ترجمه فارسی مقاله پیش‌بینی انحراف مکالمه آگاهانه با استفاده از شبکه‌های کانولوشن گراف

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Knowledge-Aware Conversation Derailment Forecasting Using Graph Convolutional Networks
عنوان مقاله به فارسی پیش‌بینی انحراف مکالمه آگاهانه با استفاده از شبکه‌های کانولوشن گراف
نویسندگان Enas Altarawneh, Ameeta Agrawal, Michael Jenkin, Manos Papagelis
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computation and Language,Machine Learning,محاسبه و زبان , یادگیری ماشین ,
توضیحات Submitted 8 September, 2024; v1 submitted 23 August, 2024; originally announced August 2024. , Comments: arXiv admin note: substantial text overlap with arXiv:2306.12982; text overlap with arXiv:2106.01071 by other authors
توضیحات به فارسی ارسال شده در 8 سپتامبر 2024 ؛V1 ارسال شده 23 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: Arxiv Admin توجه: متن قابل توجهی با ARXIV همپوشانی: 2306.12982 ؛متن همپوشانی با Arxiv: 2106.01071 توسط نویسندگان دیگر
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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.

🎯 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

Online conversations are particularly susceptible to derailment, which can manifest itself in the form of toxic communication patterns including disrespectful comments and abuse. Forecasting conversation derailment predicts signs of derailment in advance enabling proactive moderation of conversations. State-of-the-art approaches to conversation derailment forecasting sequentially encode conversations and use graph neural networks to model dialogue user dynamics. However, existing graph models are not able to capture complex conversational characteristics such as context propagation and emotional shifts. The use of common sense knowledge enables a model to capture such characteristics, thus improving performance. Following this approach, here we derive commonsense statements from a knowledge base of dialogue contextual information to enrich a graph neural network classification architecture. We fuse the multi-source information on utterance into capsules, which are used by a transformer-based forecaster to predict conversation derailment. Our model captures conversation dynamics and context propagation, outperforming the state-of-the-art models on the CGA and CMV benchmark datasets

چکیده به فارسی (ترجمه ماشینی)

مکالمات آنلاین به ویژه در معرض خطر است که می تواند خود را در قالب الگوهای ارتباطی سمی از جمله نظرات بی احترامی و سوءاستفاده نشان دهد.پیش بینی گفتگوی پیش بینی ، علائم انحراف را از قبل پیش بینی می کند که باعث افزایش اعتدال فعال مکالمه می شود.رویکردهای پیشرفته برای پیش بینی مکالمه پیش بینی مکالمه پی در پی مکالمات را رمزگذاری می کند و از شبکه های عصبی نمودار برای مدل سازی دینامیک کاربر گفتگوی استفاده می کند.با این حال ، مدل های نمودار موجود قادر به ضبط ویژگی های مکالمه پیچیده مانند انتشار متن و تغییرات عاطفی نیستند.استفاده از دانش عقل سلیم یک مدل را قادر می سازد تا چنین خصوصیاتی را ضبط کند ، بنابراین عملکرد را بهبود می بخشد.به دنبال این رویکرد ، در اینجا ما بیانیه های عوام را از یک پایگاه دانش از اطلاعات متنی گفتگو برای غنی سازی معماری طبقه بندی شبکه عصبی نمودار می گیریم.ما اطلاعات چند منبع را در مورد گفتار به کپسول ها ، که توسط یک پیش بینی کننده مبتنی بر ترانسفورماتور برای پیش بینی انحراف مکالمه استفاده می شود ، فیوز می کنیم.مدل ما پویایی مکالمه و انتشار متن را ضبط می کند ، و از مدل های پیشرفته در مجموعه داده های معیار CGA و CMV بهتر عمل می کند

📚 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.

🎯 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.