توليد النص الواقعي باستخدام تعلم الآلة - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

التفاعل الثاني

chat(QA,model_sbert, 0.5) >> What type of courses are you interested in? cooking classes >> Apologies, I could not understand you. Please rephrase your response. >> What type of courses are you interested in? software courses >> You have selected: Courses on Computer Programming >> What type of Programming Languages are you interested in? C++ >> You have selected: Java >> Thank you, I just emailed you a list of courses.

في التفاعل الثاني، يفهم روبوت الدردشة أن Cooking Classes (دروس الطهي) لا تشبه دلاليًا الخيارات الموجودة في قاعدة المعرفة. وهو ذكي بالقدر الكافي ليفهم أن Software courses (الدورات التدريبية في البرمجة) يجب أن ترتبط بخيار Courses on Computer Programming (الدورات التدريبية في برمجة الحاسب). الجزء الأخير من التفاعل يسلط الضوء على نقاط الضعف؛ يربط روبوت الدردشة بين رد المستخدم ++C و Java، على الرغم من أن لغتي البرمجة مرتبطتان بالفعل ويمكن القول بأنهما أكثر ارتباطًا من لغتي البايثون و++C، إلا أن الرد المناسب يجب أن يوضح أن روبوت الدردشة لا يتمتع بالدراية الكافية للتوصية بالدورات التدريبية في لغة ++C. إحدى الطرائق لمعالجة هذا القصور هي استخدام التشابه بين المفردات بدلاً من التشابه الدلالي للمقارنة بين الردود والخيارات ذات الصلة ببعض الأسئلة.

استخدام تعلم الآلة لتوليد نص واقعي Using Machine Learning to Generate Realistic Text

الطرائق الموضحة في الأقسام السابقة تستخدم القوالب والقواعد، أو تقنيات التحديد لتوليد النصوص للتطبيقات المختلفة. في هذا القسم، سنتعرف على أحدث تقنيات تعلم الآلة المستخدمة في توليد اللغات الطبيعية (NLG).

جدول 3.5: تقنيات تعلم الآلة المتقدمة المستخدمة في توليد اللغات الطبيعية

وزارة التعليم Ministry of Education 185 2023 - 1447

--- SECTION: التفاعل الثاني --- التفاعل الثاني--- SECTION: chat(QA,model_sbert, 0.5) --- chat(QA,model_sbert, 0.5) >> What type of courses are you interested in? cooking classes >> Apologies, I could not understand you. Please rephrase your response. >> What type of courses are you interested in? software courses >> You have selected: Courses on Computer Programming >> What type of Programming Languages are you interested in? C++ >> You have selected: Java >> Thank you, I just emailed you a list of courses.في التفاعل الثاني، يفهم روبوت الدردشة أن Cooking Classes (دروس الطهي) لا تشبه دلاليًا الخيارات الموجودة في قاعدة المعرفة. وهو ذكي بالقدر الكافي ليفهم أن Software courses (الدورات التدريبية في البرمجة) يجب أن ترتبط بخيار Courses on Computer Programming (الدورات التدريبية في برمجة الحاسب). الجزء الأخير من التفاعل يسلط الضوء على نقاط الضعف؛ يربط روبوت الدردشة بين رد المستخدم ++C و Java، على الرغم من أن لغتي البرمجة مرتبطتان بالفعل ويمكن القول بأنهما أكثر ارتباطًا من لغتي البايثون و++C، إلا أن الرد المناسب يجب أن يوضح أن روبوت الدردشة لا يتمتع بالدراية الكافية للتوصية بالدورات التدريبية في لغة ++C. إحدى الطرائق لمعالجة هذا القصور هي استخدام التشابه بين المفردات بدلاً من التشابه الدلالي للمقارنة بين الردود والخيارات ذات الصلة ببعض الأسئلة.--- SECTION: استخدام تعلم الآلة لتوليد نص واقعي --- استخدام تعلم الآلة لتوليد نص واقعي Using Machine Learning to Generate Realistic Textالطرائق الموضحة في الأقسام السابقة تستخدم القوالب والقواعد، أو تقنيات التحديد لتوليد النصوص للتطبيقات المختلفة. في هذا القسم، سنتعرف على أحدث تقنيات تعلم الآلة المستخدمة في توليد اللغات الطبيعية (NLG).--- SECTION: جدول 3.5: تقنيات تعلم الآلة المتقدمة المستخدمة في توليد اللغات الطبيعية --- جدول 3.5: تقنيات تعلم الآلة المتقدمة المستخدمة في توليد اللغات الطبيعية2023 - 1447--- VISUAL CONTEXT --- **TABLE**: جدول 3.5: تقنيات تعلم الآلة المتقدمة المستخدمة في توليد اللغات الطبيعية Description: A table outlining advanced machine learning techniques for Natural Language Generation (NLG), specifically Long Short-Term Memory (LSTM) and Transformer-Based Models, with a description for each. Table Structure: Headers: التقنية | الوصف Rows: Row 1: شبكة الذاكرة المطولة قصيرة المدى (Long Short-Term Memory – LSTM) | تتكون شبكة الذاكرة المطولة قصيرة المدى (LSTM) من خلايا ذاكرة (Memory Cells) مرتبطة ببعض. عند إدخال سلسلة من البيانات إلى الشبكة، تتولى معالجة كل عنصر في السلسلة واحدًا تلو الآخر، وتُحدّث الشبكة خلايا الذاكرة لتوليد مُخرَج لكل عنصر على حده. شبكات الذاكرة المطولة قصيرة المدى (LSTM) تناسب مهام توليد اللغات الطبيعية (NLG) لقدرتها على الاحتفاظ بالمعلومات من سلاسل البيانات (مثل تعرّف الكلام أو الكتابة اليدوية) ومعالجة تعقيد اللغات الطبيعية. Row 2: النماذج المبنية على المحولات (Transformer-Based Models) | النماذج المبنية على المحولات هي تلك التي تفهم اللغات البشرية وتولّدها، وتستند هذه النماذج في عملها إلى تقنية الانتباه الذاتي (Self-Attention) التي تمكنها من فهم العلاقات بين الكلمات المختلفة في الجمل. Context: This table provides definitions and functional descriptions of two advanced machine learning architectures, LSTM and Transformer-Based Models, which are fundamental to Natural Language Generation (NLG) and understanding complex linguistic relationships.