة من أساليب MA / LN الحالية للكلمات غير العامة والنماذج غير القياسية، مما يشير إلى أن الكائن ستكون معيارا صعبا لمزيد من البحث حول UGT.
يتناول هذا البحث الزمن النفسي في القصة القرآنية، فيبدأ بعرض الزمن النفسي، فيعرّفه و يبيّن تسمياته المتعددة و أسبابها، من زمن ذاتي و داخلي و زمن الأنا. ثم ينتقل للحديث عن الزمن النفسي في الأدب العربي، فيبدأ بالشعر فيعرض بعض الأبيات الشعرية التي يظهر ف يها الإحساس بالزمن، ثم يوضح معنى الزمن النفسي في الدراسات السردية الحديثة. و بعد ذلك يتناول البحث الزمن النفسي في القصة القرآنية من خلال التقدير الخاطئ للزمن بسبب عدم الإحساس به نتيجة فقدان الحياة و الوعي، ثم يعرض بعض اللحظات الإنسانية لشخصيات مختلفة من القصص القرآني كلحظات الغرق و لحظات الولادة و لحظات الخوف و القلق، و لحظات الفراق و اللقاء و لحظات الحسم و النصر. و توصل البحث إلى أن القصة القرآنية استطاعت أن تنقل العواطف الإنسانية، و ترسم خلجات النفوس، و تعبر عن الأحاسيس النفسية و دواخل الشخصيات بكلمات ذات شفافية عالية مثقلة بالمعاني، و ألفاظ منتقاة معبرة موحية، و لعل هذا كله جعل القصة القرآنية تعلو قمة الإعجاز البياني و اللغوي، و تسمو فوق مستوى الطاقة البشرية المحدودة.
نقدم خوارزمية استنادا إلى محولات متعددة الطبقات لتحديد ردود الفعل الدوائية الضارة (ADR) في بيانات وسائل التواصل الاجتماعي.يعتمد نموذجنا على خصائص المشكلة وخصائص ASTDDings Word السياقي لاستخراج وجهات نظرتين من المستندات.ثم يتم تدريب المصنف على كل طريق ة عرض لتسمية مجموعة من المستندات غير المستخدمة لاستخدامها كتهيئة لتصنيف جديد في الرأي الآخر.أخيرا، يتم تدريب المصنف التهيئي في كل طريقة عرض باستخدام أمثلة التدريب الأولي.قمنا بتقييم نموذجنا في أكبر مجموعة بيانات ADR المتاحة للجمهور.تشهد التجارب أن نموذجنا يتفوق بشكل كبير على النماذج القائمة على المحولات مسبقا على البيانات الخاصة بالمجال.
دفعت التدريب المسبق متعدد الوسائط إلى التقدم الرائع في أبحاث الرؤية واللغة. هذه النماذج المدربة مسبقا واسعة النطاق، على الرغم من نجاحها، تعاني مصححة من سرعة الاستدلال البطيء بسبب التكلفة الحسابية الهائلة بشكل أساسي من الاهتمام عبر الوسائط في بنية محو ل. عند تطبيقها على تطبيقات الحياة الحقيقية، فإن طلب الكمون والحساب الحساب يردع بشدة الاستخدام العملي للنماذج المدربة مسبقا. في هذه الورقة، ندرس استرجاع نص الصورة (ITR)، سيناريو أكثر نضجا من تطبيق V + L، الذي تمت دراسته على نطاق واسع حتى قبل ظهور النماذج المدربة مسبقا مؤخرا. نقترح نهج بسيط ولكنه فعال للغاية، الذي يسرع وقت الاستدلال في ITR بآلاف المرات، دون التضحية بالدقة. يزيل LightNingdot الاهتمام المتعلق بالعشرات المستهلكة للوقت من خلال استخراج فهارس ميزة ذات مخزيرة مؤقتا في وضع عدم الاتصال، وتوظيف مطابقة منتجات DOT الفورية عبر الإنترنت، والتي تسرع بشكل كبير عملية الاسترجاع بشكل كبير. في الواقع، يحقق LightNingDot أداء فائقا عبر معايير ITR الرئيسية مثل DataSets Flickr30k و Coco، مما يتفوق على النماذج الموجودة المدربة مسبقا تستهلك 1000 مرة من الساعات الحاسوبية باستخدام نفس الميزات.

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