درك مطلب چندگامه از چند سند

كارشناسي ارشد

طراحي سامانه‌هايي كه قادر به يافتن پاسخ پرسش‌ها در مورد مطالبي كه در يك متن آمده است باشند، يكي از چالش‌هاي قديمي در ادراك زبان‌هاي طبيعي بوده است. روش‌هاي درك مطلب اخير مي‌توانند محدوده‌ي پاسخ صحيح را در متن داده شده با دقتي نزديك به دقت انساني استخراج كنند. به منظور پيشرفت توانايي روش‌هاي درك مطلب ماشيني به منظور استخراج دانش از متن، بايد پا را فراتر از اين سناريو بگذاريم كه در آن اطلاعات مرتبط بطور منسجم و صريح در يك سند واحد يا متن كوچك قرار گرفته‌اند. روش‌هاي با اين قابليت در كاربرد‌هاي استخراج اطلاعات سودمند بوده و مي‌توانند كارايي آن‌ها را افزايش دهند. ما در اين پژوهش ابتدا به بررسي اجزاي مورد نياز براي طراحي مدل‌هاي درك مطلب عصبي مي‌پردازيم كه قادر به استدلال، تركيب اطلاعات از بخش‌هاي مختلف متن و فيلتر كردن اطلاعات جهت پاسخ‌دهي به سوالات با در دست داشتن يك متن هستند. اين بررسي با در نظر گرفتن سه مولفه‌ي تركيب‌پذيري، استدلال و حافظه انجام شده و ما را به طراحي مدلي سرتاسري رسانده كه با تركيب سازوكار توجه و نوعي حافظه عصبي مشتق‌پذير، استدلال، تركيب و فيلتر اطلاعات را انجام مي‌دهد. با كنار هم قرار دادن بلوك‌هاي توجه بصورت سلسله‌مراتبي و بكارگيري نوعي از سازوكار حافظه، مدل ما مي‌تواند تا حد زيادي بسياري از چالش‌هاي موجود درك مطلب را رفع كند. نتايج آزمايش‌هاي مختلف بر روي مجموعه دادگان Wikihop نشان‌دهنده‌ي عملكرد موثر و مناسب معماري پيشنهادي در درك مطلب چند‌مرحله‌اي مي‌باشد.

195500

دانشگاه علم و صنعت ايران

هوش مصنوعي و رباتيكز

دكتر مرتضي آنالويي