ترجمه مقاله روشهایی برای یادگیری مدل های معنایی با استفاده از منابع سازمان یافته
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 17 |
| فرمت فایل | docx |
| حجم فایل | 684 کیلو بایت |
| تعداد صفحات فایل | 21 |
روشهایی برای یادگیری مدل های معنایی با استفاده از منابع سازمان یافته - 2014
A Scalable Approach to Learn Semantic Models of Structured Sources
چکیده:
مدلهای معنایی انتزاعی از منابع داده ها به معنای توصیف داده ها و مفاهیم و روابط تعریف شده توسط دامنه ها می باشد . ساختمان داده ها مانند یک گام مهم در ادغام مدلها می باشد . در این مقاله , ما در حال حاضر یک رویکرد مقیاس پذیر به صورت خودکار در یادگیری مدلهای معنایی از یک منبع داده های سازمان یافته با استفاده ازدانش منابع طراحی می نماییم . ارزیابی ما نشان می دهد که رویکرد تولید مدلهای معنایی حداقل ویژگی های مدل را بیان می کند .
1- مقدمه :
مقدار قابل توجهی از اطلاعات در رابطه با این موضوع در پایگاه های اطلاع رسانی و رابط های برنامه ی کاربردی آمده است . یک رویکرد مشترک به ادغام این منابع و توصیف دامنه ی داده ها پرداخته است . در وب , مفاهیم و روابط تعریف دامنه ی مدل های معنایی می تواند به عنوان یک نمودار ترسیم شود و ارتباط بین آنها مشخص شود .
ساخت دستی مدل معنایی وقت گیر می باشد و نیازبه تلاش و توجه و تخصص فراوان دارد . به صورت خودکار ساخت این مدل شامل دو مرحله است .
مرحله ی اول , مشخص نمودن انواع مدل های معنایی است . به عنوان مثال , بر چسب زدن داده ها و مشخص کردن منابع و دامنه ی آنهاست . با این حال تنها نوشتن ویژگی ها کافی نیست . مرحله ی دوم مشخص کردن ویژگی های داده ها از نظر خواص آنها می باشد . مطالعات بسیاری در این رابطه وجود دارد . اما بیشتر , تمرکز بر روی مرحله ی اول و مشخص کردن روابط مدلها می باشد . در مطالعات قبلی ما با یک رویکرد یادگیری مدلهای معنایی آشنا شدیم . در حال حاضر این داده ها و مدلهای معنایی ازیک دامنه ی متفاوت الهام گرقته است . ما با استفاده ازیک تکنیک یادگیری , نمونه های جدید از منابع را شناسایی می کنیم . ما در اینجا به ساخت نمودار با مدلهای معنایی شناخته شده خواهیم پرداخت . این مدل معنایی قابل قبول خواهد بود و برای هر یک از مدلها محاسبه ی حداقل داده ها صورت خواهد گرفت . در نهایت ما حاصل مدلها را بررسی می کنیم . این کار برخی از محدودیت ها را به دنبال دارد . یک نمونه از محدودیت عدم اطمینان از الگوریتم یادگیری مجموعه ای از مدلهای معنایی را برای هر منبع مشخص می کند اما روش های دیگری نیز برای ترسیم مدلهای معنایی وجود دارد . این یک روش دشوار می باشد زیرا بسیاری از موارد بین داده های معنایی مشابه است و نمی توان الگوریتم یادگیری را تشخیص داد . و دوم اینکه , بسیاری از داده ها , ویژگی های مشترکی دارند . در این مورد پردازش داده ها برای ساخت مدل ها غیر ممکن به نظر می آید . در این مقاله , ما به بررسی محدودیت هایی که در آثار گذشته وجود داشته است , می پردازیم . ما به تعمیم روش های قبلی با در نظر گرفتن مجموعه ای از مدلهای معنایی خواهیم پرداخت . برای غلبه بر محدودیت های پیش آمده یک الگوریتم معرفی خواهیم کرد که به بررسی مدل های معنایی و گسترش دامنه ی آنها می پردازد .
ترجمه مقاله اثرات تجسم نسبی در پردازش واژگانی و معنایی افعال
| دسته بندی | روانشناسی |
| بازدید ها | 3 |
| فرمت فایل | doc |
| حجم فایل | 355 کیلو بایت |
| تعداد صفحات فایل | 16 |
ترجمه مقاله اثرات تجسم نسبی در پردازش واژگانی و معنایی افعال در 16 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی
عنوان فارسی :
اثرات تجسم نسبی در پردازش واژگانی و معنایی افعال
عنوان انگلیسی :
Effects of relative embodiment in lexical and semantic processing of verbs.
تعداد صفحات فارسی : 16 صفحه ورد قابل ویرایش
سطح ترجمه : متوسط
شناسه کالا : y2155
دانلود رایگان مقاله انگلیسی : http://ofmas.ir/dlpaper/y2155.pdf
دانلود ترجمه فارسی مقاله : بلافاصله پس از پرداخت آنلاین 20 هزار تومان قادر به دانلود خواهید بود .
بخشی از ترجمه :
چکیده
تحقیقاتی که اثرات غنای معنایی را در شناخت واژه ی بصری بررسی میکنند، نشان داده اند ابعاد متعدد معنا در فرایند شناخته واژه فعال میشود. این تحقیق در عین حال به اسم ها محدود شده است. در تحقیقات کنونی، ما رویکرد غنای معنایی را برای محرک فعل به منظور بررسی شیوه ای گسترش داده ایم که معانی افعال نشان داده میشوند. ما یک بعد از تجسم نسبی برای افعال را بر مبنای مفهوم جسمانی توصیف شده توسط بورگی و سیماتی توصیف نمودیم و ارزیابی هایی را پیرامون آن بعد برای 687 فعل انگلیسی جمع اوری نمودیم. ارزیابی های تجسم نسبی آشکار کردند تجربه ی جسمانی برای مفاهیم برخی افعال، (مثلا رقصیدن، نفس کشیدن) نسبت به بقیه (مثلا تبخیر شدن، انتظار داشتن) به صورت مهم تر تلقی میشوند. آنگاه ما اثرات تجسم نسبی و قابلیت تصویر سازی ذهنی را بر روی پردازش فعل در تصمیم واژگانی تست کردیم (آزمایش 1)، نامگذاری تصویر عملی (آزمایش 2) و دسته بندی نحوی (آزمایش 3). در هر سه آزمایش، نتایج، اثرات تسهیل کننده ای از تجسم نسبی را نشان داد اما برای قابلیت تصویر سازی ذهنی اینطور نیست: نهفتگی ها برای افعال نسبتا مجسم تر سریعتر بودند، حتی پس از اینکه چندین متغیر واژگانی کنترل شد. نتایج حاکی از این است، تجسم نسبی، بعد مهمی از معنای فعل است و رویکرد غنای معنایی به عنوان یک استراتژی برای بررسی ابعاد دیگر معنای فعل محسوب میشود و رویکرد غنای معنایی به عنوان یک استراتژی برای بررسی ابعاد دیگر معنای فعل تعهد دارد.
Abstract
Research examining semantic richness effects in visual word recognition has shown that multiple dimensions of meaning are activated in the process of word recognition (e.g., Yap et al., 2012). This research has, however, been limited to nouns. In the present research we extended the semantic richness approach to verb stimuli in order to investigate how verb meanings are represented. We characterized a dimension of relative embodiment for verbs, based on the bodily sense described by Borghi and Cimatti (2010), and collected ratings on that dimension for 687 English verbs. The relative embodiment ratings revealed that bodily experience was judged to be more important to the meanings of some verbs (e.g., dance, breathe) than to others (e.g., evaporate, expect). We then tested the effects of relative embodiment and imageability on verb processing in lexical decision (Experiment 1), action picture naming (Experiment 2), and syntactic classification (Experiment 3). In all three experiments results showed facilitatory effects of relative embodiment, but not imageability: latencies were faster for relatively more embodied verbs, even after several other lexical variables were controlled. The results suggest that relative embodiment is an important aspect of verb meaning, and that the semantic richness approach holds promise as a strategy for investigating other aspects of verb meaning