ترغب بنشر مسار تعليمي؟ اضغط هنا

ملخصات استخراجية شخصية باستخدام آلة ISING تجاه الجيل في الوقت الحقيقي من سيناريوهات الحوار الفعالة والمتماسكة

Personalized Extractive Summarization Using an Ising Machine Towards Real-time Generation of Efficient and Coherent Dialogue Scenarios

141   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

نقترح نظام توليد سيناريو حوار شخصي ينقل معلومات فعالة ومتماسكة مع طريقة تلخيص الاستخراجية في الوقت الفعلي محسن بواسطة جهاز ISING.يتم صياغة مشكلة التوزيع كمشكلة تحسين ثنائي غير مكسومة من الدرجة الثانية، والتي تستخرج الجمل التي تعظيم مجموع درجة فائدة المستخدم في جمل الوثائق مع هيكل الخطاب لكل وثيقة ووقت الكلام الكلي كقيود.لتقييم الطريقة المقترحة، قمنا ببناء مقالة إخبارية كوربوس بشراح بنية الخطاب ومحات المستخدمين ومصالحهم في الجمل والمواضيع.أكدت النتائج التجريبية أن المروحة الرقمية، التي تعد آلة ISINE HELLING مقرا لها، يمكن أن تحل طراز Quebo الخاص بنا في وقت عملي دون انتهاك القيود باستخدام هذه البيانات.

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

اقرأ أيضاً

هذا اقتراح بحثي لأبحاث الدكتوراه في اكتشاف السخرية، والترجمة في الوقت الحقيقي لجور اللغة الإنجليزية من الكلمات الساخرة.تفاصيل البحث السابق في مواضيع مماثلة، اتجاهات البحث المحتملة والأهداف البحثية.
نقدم نظاما لدعم الترجمة الفورية في مجالات محددة.سيتم تطوير النظام من خلال تآزر قوي بين الفنيين، معظمهم من الخبراء في كل من كل من الكلام ومعالجة النصوص والنص، والمستخدمين النهائيين، I.E. المترجمين الفوريين المحترفين الذين يحددون المتطلبات وسيقوم باختب ار المنتج النهائي.تم تحقيق بعض النتائج المشجعة الأولية على اختبارات القياسية التي تم جمعها بهدف قياس أداء المكونات الفردية للنظام بأكمله، وهي: التعرف التلقائي على الكلام (ASR) والاعتراف الكياري المسمى.
في الآونة الأخيرة، تم عرض فئة من تقنيات التتبع تسمى "التتبع عن طريق الكشف" لإعطاء نتائج واعدة بسرعات في الوقت الحقيقي، تقوم هذه الطرق بتدريب المصنف التمييزي بطريقة عبر الانترنت لفصل الكائن عن الخلفية. يعمل المصنف على تمهيد نفسه باستخدام حالة التعقب الحالية لاستخراج أمثلة إيجابية وسلبية من الإطار الحالي. وبالتالي ، يمكن أن تؤدي الأخطاء الطفيفة في المتعقب إلى أمثلة تدريب مصنفة بشكل غير صحيح ، مما يؤدي إلى تدهور المصنف ويمكن أن يتسبب في الانجراف. في هذه الورقة ، نوضح أن استخدام التتبع البسيط عبر الإنترنت وفي الوقت الفعلي ( SORT) وهو نهج عملي لتتبع الكائنات المتعددة مع التركيز على خوارزميات بسيطة و فعالة.
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