کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Existing text representations such as embeddings and bag-of-words are not suitable for rule learning due to their high dimensionality and absent or questionable feature-level interpretability. This article explores whether large language models (LLMs) could address this by extracting a small number of interpretable features from text. We demonstrate this process on two datasets (CORD-19 and M17+) containing several thousand scientific articles from multiple disciplines and a target being a proxy for research impact. An evaluation based on testing for the statistically significant correlation with research impact has shown that LLama 2-generated features are semantically meaningful. We consequently used these generated features in text classification to predict the binary target variable representing the citation rate for the CORD-19 dataset and the ordinal 5-class target representing an expert-awarded grade in the M17+ dataset. Machine-learning models trained on the LLM-generated features provided similar predictive performance to the state-of-the-art embedding model SciBERT for scientific text. The LLM used only 62 features compared to 768 features in SciBERT embeddings, and these features were directly interpretable, corresponding to notions such as article methodological rigor, novelty, or grammatical correctness. As the final step, we extract a small number of well-interpretable action rules. Consistently competitive results obtained with the same LLM feature set across both thematically diverse datasets show that this approach generalizes across domains.
چکیده به فارسی (ترجمه ماشینی)
بازنمودهای موجود در متن مانند تعبیه و کیسه های کلمه ای به دلیل ابعاد بالا و تفسیر در سطح ویژگی های غایب یا سوال برانگیز ، برای یادگیری قانون مناسب نیستند.در این مقاله به بررسی اینکه آیا مدل های بزرگ زبان (LLMS) می توانند با استخراج تعداد کمی از ویژگی های قابل تفسیر از متن ، این مسئله را مورد بررسی قرار دهند.ما این فرآیند را در دو مجموعه داده (CORD-19 و M17+) نشان می دهیم که حاوی چندین هزار مقاله علمی از چندین رشته و یک هدف یک پروکسی برای تأثیر تحقیق است.ارزیابی مبتنی بر آزمایش برای همبستگی آماری معنی دار با تأثیر تحقیق نشان داده است که ویژگی های 2 تولید شده Llama از نظر معنایی معنی دار هستند.در نتیجه ما از این ویژگی های تولید شده در طبقه بندی متن برای پیش بینی متغیر هدف باینری که میزان استناد به مجموعه داده CORD-19 و هدف 5 درجه ای مرتبه ای را نشان می دهد که یک درجه اعطای متخصص در مجموعه داده M17+ را نشان می دهد ، استفاده کردیم.مدل های یادگیری ماشین که بر روی ویژگی های تولید LLM آموزش داده شده است ، عملکرد پیش بینی مشابهی را با مدل پیشرفته ترین مدل Scibert برای متن علمی فراهم می کند.LLM فقط 62 ویژگی در مقایسه با 768 ویژگی در تعبیه Scibert استفاده می کرد ، و این ویژگی ها به طور مستقیم قابل تفسیر بودند ، مطابق با مفاهیمی مانند سفتی روش شناختی ، تازگی یا صحت گرامری.به عنوان مرحله آخر ، تعداد کمی از قوانین عمل قابل تفسیر را استخراج می کنیم.نتایج به طور مداوم رقابتی به دست آمده با همان ویژگی LLM در هر دو مجموعه داده متنوع نشان می دهد که این رویکرد در حوزه ها تعمیم می یابد.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
