محققان هوش مصنوعی را برای مقابله با سخت ترین بخش های پردازش زبان به چالش می کشند

نویسندگان:

(1) Martyna Wiącek، موسسه علوم کامپیوتر، آکادمی علوم لهستان.

(2) پیوتر ریباک، موسسه علوم کامپیوتر، آکادمی علوم لهستان.

(3) Łukasz Pszenny، موسسه علوم کامپیوتر، آکادمی علوم لهستان.

(4) Alina Wróblewska، موسسه علوم کامپیوتر، آکادمی علوم لهستان.

یادداشت ویرایشگر: این قسمت 6 از 10 مطالعه ای است که در مورد بهبود ارزیابی و مقایسه ابزارهای مورد استفاده در پیش پردازش زبان طبیعی انجام می شود. بقیه را در ادامه بخوانید.

چکیده و 1. مقدمه و آثار مرتبط

  1. بنچمارک NLPre

2.1. مفهوم تحقیق

2.2. سیستم بنچمارک آنلاین

2.3. پیکربندی

  1. معیار NLPre-PL

3.1. مجموعه داده ها

3.2. وظایف

  1. ارزیابی

4.1. روش شناسی ارزشیابی

4.2. سیستم های ارزیابی شده

4.3. نتایج

  1. نتیجه گیری
    • ضمیمه ها
    • قدردانی ها
    • مراجع کتابشناختی
    • مراجع منابع زبان

3.2. وظایف

مجموعه کامل وظایف NLPre در اصل برای ارزیابی سیستم‌های زبان در وظیفه مشترک CoNLL 2018 تنظیم شده بود (زمان و همکاران، 2018). این وظایف عمدتاً بر پردازش مقدماتی متن، مانند نشانه‌سازی یا افشای ویژگی‌های مورفوسنتاکسی تمرکز دارند. ما از انتخاب کار CoNLL پیروی می کنیم و همه این وظایف را در NLPre-PL قرار می دهیم.

تقسیم بندی وظیفه تقسیم بندی شامل تقسیم متون به جملات است…

Source link