混合DeepSentX框架用于AI驱动的需求洞察力和风险预测在使用自然语言处理的多语言体育

科学领域:

• 人工智能的人工智能
• 自然语言处理自然语言处理.
• 软件工程 软件工程 软件工程

背景情况:

• 工程团队需要实时信号来满足不断变化的要求和释放风险.
• 在现场体育比赛中,多语言的球迷话语的特点是噪音,代码交换,刺和事件驱动的漂移.

研究的目的:

• 介绍Hybrid DeepSentX,一个人工智能驱动的框架,用于将群众评论转化为可操作的需求洞察力和冲刺级风险分数.
• 增强人工智能模型对刺和事件驱动的漂移在多语言在线讨论的强度.

主要方法:

• 将多语言变压器编码器与一个感应 GraphSAGE 对话图相连接.
• 整合一个强化学习的学习者与奖励形状刺和快速变化的事件.
• 利用来自X,Reddit和体育论坛的100多万篇文章进行评估.

主要成果:

• 与基线相比,混合DeepSentX在代码交换和刺子集上获得了更高的宏观平均准确性和F1分数.
• 该框架展示了减少错过的风险标志,并生成了面向开发者的工件,用于积压处理和缺陷分类.
• 在精度,校准,延迟,内存和参数计数方面实现了卓越的性能.

结论:

• 混合DeepSentX提供了一个统一的多语言设计,集成变压器,图形和强化组件,用于对在线话语的强有力的分析.
• 该框架提供了有价值的部署文物,将模型输出转换为需求集群和冲刺风险评分,用于持续规划.
• 该研究引入了一个新的注释多平台集体,带有明确的代码交换和刺标签.