ty -jour a2 -sarfraz，sha​​hzad au -khan，穆罕默德·尤西恩·au -qayoom，阿卜杜勒·艾萨米（Abdul au -nizami），穆罕默德·萨福（Muhammad Suffian au -siddiqui），穆罕默德·舒阿伯（Muhammad shoaib au）DA -2021/09/13 TI-良好词典示例的自动预测（GDEX）：远处监督，机器学习和基于单词的基于嵌入的深度学习技术SP -2553199 VL -2021 AB-词典不仅是字典，不仅是词典获得单词含义的来源，但也有目的是理解使用单词的上下文。为此，我们将一个小句子视为综合书籍中的单词的一个示例，最近在在线词典中。词典学家为启发良好的词典示例（GDEX）进行了非常细致的活动，该句子最适合该单词的定义词典。启发GDEX的规则非常艰巨，需要大量时间来进行手动过程。在这方面，本文着重于两项主要任务，即通过使用遥远的监督方法来开发标签的Corpora，用于前3K英语单词，并设计了一种基于人工智能的最先进的自动化程序，以歧视良好的良好程序词典示例不好。提出的方法涉及五个机器学习（ML）和五个基于嵌入的深度学习（DL）体系结构的套件。对结果的彻底分析表明，ML和DL模型都可以进行GDEX启发。 however, DL-based models show a trivial improvement of 3.5% over the conventional ML models. We find that the random forests with parts-of-speech information and word2vec-based bidirectional LSTM are the most optimal ML and DL combinations for automated GDEX elicitation; on the test set, these models, respectively, secured a balanced accuracy of 73% and 77%. SN - 1076-2787 UR - https://doi.org/10.1155/2021/2553199 DO - 10.1155/2021/2553199 JF - Complexity PB - Hindawi KW - ER -