ترغب بنشر مسار تعليمي؟ اضغط هنا

محاذاة الإجراءات عبر الرسوم البيانية وصفة

Aligning Actions Across Recipe Graphs

108   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

نصوص وصفة هي شكل خصوصي للغة التعليمية التي تشكل تحديات فريدة من نوعها للتفاهم التلقائي.أحد التحديات هو أن خطوة الطهي في وصفة واحدة يمكن تفسيرها في وصفة أخرى بكلمات مختلفة، على مستوى مختلف من التجريد، أم لا على الإطلاق.تعلق العمل السابق المراسلات بين إرشادات الوصفة على مستوى الجملة، وغالبا ما تعلق المراسلات المهمة بين خطوات الطبخ عبر الوصفات.نقدم رواية وصفة إنجليزية بالكامل، ARA (إجراءات الوصفة المحاذاة)، والتي تعلق المراسلات بين الإجراءات الفردية عبر وصفات مماثلة بهدف التقاط المعلومات الضمنية لفهم وصفة دقيقة.نحن نمثل هذه المعلومات في شكل رسوم بيانية وصفة، ونحن نربع نموذج عصبي للتنبؤ بالمراسلات على ARA.نجد أن المكاسب الكبيرة في الدقة يمكن الحصول عليها عن طريق أخذ معلومات هيكلية محظورة دقيقة عن الوصفات في الاعتبار.

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

اقرأ أيضاً

من أجل تفسير النوايا التواصلية للكلام، يجب أن يكون التركيز في شيء خارج اللغة؛وهذا هو، في طرائق العالم.في هذه الورقة، نجرب أن آليات توضيح الحوار تجعل عملية تفسير النوايا التواصلية لنصوص المتكلم من خلال التأريض لهم في الطرائق المختلفة التي يقع فيها الح وار.إن آليات توضيح حوار الإطارات هذه بمثابة مشكلة بحثية متفوقة وقطعة مفقودة في اللغز العملاقة لتفهم اللغة الطبيعية.نناقش كل من الخلفية النظرية والتحديات العملية التي تطرحها هذه المشكلة واقتراح وصفة للحصول على شروح التأريض.نستنتج عن طريق تسليط الضوء على القضايا الأخلاقية التي يجب معالجتها في العمل في المستقبل.
يتم إجراء جيل نصي من الرسوم البيانية الدلالية تقليديا مع الطرق الحتمية، والتي تولد وصفا فريدا نظرا رسم بياني للإدخال.ومع ذلك، تعترف مشكلة الجيل مجموعة من النواتج النصية المقبولة، وعرض الاختلاف المعجمي والمنظمات والدلية.لمعالجة هذا الفصل، نقدم مساهمتي ن رئيسيتين.أولا، نقترح نموذج رسم بياني مؤشر استوكاستكي، حيث يتضمن متغير كامنة في نموذج فك الترميز، واستخدامه في مجموعة.ثانيا، لتقييم تنوع الجمل التي تم إنشاؤها، نقترح مقياس التقييم التلقائي الجديد الذي يقيم بشكل مشترك تنوع المخرجات وجودة في إعداد متعدد المراجع.نقيم النماذج على مجموعات بيانات Webnlg باللغة الإنجليزية والروسية، وإظهار مجموعة من نماذج الاستوكاستك تنتج مجموعات متنوعة من الجمل التي تم إنشاؤها أثناء الاستفيؤ بجودة مماثلة لنماذج أحدث من النماذج.
يهدف كتابة كيان الرسم البياني للمعرفة إلى أن ينتج أنواع الكيانات المفقودة في الرسوم البيانية المعرفة التي تعد قضية مهمة ولكنها غير مستحقة.تقترح هذه الورقة طريقة رواية لهذه المهمة من خلال الاستفادة من المعلومات السياقية للكيانات.على وجه التحديد، نقوم بتصميم آليات الاستدلال: I) N2T: استخدام كل جار كل جار بشكل مستقل لاستنتاج نوعه؛2) AGG2T: إجمالي جيران كيان لاستنتاج نوعها.ستنتج هذه الآليات نتائج الاستدلال المتعددة، وتستخدم طريقة تجميع مضاعفة بشكل كبير لتوليد نتيجة الاستدلال النهائي.علاوة على ذلك، نقترح وظيفة خسارة جديدة لتخفيف المشكلة السلبية الخاطئة أثناء التدريب.تجارب على اثنين من كلغ العالم الحقيقي توضح فعالية طريقتنا.يمكن الحصول على شفرة المصدر وبيانات هذه الورقة من https://github.com/cciiplab/cet.
على الرغم من أن مسارات اهتمامات المستخدم التحول في الرسوم البيانية المعرفة (KGS) يمكن أن تستفيد أنظمة التوصية المحادثة (CRS)، فإن المنطق الصريح على KGS لم يتم النظر فيه بشكل جيد في CRS، بسبب مجمع المسارات عالية الجودة وغير كاملة.نقترح CRFR، والتي تقو م بفعالية بتفريغ المنطق متعدد القفزات على KGS مع نموذج تعليمي التعزيز في سياق المحادثة.بالنظر إلى عدم اكتمال KGS، بدلا من تعلم مسار التفكير الكامل الفردي، يتعلم CRFR مرن شظايا التفكير المتعددة المحتمل الواردة في المسارات الكاملة لتحويل المصالح.يتم بعد ذلك مصمما بعد ذلك نموذج موحدة شظايا يدلي بمعلومات الشظايا من KGS الموجهة نحو البند والموجهة نحو المنفاه لتعزيز استجابة CRS مع الكيانات والكلمات من الشظايا.تثبت تجارب واسعة النطاق أداء SOTA الخاص ب CRFR على التوصية والمحادثة وتفسير المحادثة.
مع زيادة الطفرة الأخيرة في التطبيقات الاجتماعية التي تعتمد على الرسوم البيانية المعرفة، أصبحت الحاجة إلى التقنيات لضمان الإنصاف في الأساليب القائمة على KG واضحة بشكل متزايد. أظهرت الأعمال السابقة أن كلية كجمها عرضة للحيوانات الاجتماعية المختلفة، وقد اقترحت طرق متعددة لدخاناتها. ومع ذلك، في مثل هذه الدراسات، كان التركيز على تقنيات deviasing، في حين يتم تحديد العلاقات التي ستكون degiased يدويا من قبل المستخدم. نظرا لأن المواصفات اليدوية هي نفسها عرضة للتحيز الإدراكي البشري، فهناك حاجة إلى نظام قادر على قياس وفضح التحيزات، التي يمكن أن تدعم قرارات أكثر استنارة بشأن ما له ديبي. لمعالجة هذه الفجوة في الأدب، وصفنا إطارا لتحديد التحيزات الموجودة في Adments Graph Admings، بناء على مقاييس BIAS الرقمية. نوضح الإطار بثلاث تدابير تحيز مختلفة حول مهمة التنبؤ بالمهنة، ويمكن امتدت بمرونة لتعريفات وتطبيقات إضافية. يمكن بعد ذلك تسليم العلاقات التي يتم تمييزها على أنها منحازة إلى صانعي القرار للحكم على الدخل اللاحق.

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