Computation and Language,Artificial Intelligence,Machine Learning,محاسبه و زبان , هوش مصنوعی , یادگیری ماشین ,
توضیحات
Submitted 18 August, 2024; originally announced August 2024. , Comments: Paper was accepted at ACM KDD -2024 -- Undergraduate Consortium. Please find the link: https://kdd2024.kdd.org/undergraduate-consortium/
توضیحات به فارسی
ارائه شده در 18 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: مقاله در ACM KDD -2024 -کنسرسیوم کارشناسی پذیرفته شد.لطفاً لینک را پیدا کنید: https://kdd2024.kdd.org/undergraduate-consortium/
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
Pre-trained large language models (PLLMs) like OpenAI ChatGPT and Google Gemini face challenges such as inaccurate factual recall, hallucinations, biases, and future data leakage for temporal Knowledge Graph (tKG) forecasting. To address these issues, we introduce sLA-tKGF (small-scale language assistant for tKG forecasting), which utilizes Retrieval-Augmented Generation (RAG) aided, custom-trained small-scale language models through a tabula rasa approach from scratch for effective tKG forecasting. Our framework constructs knowledge-infused prompts with relevant historical data from tKGs, web search results, and PLLMs-generated textual descriptions to understand historical entity relationships prior to the target time. It leverages these external knowledge-infused prompts for deeper understanding and reasoning of context-specific semantic and temporal information to zero-shot prompt small-scale language models for more accurate predictions of future events within tKGs. It reduces hallucinations and mitigates distributional shift challenges through comprehending changing trends over time. As a result, it enables more accurate and contextually grounded forecasts of future events while minimizing computational demands. Rigorous empirical studies demonstrate our framework robustness, scalability, and state-of-the-art (SOTA) performance on benchmark datasets with interpretable and trustworthy tKG forecasting.
چکیده به فارسی (ترجمه ماشینی)
مدل های بزرگ زبان از قبل آموزش دیده (PLLMS) مانند OpenAi Chatgpt و Google Gemini با چالش هایی مانند فراخوان واقعی واقعی ، توهم ، تعصب و نشت داده های آینده برای پیش بینی نمودار دانش موقتی (TKG) روبرو هستند.برای پرداختن به این موضوعات ، ما SLA-TKGF (دستیار زبان در مقیاس کوچک برای پیش بینی TKG) را معرفی می کنیم ، که از مدل های بازیابی-آگوژ (RAG) به کمک مدلهای زبان در مقیاس کوچک آموزش داده شده با آموزش سفارشی استفاده می کند و از طریق یک رویکرد Tabula Rasa از ابتدا برای TKG مؤثر استفاده می کند.پیش بینیچارچوب ما با داده های تاریخی مربوطه از TKG ها ، نتایج جستجوی وب ، و توضیحات متنی تولید شده توسط PLLMS برای درک روابط موجودیت تاریخی قبل از زمان هدف ، باعث ایجاد اطلاعات مربوط به دانش دانش می شود.این امر از این سوابق تزریق دانش خارجی برای درک عمیق تر و استدلال اطلاعات معنایی و زمانی خاص متن به مدل های زبان در مقیاس کوچک سریع برای پیش بینی های دقیق تر از وقایع آینده در TKG استفاده می کند.این توهم را کاهش می دهد و از طریق درک روند تغییر در طول زمان ، چالش های تغییر توزیع را کاهش می دهد.در نتیجه ، پیش بینی های دقیق تر و متنی تر از وقایع آینده را در عین حال به حداقل رساندن تقاضاهای محاسباتی امکان پذیر می کند.مطالعات تجربی دقیق نشان دهنده استحکام چارچوب ، مقیاس پذیری و عملکرد پیشرفته (SOTA) در مجموعه داده های معیار با پیش بینی TKG قابل تفسیر و قابل اعتماد است.
📚 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
