معرفی سیستم تازه‌ی تفکیک نوع موجودیت
OpenAI با انتشار یک مقاله در آخرین نسخه‌اش، به ارائهٔ یک سیستم هماهنگ با مدل‌های عصبی پرداخته است که هدف آن تشخیص‌ی دقیق نوع یک کلمه در متن است. این سیستم از بیست‌ویک دستهٔ خودکار شناسایی‌شده استفاده می‌کند که به‌صورت غیرمستقل تعریفشده‌اند.
مراحل عملکرد شبکه عصبی
در این روش، پس از استخراج کلمه از متن، هر کلمه به‌صورت یک بردار ویژگی برای 100 نوع مختلف رمزگذار می‌شود. سپس شبکه عصبی برای هر نوع، احتمال وجود کلمه در آن دسته را پیش‌بینی می‌کند؛ نتیجهٔ نهایی، بیشترین احتمال را نشان می‌دهد.
فواید و کاربردهای عملی
این روش به‌طور قابل‌توجهی کارایی سیستم‌های تشخیص موجودیتی بهبود می‌بخشد و یا حذف خطای زیادی را که در مدل‌های سنتی به‌وجود می‌آید، اطور می‌کند. مزایای آن فراوان است:
- کاهش نیاز به برچسب‌های دستی در دیتابیس‌ها
- کارایی بالای شناسایی انواع نام‌وجود در زبان‌های مختلف
- تحلیل دقیق متن‌های پیچیده برای استخراج اطلاعات ساختارمند
این فناوری در حوزهٔ پردازش زبان طبیعی و هوش تجاری کاربرد فراوانی دارد و انتظار می‌رود در آینده نزدیکی برای تحلیل‌های زمان واقعی به‌کار گرفته شود.
پرسش‌های پرتکرار
این سیستم چگونه برچسب‌ها را تولید می‌کند؟
شبکه عصبی برای هر کلمه در متن به‌صورت مستقل، احتمال تعلق آن به هر یک از 100 نوع را محاسبه می‌کند و بیشترین احتمال را برچسب می‌گیرد.
آیا این مدل فقط برای زبان انگلیسی کار می‌کند؟
هرچند در ابتدا بر روی زبان انگلیسی تست شده است؛ ولی طراحی آن برای گسترش سریع به زبان‌های دیگر به‌صورت خودکار و خودآموز تنظیم شده است.
