محققان در مطالعهای جدید، پارادایم سنتی «بازسازی ابتدا» (Repair-first) در تحلیل احساسات چندوجهی (MSA) را به چالش کشیدهاند. آنها متوجه شدند که پر کردن جای خالی تمام دادههای ناقص، لزوماً بهترین خروجی را نمیدهد!
💡 راهکار جدید؛ مدل «SIEVE»:
این مدل به جای ترمیم کورکورانه، مثل یک تصمیمگیرنده هوشمند عمل میکند. SIEVE با استفاده از یک ساختار دو شاخه، به صورت نمونهبهنمونه تشخیص میدهد که آیا واقعاً نیازی به بازسازی بخشهای گمشده وجود دارد یا خیر. این یعنی بهرهوری بالاتر و کاهش خطای محاسباتی در سیستمهای چندوجهی.
این متد جدید یک ابزار «Plug-and-play» است که میتواند روی معماریهای فعلی سوار شده و دقت آنها را به شکل چشمگیری افزایش دهد. 📈
منبع: arXiv NLP