ترغب بنشر مسار تعليمي؟ اضغط هنا

"أنا لست مجنونا": آثار المنطقية عن النفي والتناقض

``I'm Not Mad'': Commonsense Implications of Negation and Contradiction

319   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

إن الاستدلال اللغوي الطبيعي يتطلب منطق حول التناقضات واللبنات وآثارها المنطقية. بالنظر إلى فرضية بسيطة (على سبيل المثال، أنا مجنون منك ")، يمكن للبشر سبب ظلال متفاوتة من البيانات المتناقضة التي تتراوح من نفيها واضحة (أنا لست غاضبا منك") لتناقضات المنطقية (أنا سعيد ''). علاوة على ذلك، تحول هذه البيانات المنفدة أو المتناقضة الآثار المترتبة على الفرضية الأصلية بطرق مثيرة للاهتمام وغير خيالية. على سبيل المثال، بينما أنا مجنون "يعني أنني غير راض عن شيء ما"، ينفي الفرضية لا ينفي بالضرورة آثار المنطقية المقابلة. في هذه الورقة، نقدم أول دراسة شاملة تركز على آثار المنزول على البيانات المنفذة والتناقضات. نقدم أنيون، الرسم البياني المعرفة بالمنشط الجديد مع 624 ألف إذا كان قواعد التركيز على الأحداث الناجمة والتناقض. ثم نقدم نماذج الاستدلال الإنتاجية والتمييزية المشتركة لهذا المورد الجديد، مما يوفر رؤى تجريبية رواية حول كيفية إعادة النفايات المنطقية والتناقضات المنطقية من الآثار المترتبة على المباني الأصلية.



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

اقرأ أيضاً

تقدم هذه الورقة Norecneg - مجموعة بيانات النفي الأولى المشروح للنرويجية.تم تفاح الإشارات النفي والعنوان الواحدة في الجملة عبر أكثر من 11 ألف جمل تمتد أكثر من 400 وثيقة لمجموعة فرعية من الاستعراض النرويجي Corpus (Norec).بالإضافة إلى تقديم مناقشة متعمق ة للمبادئ التوجيهية التوضيحية، نقدم أيضا مجموعة أولى من النتائج القياسية المستندة إلى نهج بياني لتحليل الرسم البياني.
الكشف عن السخري مهم بالنسبة للعديد من مهام NLP مثل تحديد المعنويات في مراجعات المنتج وملاحظات المستخدم والمنتديات عبر الإنترنت.إنها مهمة صعبة تتطلب فهم عميق للغة والسياق والمعرفة العالمية.في هذه الورقة، نحقق ما إذا كانت دمج المعرفة المنطقية تساعد في الكشف عن السخرية.بالنسبة لهذا، فإننا ندمج معارف المنطقية في عملية التنبؤ باستخدام شبكة استئصال الرسم البياني مع تضيير نموذج اللغة المدرب مسبقا كمدخلات.تشير تجاربنا المزودة بثلاث مجموعات بيانات للكشف عن السخرية إلى أن النهج لا يتفوق على النموذج الأساسي.نحن نقوم بإجراء مجموعة شاملة من التجارب لتحليل المكان الذي يضيف فيه دعم المنطقي قيمة وأين يضر التصنيف.ينطبق تنفيذنا علنا على: https://github.com/brcsomnath/commonseense-sarasmasr.
دقة النفي النفي هي مفتاح استخراج المعلومات عالية الجودة من النصوص السريرية، ولكن حتى الآن، كانت الجهود المبذولة لجعل المشفرين المستخدمة في نفي استخراج المعلومات، كانت تقتصر على اللغة الإنجليزية.نقدم نهجا عالميا لاستحقاق النرجب متعدد اللغات اللغوي، ال ذي يتغلب على عدم وجود بيانات تدريبية من خلال الاعتماد على الموارد المتفاوتة بلغات ومجالات مختلفة.نقيم نهجين للتعلم من هذه الموارد، والتدريب على البيانات والتدريب المجمع في إعداد التعلم متعدد المهام.تظهر تجاربنا أن دقة النطاق الصفرية في النص السريري ممكن، وأن الجمع بين الموارد المتاحة تعمل على تحسين الأداء في معظم الحالات.
في النشر، يجب أن تستخدم النظم التي تستخدم الكلام كمدخلات من النسخ الآلي.ومع ذلك، عادة عندما يتم تقييم هذه الأنظمة، يفترض أن نسخ الذهب.نحن ندرس صراحة تأثير أخطاء النسخ على الأداء المصاب لنظام متعدد الوسائط على ثلاثة مهام ذات صلة من ثلاث مجموعات بيانات : المشاعر والتهكية والكشف عن الشخصية.نضم ثلاثة أدوات نسخ منفصلة وإظهار أنه في حين أن جميع عمليات النسخ الآلية تنتشر أخطاء تؤثر بشكل كبير على أداء المصب، فإن أدوات المصدر المفتوح هي أسوأ من الأداة المدفوعة، على الرغم من أنها ليست دائما بشكل مباشر، ومعدلات خطأ Word لا ترتبط بشكل جيد مع أداء المصب.نجد كذلك أن إدراج ميزات الصوت يخفف جزئيا أخطاء النسخ، ولكن أن الاستخدام السذاجة لإعداد متعددة المهام لا.
الحس السليم هو جزء لا يتجزأ من الإدراك البشري الذي يسمح لنا بإجراء قرارات سليمة، والتواصل بفعالية مع الآخرين وتفسير المواقف والكلام. قد تساعدنا أنظمة AI مع إمكانيات المعرفة المنطقية على الاقتراب من إنشاء أنظمة تعرض ذكاء بشري. ركزت الجهود الأخيرة في ت وليد اللغة الطبيعية (NLG) على دمج معرفة المنظمات من خلال نماذج لغوية مدربة مسبقا واسعة النطاق أو بإدماج قواعد المعرفة الخارجية. تعرض هذه الأنظمة إمكانيات التفكير دون الشعور بالشمول المشفرة بشكل صريح في مجموعة التدريب. تتطلب هذه الأنظمة تقييم دقيق، حيث تقوم بدمج موارد إضافية أثناء التدريب التي تضيف مصادر إضافية للأخطاء. بالإضافة إلى ذلك، يمكن أن يكون للتقييم البشري لمثل هذه الأنظمة اختلافا كبيرا، مما يجعل من المستحيل مقارنة الأنظمة المختلفة وتحديد الأساس. تهدف هذه الورقة إلى إزالة الغموض عن التقييمات الإنسانية لأنظمة NLG المعززة بالعموم من خلال اقتراح بطاقة تقييم العمولة (CEC)، وهي مجموعة من توصيات تقارير التقييم لأنظمة NLG المعززة بالعموم، التي أجرتها تحليل شامل للتقييمات البشرية المبلغ عنها في الأدب الأخير وبعد

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