هوش مصنوعی
GenVer با ترکیب گراف دانش و متن، دقت طبقه‌بندی سه‌تایی‌ها را به ۹۱٫۵۲ درصد رساند
پیش‌چاپی در arXiv روشی معرفی می‌کند که ساختار سه‌تایی‌های گراف دانش را با بازنمایی‌های زبانی تولیدشده ترکیب می‌کند؛ اما آزمایش‌ها خطاهای معنایی و پیش‌بینی‌های مطمئنِ نادرست را هم نشان می‌دهند.
پژوهشگران در پیش‌چاپی در arXiv سامانهٔ GenVer را برای ارزیابی صحت معنایی سه‌تایی‌های گراف دانش معرفی کرده‌اند. این روش هم شکل متنیِ سه‌تایی و هم بازنمایی زبانی طبیعیِ تولیدشده از آن را بررسی می‌کند: ابتدا فرایندی برای هم‌ترازی سه‌تایی و متن، جفت‌های آموزشیِ یک مولد توالی‌به‌توالی را انتخاب می‌کند؛ سپس یک طبقه‌بند مبتنی بر BERT ویژگی‌های سه‌تایی و متن تولیدشده را ترکیب می‌کند.
در ارزیابی روی چهار نسخه از FactFB که با استفاده از FB15k و سه‌تایی‌های منفیِ دست‌کاری‌شده ساخته شده‌اند، GenVer بالاترین دقت طبقه‌بندی را در میان روش‌های پایهٔ ارزیابی‌شده به دست آورد: از ۸۸٫۵۶ تا ۹۱٫۵۲ درصد. نویسندگان می‌گویند بازنمایی‌های تولیدشده می‌توانند به طبقه‌بندی سه‌تایی کمک کنند، اما بررسی نمونه‌ها از لغزش معنایی و خطاهایی با اطمینان بالا نیز حکایت دارد. این مقاله در نسخهٔ نخست خود به‌صورت پیش‌چاپ منتشر شده است.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده