دانلود ترجمه مقاله ترکیب ویژگی های پراکنده و متراکم برای طبقه بندی روابط در متون علمی (سال 2018)

TakeLab در SemEval-2018 Task 7: ترکیب ویژگی های پراکنده و متراکم برای طبقه بندی روابط در متون علمی

TakeLab at SemEval-2018 Task 7: Combining Sparse and Dense Features for Relation Classification in Scientific Texts

چکیده
1 مقدمه
2 مجموعه داده
3 شرح سیستم
4 ارزیابی و نتایج
5 نتیجه‌گیری
منابع

چکیده
ما دو سیستم برای طبقه‌بندی رابطه‌ معنایی  را توصیف می‌کنیم که با آن‌ها در SemEval-2018 Task7 ، زیروظیفه 1  برای طبقه‌بندی رابطه معنایی شرکت کردیم که یکی مدل ماشین بردار پشتیبانی (SVM) و دیگری مدل شبکه عصبی پیچشی (CNN) بوده است. هر دوی مدل‌ها ویژگی‌های word2vec از پیش آموزش دیده متراکم و ویژگی‌های تنک دست‌ساز را ترکیب می‌کنند. برای آموزش مدل‌ها، ما دو مجوعه‌داده‌  را با زیروظایف ترکیب می‌کنیم تا بدین شکل به تعادل تحت کلاس‌های ارائه شده برسیم. مدل SVM نسبت به مدل CNN عملکردی بهتر دارد و به نمره کلان F1 ای به میزان 98 .69% بر روی زیروظیفه 1 .1 و به به امتیاز 69 .75% بر روی زیروظیفه 1. 2 دست پیدا کرده است. رتبه این سیستم در بین 28 سیستم ارسالی بر روی زیروظیفه 1 .1، 7 ام بوده است و بر روی 20 سیستم ارسالی بر روی زیروظیفه 2 .1 نیز رتبه 7 ام را کسب کرده است.

2 مجموعه داده
سازماندهندگان مجموعه داده‌های مختلف آموزشی را برای سناریوهای 1. 1 و 1. 2 از زیروظیفه 1 فراهم کردند که هر کدام شامل 350 خلاصه مقاله علمی از حوزه پردازش زبان طبیعی (NLP) بوده است (گابور 2018) که برای آموزش مدل‌ها مورد استفاده قرار گرفتند. تمامی نهادهایی که مفاهیم دامنه‌ای (مثلا ابهام‌زدایی کلمات و ترجمه کلمات) را بیان می‌کنند که در حال حاضر با توجه به یکی از روابطی که بین آنها وجود دارد، به ترتیب حاوی حاشیه نویسی و فهرست‌بندی شده‌اند. به عنوان مثال، در جمله «ترجمه‌ای با کیفیت بالا از طریق ابهام‌زدایی کلمات و از طریق تولید کلماتی دقیق از زبان مقصد صورت می‌گیرد» ابهام‌زدایی معنای واژه برای ترجمه صورت می‌گیرد، از این رو به عنوان نمونه ای از نوع ارتباط USAGE (کاربرد) تعریف شده است. شش نوع رابطه متفاوت وجود دارد که عبارتند از: USAGE (کاربرد)، TOPIC(مبحث)، COMPARE (مقایسه)، MODEL-FEATURE (ویژگی‌مدل)، RESULT(نتیجه)، PARTWHOLE (بخشی از کل). به جز COMPARE، تمامی روابط نامتقارن هستند و این بدان معنی است که جهت رابطه آنها مهم است. به همین علت، هر نمونه رابطه نامتقارن علاوه بر این با جهت رابطه‌ای با استفاده از پرچم «معکوس» مشخص شده است که نشان می‌دهد منظور نهادها باید وارون نیز شود.

تعداد کل نمونه های آموزشی 1228 و 1248 برای مجموعه‌داده‌های زیروظیفه به ترتیب 1. 1 و 2. 1 است. هر نمونه حاوی دقیقا دو نهاد است و هر دو در همان عبارت ظاهر می شوند. مجموعه‌داده زیروظیفه 1. 2 از طرح حاشیه‌نویسی یکسانی مانند زیروظیفه 1 استفاده می‌کند ولی نهادها به جای حاشیه‌نویسی دستی به شکل خودکار استخراج می‌شوند و بنابراین نویز ایجاد می‌شود.

جدول 1 تجزیه و تحلیل انواع روابط را برای دو مجموعه داده نشان می‌دهد. به طور کلی، توزیع کلاس نسبتا دارای عدم تعادل است، به ویژه رابطه TOPIC که به شدت در مجموعه‌داده‌ای برای زیروظیفه 1. 1 تحت نمایش قرار گرفته است.