tgoop.com/data_hub_ir/800
Last Update:
خب تو راهی سراغ داری؟
ایده‌ای داری که بشه حلش کرد؟
۰خب در ادامه باید یک سری توضیحات در مورد روش پیشنهادی خودمون گه دارای خلاقیت هم هست بدیم
معمولا به این ایده ها میگن نوآوری پژوهشی
برای خودکار سازی فرایند تشخیص الفاظ رکیک از روش های مبتنی بر هوش مصنوعی مثل یادگیری ماشین و یادگیری عمیق استفاده می شود (رفرنس بزنیم) در این پژوهش یک روش خلاقانه مبتنی بر attention برای بهبود دقت پیاده سازی کردیم که از Large language model ها استفاده می‌کند و برای بهبود دقت مدل روی داده‌های محاوره یک دیتاست بومی تولید شد.
خب ادیتور میگه دمت گرم که هم چالش گفتی و ضرورت حلش
و هم راه حل خلاقانه برای حل چالش
یهو به خودش میگه نکنه کارت تکراری باشه
نکنه بقیه روی همین موضوع کار کرده باشن
و ایده‌هات تکراری باشن
اینجا باید به صورت گذرا یک اشاره هوشمندانه بکنیم که ما جز اولین نفراتی هستیم که برای این چالش
چنین راه حل ارائه میدیم و در آینده و در قسمت مرور ادبیات کامل توضیح بدیم که واقعا کسی این ایده و خلاقیت واسه این مشکل استفاده نکرده
شاید داور بگه
باشه قبول تو اولین نفر هستی ولی اصلا از کجا معلوم آیدت مفید باشه
اصلا شاید چون ایدت چرت بوده کسی تا الان انجام نداده و سراغش نرفته
اینجا میشه یک جمله دقیق گذاشت
که اطمینان خاطری بخ ادیتور داد
که روش پیشنهادیمون سمبل نیست و واقعا کارسازه
یک راه جذاب
اینه یک جمله بیاریم که این نوآوری مثلا در تسک دیگه مثل تحلیل احساسات جواب داده و مفید بوده
و من قصد دارم توی تسک تشخیص الفاظ رکیک استفاده کنم( یک رفرنس خوب و معتبر نیاز داره)
خب این دقیقا اعتمادسازی می کنه که روش احتمالا جواب بده
و کارمون بیهوده نیست
ادیتور خوشحال و شاد میشه ولی از شانس بدمون
یک فکر بد میاد سراغش
چالش خوب و ایده خوب هستن ولی چرا تا الان مثلا دانشگاه استنفورد چنین کاری نکردن
یعتی به ذهن اونا نرسیده
یکم بد دل میشه ادیتور
اینجا میشه در حد یک جمله به صورت غیرمستقیم اشاره کنیم که دل روده مقالات مشابه درآوردیم و به هر دلیلی خوشگلای استنفورد و حومه نوآوری مشابه روی تسک تشخیص الفاظ رکیک استفاده نکردن
و نوآوری بکر و دست نخورده هست
نکته: متاسفانه ادیتورها ها وسواس زیادی روی بکر بودن دارن
همش چیزای دست نخورده دوست دارن
کم کم به اخرای اینترو می‌رسیم
یادتون باشه
اینترو مثل خلاصه یک فیلم سینمایی هستش
البته چکیده هم خلاصه فیلم محسوب میشه
ولی چکیده خلاصه فشرده
و اینترو خلاصه نیمه فشرده
پس باید از صفر تا صد کار به صورت خلاصه داخل
چند خط فشرده و گلچین بشه
پس باید در آخر اینترو از نتایج بگیم از
بهبودهایی ک رخ داده
و نتایج مثبتی گرفتیم
ترجیحا با عدد و رقم
یعنی بگیم مدل ما مثلا فلان پارامتر
را بهبود داد و به دقت ۸۵ رسوند
ادیتورها معمولا از اعداد و ارقام خوششون میاد
مثلا بگیم یک دیتاست تخصصی ۱۰هزارتایی هم تولید شد
اینجوری ادیتور درک می‌کنه
کار به سرانجام رسیده و نتیجه بخش بوده
حالا چون ادیتور قانع شد و مخش زده شد که بقیه مقاله هم بخونه
براش خلاصه ای از کار میگیم
BY دیتاهاب
Share with your friend now:
tgoop.com/data_hub_ir/800