Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "BERT" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Exploiting bert for malformed segmentation detection to improve scientific writings
    Autorzy:
    Halawa, Abdelrahman
    Gamalel-Din, Shehab
    Nasr, Abdurrahman
    Powiązania:
    https://bibliotekanauki.pl/articles/30148253.pdf
    Data publikacji:
    2023
    Wydawca:
    Polskie Towarzystwo Promocji Wiedzy
    Tematy:
    NLP
    text segmentation
    mal-segmentation
    BERT
    Opis:
    Writing a well-structured scientific documents, such as articles and theses, is vital for comprehending the document's argumentation and understanding its messages. Furthermore, it has an impact on the efficiency and time required for studying the document. Proper document segmentation also yields better results when employing automated Natural Language Processing (NLP) manipulation algorithms, including summarization and other information retrieval and analysis functions. Unfortunately, inexperienced writers, such as young researchers and graduate students, often struggle to produce well-structured professional documents. Their writing frequently exhibits improper segmentations or lacks semantically coherent segments, a phenomenon referred to as "mal-segmentation." Examples of mal-segmentation include improper paragraph or section divisions and unsmooth transitions between sentences and paragraphs. This research addresses the issue of mal-segmentation in scientific writing by introducing an automated method for detecting mal-segmentations, and utilizing Sentence Bidirectional Encoder Representations from Transformers (sBERT) as an encoding mechanism. The experimental results section shows a promising results for the detection of mal-segmentation using the sBERT technique.
    Źródło:
    Applied Computer Science; 2023, 19, 2; 126-141
    1895-3735
    2353-6977
    Pojawia się w:
    Applied Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Adaptation of domain-specific transformer models with text oversampling for sentiment analysis of social media posts on Covid-19 vaccine
    Autorzy:
    Bansal, Anmol
    Choudhry, Arjun
    Sharma, Anubhav
    Susan, Seba
    Powiązania:
    https://bibliotekanauki.pl/articles/27312860.pdf
    Data publikacji:
    2023
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    Covid-19
    vaccine
    transformer
    Twitter
    BERTweet
    CT-BERT
    BERT
    XLNet
    RoBERTa
    text oversampling
    LMOTE
    class imbalance
    small sample data set
    Opis:
    Covid-19 has spread across the world and many different vaccines have been developed to counter its surge. To identify the correct sentiments associated with the vaccines from social media posts, we fine-tune various state-of-the-art pretrained transformer models on tweets associated with Covid-19 vaccines. Specifically, we use the recently introduced state-of-the-art RoBERTa, XLNet, and BERT pre-trained transformer models, and the domain-specific CT-BER and BERTweet transformer models that have been pre-trained on Covid-19 tweets. We further explore the option of text augmentation by oversampling using the language model-based oversampling technique (LMOTE) to improve the accuracies of these models - specifically, for small sample data sets where there is an imbalanced class distribution among the positive, negative and neutral sentiment classes. Our results summarize our findings on the suitability of text oversampling for imbalanced, small-sample data sets that are used to fine-tune state-of-the-art pre-trained transformer models as well as the utility of domain-specific transformer models for the classification task.
    Źródło:
    Computer Science; 2023, 24 (2); 163--182
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Metoda ustawień systemowych rodziny według Berta Hellingera w optyce analizy transakcyjnej
    Bert Hellingers Systemic Family Constellation Method from the Perspective of Transactional Analysis
    Autorzy:
    Jagieła, Jarosław
    Powiązania:
    https://bibliotekanauki.pl/articles/445789.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Humanistyczno-Przyrodniczy im. Jana Długosza w Częstochowie. Wydawnictwo Uczelniane
    Tematy:
    metoda ustawień systemowych rodziny Berta Hellingera
    analiza transakcyjna
    Bert Hellinger’s Systemic Family Constellation Method
    transactional analysis.
    Opis:
    Autor w oparciu o artykuły dostępne w czasopiśmie „Transactional Analysis Journal” (TAJ) wykazuje związki między metodą ustawień systemowych Berta Hellingera a analizą transakcyjną. Na podstawie własnej praktyki podkreśla walor łączenia indywidualnej formy pracy terapeutycznej i perspektywy systemowej z wykorzystaniem figur (markerów mapowania rodziny).
    On the basis of articles published in the “Transactional Analysis Journal” (TAJ), the author of the paper indicates links between Bert Hellinger’s Systemic Family Constellation Method and transactional analysis. Drawing from his own experience as a therapist, he emphasises benefits of combining individual therapy and the systemic perspective using the figures (the markers of family mapping).
    Źródło:
    Edukacyjna Analiza Transakcyjna; 2017, 6; 315-329
    2299-7466
    Pojawia się w:
    Edukacyjna Analiza Transakcyjna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies