نموذج الانتشار متعدد اللغات
يُكيّف نموذج الانتشار متعدد اللغات إطار عمل احتمالات الانتشار العكسي لإزالة التشويش (denoising diffusion probabilistic framework) للعمل عبر لغات متعددة، مما يُمكّن من توليد النصوص عبر اللغات، والترجمة، وتخليق المحتوى المستقل عن اللغة. من خلال التكييف على تمثيلات متعددة اللغات، يتعلم عملية الانتشار مساحة كامنة مشتركة تمتد عبر الحدود اللغوية، وتنتج مخرجات عالية الجودة للغات ذات الموارد الوفيرة والقليلة على حد سواء.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link ↗
- Gong, S., Li, M., Feng, J., Wu, Z., & Kong, L. (2023). DiffuSeq: Sequence to Sequence Text Generation with Diffusion Models. International Conference on Learning Representations (ICLR). link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Multilingual Diffusion Model for Text and Cross-Lingual Generation. ScholarGate. https://scholargate.app/ar/deep-learning/multilingual-diffusion-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- نموذج الانتشار المضبط بدقةالتعلم العميق↔ compare
- الشبكة العصبية المتكررة متعددة اللغات (Multilingual RNN)التعلم العميق↔ compare
- تصنيف RoBERTa متعدد اللغاتالتعلم العميق↔ compare
- تضمينات الجمل متعددة اللغاتالتعلم العميق↔ compare
- المحوّل متعدد اللغاتالتعلم العميق↔ compare