दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

अनिश्चितता-जागरूक शिक्षक शिक्षण और छात्र-छात्र सहयोगात्मक शिक्षण के माध्यम से दूर-पर्यवेक्षित नामित इकाई पहचान की मजबूती में सुधार करना

Created by
  • Haebom

लेखक

शुज़ेंग सी, हेलन हू, हाओज़े झाओ, शुआंग ज़ेंग, कैकई एन, ज़ेफ़ान कै, बाओबाओ चांग

रूपरेखा

दूर से पर्यवेक्षित नामित इकाई पहचान (DS-NER) का उपयोग वास्तविक दुनिया के परिदृश्यों में व्यापक रूप से किया जाता है, लेकिन यह लेबल शोर की समस्या से ग्रस्त है। शिक्षक-छात्र ढांचे पर आधारित मौजूदा तरीकों की सीमाएँ हैं कि वे शिक्षक नेटवर्क की कम विश्वसनीयता के कारण गलत छद्म लेबल वाले नमूने उत्पन्न करते हैं, जिससे त्रुटि प्रसार होता है। इन मुद्दों को संबोधित करने के लिए, इस पत्र में, हम (1) अनिश्चितता-जागरूक शिक्षक सीखने का प्रस्ताव करते हैं ताकि भविष्यवाणी अनिश्चितता का फायदा उठाकर गलत छद्म लेबल की संख्या को कम किया जा सके, और (2) छात्र-छात्र सहयोगी सीखने से छद्म लेबल पर निर्भरता कम हो और दो छात्र नेटवर्क के बीच विश्वसनीय लेबल प्रसार के माध्यम से गलत लेबल वाले नमूनों का पूरी तरह से पता लगाया जा सके। प्रस्तावित विधि पाँच DS-NER डेटासेट पर अत्याधुनिक DS-NER विधियों से बेहतर प्रदर्शन करती है।

____T86851_____, Limitations

Takeaways: हम दूरस्थ रूप से पर्यवेक्षित नामित इकाई पहचान (DS-NER) में लेबल शोर की समस्या को प्रभावी ढंग से हल करने और अत्याधुनिक प्रदर्शन प्राप्त करने के लिए एक नई विधि का प्रस्ताव करते हैं। अनिश्चितता-जागरूक शिक्षक सीखने और छात्र-छात्र सहयोगी सीखने के माध्यम से, हम शिक्षक नेटवर्क की विश्वसनीयता की समस्या को कम करते हैं, और अधिक सटीक छद्म लेबल उत्पन्न करते हैं, जिससे बेहतर प्रदर्शन होता है।
Limitations: प्रस्तावित विधि की प्रभावशीलता उपयोग किए गए डेटासेट के आधार पर भिन्न हो सकती है। विभिन्न प्रकार के डेटासेट पर अतिरिक्त प्रयोगों की आवश्यकता है, और कम्प्यूटेशनल लागत बढ़ सकती है। विशिष्ट डोमेन या भाषाओं के लिए सामान्यीकरण प्रदर्शन पर अतिरिक्त शोध की आवश्यकता है।
👍