تعتبر تمثيل التعلم من الكيانات والعلاقات في قواعد المعرفة المنظمة مجالا نشطا من الأبحاث، مع التركيز بكثير في اختيار الهندسة المناسبة لالتقاط الهياكل الهرمية المستغلة في علاقات ISA أو Haspart. تضيحية الصندوق (Vilnis et al.، 2018؛ لي وآخرون، 2019؛ Dasgupta et al.، 2020)، والتي تمثل المفاهيم مثل تسلسلات النفايات الأبعاد، قادرة على تضمين التسلسلات الهرمية عند التدريب على مجموعة فرعية من الإغلاق المتعتقدين. في Patel et al.، (2020)، يوضح المؤلفون أن التخفيض المتعتقدين فقط مطلوب ومواصلة توسيع نطاق مذكرات الصندوق لالتقاط التسلسلات الهرمية المشتركة عن طريق زيادة الرسم البياني مع العقد الجديدة. في حين أنه من الممكن تمثيل التسلسلات الهرمية المشتركة بهذه الطريقة، يتم فصل المعلمات لكل التسلسل الهرمي، مما يجعل التعميم بين التسلسلات الهرمية بشكل غير قابل للإصلاح. في هذا العمل، نقدم تحول مربع إلى مربع المستفاد يحترم بنية كل التسلسل الهرمي. نوضح أن هذا لا يحسن فقط القدرة على النمذجة الحواف التركيبية في النمذجة، ولكنها قادرة أيضا على التعميم من مجموعة فرعية من الحد المتعدود.
Learning representations of entities and relations in structured knowledge bases is an active area of research, with much emphasis placed on choosing the appropriate geometry to capture the hierarchical structures exploited in, for example, isa or haspart relations. Box embeddings (Vilnis et al., 2018; Li et al., 2019; Dasgupta et al., 2020), which represent concepts as n-dimensional hyperrectangles, are capable of embedding hierarchies when training on a subset of the transitive closure. In Patel et al., (2020), the authors demonstrate that only the transitive reduction is required and further extend box embeddings to capture joint hierarchies by augmenting the graph with new nodes. While it is possible to represent joint hierarchies with this method, the parameters for each hierarchy are decoupled, making generalization between hierarchies infeasible. In this work, we introduce a learned box-to-box transformation that respects the structure of each hierarchy. We demonstrate that this not only improves the capability of modeling cross-hierarchy compositional edges but is also capable of generalizing from a subset of the transitive reduction.
المراجع المستخدمة
https://aclanthology.org/
تقوم الترجمة العصبية متعددة اللغات (MNMT) بتدريب نموذج NMT واحد يدعم الترجمة بين لغات متعددة، بدلا من تدريب نماذج منفصلة لغات مختلفة. تعلم نموذج واحد يمكن أن يعزز الترجمة المنخفضة الموارد من خلال الاستفادة من البيانات من لغات متعددة. ومع ذلك، فإن أدا
يلعب تقدير الجودة (QE) دورا أساسيا في تطبيقات الترجمة الآلية (MT).تقليديا، يقبل نظام QE النصي المصدر الأصلي والترجمة من نظام MT مربع أسود كإدخال.في الآونة الأخيرة، تشير بعض الدراسات إلى أنه كمنتج ثانوي للترجمة، يستفيد QE من نموذج معلومات بيانات النمو
نحن نحقق في تعلم اللغة الأساسية من خلال بيانات عالمية حقيقية، من خلال نمذجة ديناميات متعلم المعلم من خلال التفاعلات الطبيعية التي تحدث بين المستخدمين ومحركات البحث؛على وجه الخصوص، نستكشف ظهور التعميم الدلالي من تمثيلات كثيفة غير مخالفة خارج البيئات ا
هدفت الدراسة إلى معرفة دور مربع التسويق الذهبي في تحسين الأداء المالي للمصارف التجارية الخاصة العاملة في الساحل السوري حيث تكون مجتمع الدراسة من العاملين في هذه المصارف. استخدمت الدراسة المقاربة الاستنباطية كمنهج عام للبحث، والمنهج الوصفي، والاستبانة
غالبا ما تتكون قواعد المعرفة من الحقائق التي يتم حصادها من مجموعة متنوعة من المصادر، وكثير منها صاخبة وبعضها يتزاعل، مما يؤدي إلى مستوى عدم اليقين لكل ثلاثة أضعاف. ومع ذلك، غالبا ما تكون قواعد المعرفة في كثير من الأحيان غير مكتملة، مما يدفع استخدام ط