MétaCan
Menu
← Retour à la cohorte
Enregistrement W4362577036 · doi:10.22215/etd/2023-15442

MAWT: Multi-Attention-Weight Transformers

2023· dissertation· en· W4362577036 sur OpenAlexafffund
Enver Askin

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueNatural Language Processing Techniques
Établissements canadiensCarleton University
Organismes subventionnairesMinistère de la Défense Nationale
Mots-clésTransformerComputer scienceMachine translationArtificial intelligenceParsingTest setNatural language processingArtificial neural networkMachine learningEngineeringVoltage

Résumé

récupéré en direct d'OpenAlex

Transformers are machine learning models designed to learn and predict sequential and structured data, which are crucial to tasks such as neural machine translation and semantic parsing.They have become state-of-the-art engines for both of these tasks and much research in natural language processing is devoted to increasing their performance by introducing modifications to their architectures.In light of this trend, this thesis introduces a new Transformer architecture called MAWT: Multi-Attention-Weight Transformers in an attempt to increase the accuracy and variety of the acceptable predictions of a Transformer.It attempts to achieve this by training multiple weights per each Transformer attention head, which then are used to test the accuracy of the engine.This creates a new architecture under which the system produces a candidate set of outputs (instead of a singly output), along with a method for selecting from the candidate set.My proposal rests on the assumption --motivated by statistical considerations --that having a candidate set increases the probability of finding an exact match within the set.Upon testing, I observed that my system outperforms the regular transformer on 5/6 benchmark neural machine translation and semantic parsing datasets, where engine performance is measured by exact match accuracy.Exact match accuracy demands syntactic identity between the output and the target.In order to investigate how well my new architecture generalizes to measures of semantic equivalence that don't also demand syntactic identity, I also recorded the BLEU scores on these datasets.The BLEU score is a measure of performance based on n-grams rather than exact symbolic match (i.e., how many contiguous sequence of n-many strings from the predicted output match the desired output).The results I report on the BLEU scores are more iii mixed, raising important questions that I highlight about the role of syntax in measures of semantic equivalence.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,005
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,006

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,299
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetNatural Language Processing Techniques→Travaux en français237 207→