ترغب بنشر مسار تعليمي؟ اضغط هنا

عندما يكون الجدار بقلية ومتى مورو؟: قواعد استخراج تحكم اختيار المعجم

When is Wall a Pared and when a Muro?: Extracting Rules Governing Lexical Selection

426   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

يعد تعلم الفروق المحتمات الدقيقة بين العناصر المفردات تحديا رئيسيا في تعلم لغة جديدة.على سبيل المثال، يحتوي جدار الاسم "على مظاهر معجمية مختلفة باللغة الإسبانية - قلص" "يشير إلى جدار داخلي بينما يشير مورو" إلى جدار خارجي.ومع ذلك، قد لا يكون هذا التنوع من التمييز المعجمي واضحا للمتعلمين غير الأصليين ما لم يتم تفسير التمييز بهذه الطريقة.في هذا العمل، نقدم طريقة لتحديد التفرقات المعجمية المحتلة تلقائيا، واستخراج القواعد في توضيح هذه الفروق بتنسيق قابل للقراءة بين الإنسان والآلات.نحن نؤكد جودة هذه القواعد المستخرجة في إعداد تعلم اللغة لغتين وإسبانيا واليونانيين، حيث نستخدم القواعد لتدريس الناطقين غير الأصلية عند ترجمة كلمة غامضة معينة في ترجماتها المختلفة المحتملة.



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

اقرأ أيضاً

لقد أظهرت نماذج اللغة المدربة على كورسا كبيرة جدا مفيدة لمعالجة اللغة الطبيعية. كأداة أثرية ثابتة، أصبحوا موضوعا للدراسة المكثفة، حيث يحكم العديد من الباحثين "مدى الحصول عليها والذي يثبت بسهولة التجريد اللغوي ومعرفة الواقعية والعمومية وقدرات التفكير. تطبيق العمل الحديث عدة تحقيقات مراحل التدريب المتوسطة لمراقبة العملية التنموية للنموذج الواسع النطاق (شيانغ وآخرون، 2020). بعد هذا الجهد، نجيب بشكل منهجي على سؤال: لأنواع مختلفة من المعرفة يتعلم نموذج اللغة، عند التدريب أثناء (قبل) هل تم الحصول عليها؟ باستخدام روبرتا كدراسة حالة، نجد: يتم الحصول على المعرفة اللغوية بسرعة، ثابتة، قوية عبر المجالات. الحقائق والعموم أبطأ وأكثر حساسية للنطاق. القدرات المنطقية هي، بشكل عام، لا تكتسب بشكل ثابت. كشركات بيانات جديدة، بروتوكولات محدبة، بروتوكولات وبروتوكولات وإثبات تظهر، نعتقد أن التحليلات الواردة في الوقت المحدد يمكن أن تساعد الباحثين على فهم التعلم المعقدة والخيول أن هذه النماذج تخضع لنا وتوجيهنا نحو نهج أكثر كفاءة التي تحقق التعلم اللازم بشكل أسرع.
تهتم الرؤية الدرجية بدراسة المضلعات المتعامدة، ومن أهم المواضيع التي دُرست هو تعيين نواة المجموعة النجمية درجياً، فقد توصل الباحث تورانزوس إلى نتيجة هامة جداً في تعيين نواة المجموعة النجمية في حالة الرؤية العادية. ثم أثبتت الباحثة مارلين برين صحة نظر يّة مرادفة لهذه النتيجة في حالة الرؤية الدرجية، كما تمكنت من إيجاد طريقة لتعين نواة المضلع المتعامد النجمي درجياً عندما يكون المضلع المتعامد بسيط الترابط. يهدف البحث إلى تعميم الطريقة السابقة عندما يكون المضلع المتعامد ثنائي الترابط والمركبة المحدودة للمتممة مستطيلاً حيث سنثبت صحة النتيجة الآتية: لتكن ، مضلعاً متعامداً مغلقاً ثنائي الترابط، حيث إنّ المجموعة نجمية درجياً، عندئذ إذا كانت جبهة المركبة المحدودة B للمجموعة مستطيلاً فإن نواة تتألف من مركبة أو مركبتين أو أربع مركبات.
تصف الورقة تقديم فريق Milanlp (جامعة Bocconi، ميلان) في مهمة Wassa 2021 المشتركة بشأن الكشف عن التعاطف والتصنيف العاطفي.نحن نركز على المسار 2 - تصنيف العاطفة - التي تتكون من التنبؤ بمشاعر ردود الفعل على القصص الإخبارية الإنجليزية على مستوى المقال.نخت بر نماذج مختلفة تعتمد على أطر متعددة ومتعددة الإدخال.كان الهدف هو استغلال أفضل جميع المعلومات المرتبطة المقدمة في مجموعة البيانات.نجد، على الرغم من أن التعاطف باعتباره المهمة المساعدة في التعلم متعدد المهام والسمات الديموغرافية حيث يوفر مدخلات إضافية أداء أسوأ فيما يتعلق بتعلم المهمة الفردية.في حين أن النتيجة تنافسية من حيث المنافسة، فإن نتائجنا تشير إلى أن العاطفة والتعاطف غير مرتبطة مهام مرتبطة - على الأقل لغرض التنبؤ.
أصبح التحويل التعلم بناء على نماذج لغة المحترفين على كمية كبيرة من البيانات الخام نموذجا جديدا للوصول إلى الأداء الحديث في NLP. ومع ذلك، لا يزال من غير الواضح كيف ينبغي تطبيق هذا النهج لغات غير مرئية غير مشمولة بأي نموذج لغوي متعدد اللغات واسعة ناتجا ، والذي يتم توفير كمية صغيرة فقط من البيانات الخام فقط. في هذا العمل، من خلال مقارنة النماذج متعددة اللغات وأنتغوية، نوضح أن هذه النماذج تتصرف بطرق متعددة على اللغات غير المرئية. تستفيد بعض اللغات بشكل كبير من تعلم التعلم والتصرف بالمثل إلى لغات موارد عالية مرتبطة ارتباطا وثيقا في حين أن الآخرين على ما يبدو لا. التركيز على الأخير، نظرا لأن هذا الفشل في النقل يرتبط إلى حد كبير بتأثير البرنامج النصي المستخدم لكتابة هذه اللغات. نظهر أن ترجمة هذه اللغات تعمل بشكل كبير على تحسين إمكانات نماذج اللغة متعددة اللغات على نطاق واسع في مهام المصب. توفر هذه النتيجة اتجاها واعدا نحو جعل هذه النماذج متعددة اللغات بشكل كبير مفيدة لمجموعة جديدة من اللغات غير المرئية.
نقدم تصنيف التصنيف بتطبيع بالتناوب (CAN)، خطوة غير معالجة غير رسمية للتصنيف.يمكن أن يحسن دقة التصنيف للأمثلة الصعبة من خلال إعادة ضبط توزيع احتمالية الفئة المتوقعة باستخدام توزيعات الطبقة المتوقعة لأمثلة التحقق من الثقة عالية الثقة.يمكن أن ينطبق بسهو لة على أي مصنف الاحتمالية، مع الحد الأدنى من الحساب النفقات العامة.نقوم بتحليل خصائص يمكن استخدام تجارب محاكاة، وإظهار تجريبيا فعاليتها عبر مجموعة متنوعة من مهام التصنيف.

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