فایل پی دی اف کامل مقاله ISI بهینه سازی تولید و شناسایی پارافراسی PDF

توجه : این فایل به صورت فایل PDF (پی دی اف) ارائه میگردد

 فایل پی دی اف کامل مقاله ISI بهینه سازی تولید و شناسایی پارافراسی PDF دارای ۹ صفحه می باشد و دارای تنظیمات و فهرست کامل در PDF می باشد و آماده پرینت یا چاپ است

فایل پی دی اف فایل پی دی اف کامل مقاله ISI بهینه سازی تولید و شناسایی پارافراسی PDF  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل پی دی اف کامل مقاله ISI بهینه سازی تولید و شناسایی پارافراسی PDF،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل پی دی اف کامل مقاله ISI بهینه سازی تولید و شناسایی پارافراسی PDF :

دانلود فایل پی دی اف کامل مقاله ISI بهینه سازی تولید و شناسایی پارافراسی PDF با استفاده از مدل های زبانی در پردازش زبان طبیعی

موضوع انگلیسی:Optimization of paraphrase generation and identification using language models in natural language processing

فرمت فایل: pdf

تعداد صفحه:۹

چکیده

یکی از مهمترین و چالش برانگیزترین کارها در زمینه تولید زبان طبیعی است. تکنیک‌های بازنویسی به شناسایی یا استخراج/تولید عبارات/جملاتی که معنای مشابه را منتقل می‌کنند کمک می‌کند. وظیفه بازنویسی را می توان به دو زیر کار تقسیم کرد، یعنی شناسایی Paraphrase (PI) و Paraphrase Generation (PG). اکثر سیستم های پیشرفته پیشنهادی موجود، پتانسیل حل تنها یک مشکل را در هر زمان دارند. این مقاله یک مدل یکپارچه سبک وزن را پیشنهاد می‌کند که می‌تواند به طور همزمان طبقه‌بندی کند که آیا جفت جملات مفروض جملاتی از یکدیگر هستند یا خیر و این مدل همچنین می‌تواند با توجه به یک جمله ورودی، چند پارافری تولید کند. ماژول Paraphrase Generation با هدف تولید جملات روان و از نظر معنایی مشابه و سیستم شناسایی Paraphrase قصد دارد طبقه بندی کند که آیا جفت جملات عباراتی از یکدیگر هستند یا خیر. رویکرد پیشنهادی از ادغام نمونه‌گیری داده‌ها یا انواع داده‌ها با یک مدل تبدیل‌کننده متن به متن (T5) با تنظیم دقیق دانه‌ای استفاده می‌کند. این مقاله یک رویکرد یکپارچه را پیشنهاد می‌کند که هدف آن حل مشکلات شناسایی و تولید پارافراسی با استفاده از نقاط داده با دقت انتخاب شده و یک مدل T5 دقیق تنظیم شده است. نکته قابل توجه این مطالعه این است که همان مدل سبک وزن آموزش داده شده با حفظ هدف تولید Paraphrase نیز می تواند برای حل تکلیف شناسایی Paraphrase مورد استفاده قرار گیرد. از این رو، سیستم پیشنهادی از نظر اندازه مدل به همراه داده‌های مورد استفاده برای آموزش مدل سبک وزن است که یادگیری سریع مدل را بدون به خطر انداختن نتایج تسهیل می‌کند. سپس سیستم پیشنهادی بر اساس معیارهای ارزیابی رایج مانند BLEU (دو زبانه ارزیابی زیر مطالعه):، ROUGE (مطالعه فراخوان برای ارزیابی Gisting)، METEOR، WER (نرخ خطای کلمه)، و GLEU (Google-BLEU) برای معیارهای تولید و طبقه بندی پارافراسی مانند دقت، دقت، فراخوانی و امتیاز F1 برای سیستم شناسایی پارافراسی. مدل پیشنهادی به نتایج پیشرفته‌ای در هر دو وظایف شناسایی پارافراسی و تولید بازنویسی دست می‌یابد.