MBT: مُصنِّف-مولِّد للكلمات استنادًا إلى الذاكرة

نقدم نهجًا يعتمد على الذاكرة لتصنيف أجزاء الكلام. التعلم المستند إلى الذاكرة هو شكل من أشكال التعلم الموجه يعتمد على التفكير القائم على التشابه. يتم استنتاج تصنيف جزء الكلام لكلمة في سياق معين من الحالات الأكثر تشابهًا الممسوكة في الذاكرة. تُعتبر أساليب التعلم الموجه مفيدة عندما يكون هناك مجموعة بيانات مُصنَّفة متاحة كنموذج للمخرجات المرغوبة للمصنف. استنادًا إلى مثل هذه المجموعة، يقوم المُصنِّف-المولد تلقائيًا ببناء مصنف قادر على تصنيف نص جديد بنفس الطريقة، مما يقلل بشكل كبير من وقت التطوير لإنشاء مصنف. تشترك تصنيفات الذاكرة في هذه الميزة مع أساليب إحصائية أخرى أو تقنيات التعلم الآلي. تشمل المزايا الإضافية الخاصة بالنهج المعتمد على الذاكرة (ط) الحجم النسبي الصغير للمجموعة المصنفة الكافي للتدريب، (ii) التعلم التزايدي، (iii) قدرات الشرح، (iv) التكامل المرن للمعلومات في تمثيلات الحالات، (v) الطبيعة غير البارامترية، (vi) نتائج جيدة نسبيًا على الكلمات غير المعروفة دون تحليل صرفي، و(vii) التعلم السريع والتصنيف. في هذه الورقة، نوضح أن تطبيقًا كبير النطاق للنهج المعتمد على الذاكرة ممكن: نحصل على دقة تصنيف تعادل تلك الموجودة في الأساليب الإحصائية المعروفة، مع خصائص جذابة لمعدل الفضاء والزمن عند استخدام IGTree، وهو نموذج قائم على الأشجار لتفهرس والبحث في قواعد البيانات الكبيرة للحالات. يُعتبر استخدام IGTree ميزة إضافية حيث يتم حساب الحجم الأمثل للسياق للتفكيك بشكل ديناميكي.