Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
     of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
تعبیه کلمات مبتنی بر گراف با استفاده از شبکه های عصبی ژرف
بهنام قادر، پری شاد Behnam Ghader, Parishad

Cataloging brief

تعبیه کلمات مبتنی بر گراف با استفاده از شبکه های عصبی ژرف
پدیدآور اصلی :   بهنام قادر، پری شاد Behnam Ghader, Parishad
ناشر :   صنعتی شریف
سال انتشار  :   1399
موضوع ها :   شبکه عصبی گرافی Graph Neural Network گراف دانش Knowledge Graph شبکه‌ های مبتنی بر توجه...
شماره راهنما :   ‭19-53734

Find in content

sort by

Bookmark

  • 1 مقدمه (12)
    • 1-1 تعریف مسأله (13)
    • 1-2 اهمیت و کاربرد (14)
    • 1-3 رویکردهای مدل زبانی (14)
    • 1-4 رویکردهای تعبیه‌ی [fa]KG (15)
    • 1-5 چالش‌ها (16)
    • 1-6 هدف پژوهش (16)
    • 1-7 ساختار پایان‌نامه (17)
  • 2 پژوهش‌های پیشین (18)
    • 2-1 مقدمه (18)
      • 2-1-1 پیش‌نیازها (18)
    • 2-2 معماری‌‌ها و شبکه‌های مورد استفاده در مسأله‌ی مدل زبانی (19)
      • 2-2-1 معماری بازگشتی (19)
      • 2-2-2 معماری Transformer (20)
      • 2-2-3 شبکه‌ی BERT (23)
    • 2-3 مدل‌های بر پایه‌ی گراف (27)
      • 2-3-1 [fa]gcn (27)
      • 2-3-2 [fa]rgcn (28)
      • 2-3-3 [fa]gat (28)
    • 2-4 گراف‌های مورد استفاده در حوزه‌ی [fa]nlp (30)
      • 2-4-1 گراف AMR (30)
      • 2-4-2 گراف‌های برگرفته از متن (31)
      • 2-4-3 گراف‌های دانش (33)
    • 2-5 کاربرد گراف‌های دانش در شبکه‌های ژرف [fa]nlp (34)
      • 2-5-1 تولید متن (34)
      • 2-5-2 [fa]relext (36)
      • 2-5-3 [fa]reasoning (43)
      • 2-5-4 [fa]qa (46)
      • 2-5-5 [fa]entalign (49)
      • 2-5-6 دسته‌بندی متن (53)
      • 2-5-7 مدل زبانی (55)
    • 2-6 روش‌های مبتنی بر گراف برای مدل زبانی (55)
      • 2-6-1 مدل زبانی با استفاده از تعبیه‌ی [fa]pretrained موجودیت‌ها (55)
      • 2-6-2 مدل زبانی با استفاده از [fa]mask‌های متفاوت (57)
      • 2-6-3 مدل زبانی با امکان انتخاب کلمات [fa]KG (58)
      • 2-6-4 بازنمایی همزمان زبان و دانش (60)
    • 2-7 جمع‌بندی (62)
  • 3 راهکار پیشنهادی (63)
    • 3-1 مقدمه (63)
      • 3-1-1 بررسی کاستی‌های مدل‌های زبانی پیشنهادی پیشین مبتنی بر Transformer (63)
    • 3-2 معرفی گراف‌های ثابت مورد استفاده در روش پیشنهادی (64)
    • 3-3 معماری کلی پیشنهادی (65)
    • 3-4 معماری‌های پیشنهادی برای لایه‌ی گرافی (66)
      • 3-4-1 استخراج اطلاعات از چندگرافی ثابت (66)
      • 3-4-2 استخراج اطلاعات از گراف پویای جمله (69)
    • 3-5 آموزش شبکه‌ی پیشنهادی (72)
      • 3-5-1 آماده‌سازی دادگان و گراف‌ها (72)
      • 3-5-2 تابع هزینه (73)
      • 3-5-3 شبه‌کد فرایند آموزش مدل مبتنی بر لایه‌ی پیچشی گرافی و تحلیل پویای جمله (73)
    • 3-6 جمع‌بندی (75)
  • 4 پیاده‌سازی، آزمایش‌ها و ارزیابی (76)
    • 4-1 مقدمه (76)
    • 4-2 مجموعه دادگان آموزش (76)
      • 4-2-1 معرفی [fa]KG (77)
      • 4-2-2 معرفی دادگان متنی (77)
    • 4-3 معیارهای ارزیابی (78)
      • 4-3-1 معیار Hits@k (78)
      • 4-3-2 معیار [fa]perplex (78)
    • 4-4 سختی‌های آموزش مدل‌های پیشنهادی (79)
    • 4-5 مقداردهی [fa]hyperparamها و تنظیمات مدل (79)
      • 4-5-1 [fa]hyperparamهای مربوط به قسمت‌های مشابه شبکه‌ی BERT (80)
      • 4-5-2 [fa]hyperparamهای مربوط به لایه‌ی گرافی (80)
      • 4-5-3 [fa]hyperparamهای خاص مجموعه دادگان (80)
    • 4-6 ارزیابی مدل‌های پیشنهادی و مقایسه با مدل‌های مشابه موجود (81)
      • 4-6-1 معرفی مدل‌های مشابه موجود (81)
      • 4-6-2 ارزیابی مدل‌ها (81)
    • 4-7 مقایسه‌ی تأثیر گراف‌های متفاوت چندگرافی ثابت (84)
    • 4-8 جمع‌بندی (85)
  • 5 جمع‌بندی و کار‌های آتی (87)
  • مراجع (89)
  • واژه‌نامه فارسی به انگلیسی (94)
  • واژه‌نامه انگلیسی به فارسی (96)
  • کلمات کوته‌نوشت (98)
Loading...