Submitted 6 September, 2024; originally announced September 2024. , Comments: preprint, under review, supplementary material will be made available upon acceptance of the paper
توضیحات به فارسی
ارسال شده در 6 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: preprint ، تحت بررسی ، مواد تکمیلی با پذیرش مقاله در دسترس خواهد بود
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
Author profiling is the task of inferring characteristics about individuals by analyzing content they share. Supervised machine learning still dominates automatic systems that perform this task, despite the popularity of prompting large language models to address natural language understanding tasks. One reason is that the classification instances consist of large amounts of posts, potentially a whole user profile, which may exceed the input length of Transformers. Even if a model can use a large context window, the entirety of posts makes the application of API-accessed black box systems costly and slow, next to issues which come with such "needle-in-the-haystack" tasks. To mitigate this limitation, we propose a new method for author profiling which aims at distinguishing relevant from irrelevant content first, followed by the actual user profiling only with relevant data. To circumvent the need for relevance-annotated data, we optimize this relevance filter via reinforcement learning with a reward function that utilizes the zero-shot capabilities of large language models. We evaluate our method for Big Five personality trait prediction on two Twitter corpora. On publicly available real-world data with a skewed label distribution, our method shows similar efficacy to using all posts in a user profile, but with a substantially shorter context. An evaluation on a version of these data balanced with artificial posts shows that the filtering to relevant posts leads to a significantly improved accuracy of the predictions.
چکیده به فارسی (ترجمه ماشینی)
پروفایل نویسنده وظیفه استنباط ویژگی ها در مورد افراد با تجزیه و تحلیل محتوایی که آنها به اشتراک می گذارند.یادگیری ماشین تحت نظارت هنوز هم بر سیستم های اتوماتیک که این کار را انجام می دهند ، با وجود محبوبیت مدلهای بزرگ زبان برای پرداختن به وظایف درک زبان طبیعی حاکم است.یک دلیل این است که نمونه های طبقه بندی شامل مقادیر زیادی از پست ها ، به طور بالقوه یک مشخصات کل کاربر ، که ممکن است از طول ورودی ترانسفورماتورها فراتر رود.حتی اگر یک مدل بتواند از یک پنجره زمینه بزرگ استفاده کند ، کلیت پست ها باعث می شود که استفاده از سیستم های جعبه سیاه با دسترسی به API پر هزینه و کند باشد ، در کنار موضوعاتی که با چنین کارهای "سوزن سوزن" همراه است.برای کاهش این محدودیت ، ما یک روش جدید برای پروفایل نویسنده پیشنهاد می کنیم که هدف آن تشخیص مربوط به محتوای بی ربط است و به دنبال آن پروفایل کاربر واقعی فقط با داده های مربوطه انجام می شود.برای دور زدن نیاز به داده های مرتبط با اهمیت ، ما این فیلتر مرتبط را از طریق یادگیری تقویت شده با یک عملکرد پاداش که از قابلیت های صفر از مدل های زبان بزرگ استفاده می کند ، بهینه می کنیم.ما روش خود را برای پیش بینی صفت شخصیت بزرگ پنج در دو شرکت توییتر ارزیابی می کنیم.در مورد داده های دنیای واقعی در دسترس عموم با توزیع برچسب چسبناک ، روش ما اثربخشی مشابهی را برای استفاده از همه پست ها در یک پروفایل کاربر نشان می دهد ، اما با یک زمینه قابل ملاحظه کوتاه تر.ارزیابی در مورد نسخه ای از این داده ها متعادل با پست های مصنوعی نشان می دهد که فیلتر در پست های مربوطه منجر به دقت قابل توجهی در پیش بینی ها می شود.
📚 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
