論文の概要: Finding Black Cat in a Coal Cellar -- Keyphrase Extraction &
Keyphrase-Rubric Relationship Classification from Complex Assignments
- arxiv url: http://arxiv.org/abs/2004.01549v3
- Date: Fri, 24 Apr 2020 13:17:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-17 04:00:29.668712
- Title: Finding Black Cat in a Coal Cellar -- Keyphrase Extraction &
Keyphrase-Rubric Relationship Classification from Complex Assignments
- Title(参考訳): 石炭セラーにおける黒猫の探索 ---複合代入によるキーフラーゼ抽出とキーフラーゼ-ルブリック関係の分類-
- Authors: Manikandan Ravikiran
- Abstract要約: 本稿では,キーフレーズ抽出作業における教師あり教師なしアプローチの有効性を定量化することを目的とする。
i) 教師なしの MultiPartiteRank がキーフレーズ抽出に最適であることがわかった。
今後,これらの課題に関心のある人々に対して,包括的分析と有用な観察結果の導出を行う。
- 参考スコア(独自算出の注目度): 5.067828201066184
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diversity in content and open-ended questions are inherent in complex
assignments across online graduate programs. The natural scale of these
programs poses a variety of challenges across both peer and expert feedback
including rogue reviews. While the identification of relevant content and
associating it to predefined rubrics would simplify and improve the grading
process, the research to date is still in a nascent stage. As such in this
paper we aim to quantify the effectiveness of supervised and unsupervised
approaches for the task for keyphrase extraction and generic/specific
keyphrase-rubric relationship extraction. Through this study, we find that (i)
unsupervised MultiPartiteRank produces the best result for keyphrase extraction
(ii) supervised SVM classifier with BERT features that offer the best
performance for both generic and specific keyphrase-rubric relationship
classification. We finally present a comprehensive analysis and derive useful
observations for those interested in these tasks for the future. The source
code is released in \url{https://github.com/manikandan-ravikiran/cs6460-proj}.
- Abstract(参考訳): コンテンツの多様性とオープンエンドの質問は、オンライン大学院プログラムの複雑な課題に内在する。
これらのプログラムの自然なスケールは、仲間と専門家の両方のフィードバックにさまざまな課題をもたらします。
関連するコンテンツの識別と、それを事前定義されたrubricsに関連付けることで、グレーディングプロセスの簡素化と改善が図られるが、これまでの研究はまだ初期段階にある。
本稿では,キーフレーズ抽出と汎用/固有キーフレーズ・ルブリック関係抽出の課題に対する教師付きおよび教師なしアプローチの有効性を定量化することを目的とする。
この研究を通して
(i)教師なしMultiPartiteRankはキーフレーズ抽出の最良の結果を生成する
(ii) ジェネリックおよび特定のキーフレーズ-ルブリック関係分類に最適な性能を提供するBERT機能付き教師付きSVM分類器。
最終的に包括的分析を行い、将来これらの課題に関心を持つ人々にとって有用な観察結果を得る。
ソースコードは \url{https://github.com/manikandan-ravikiran/cs6460-proj} で公開されている。
関連論文リスト
- Iterative NLP Query Refinement for Enhancing Domain-Specific Information Retrieval: A Case Study in Career Services [0.13980986259786224]
ニッチドメインにおける意味的関連文書の検索は、TF-IDFベースのシステムにとって大きな課題となる。
本稿では,Humber CollegeのキャリアサービスWebページに合わせて,反復的かつ半自動的なクエリリファインメント手法を提案する。
論文 参考訳(メタデータ) (2024-12-22T15:57:35Z) - Generative Retrieval Meets Multi-Graded Relevance [104.75244721442756]
GRADed Generative Retrieval (GR$2$)というフレームワークを紹介します。
GR$2$は2つの重要なコンポーネントに焦点を当てている。
マルチグレードとバイナリの関連性を持つデータセットの実験は,GR$2$の有効性を示した。
論文 参考訳(メタデータ) (2024-09-27T02:55:53Z) - KeyGen2Vec: Learning Document Embedding via Multi-label Keyword
Generation in Question-Answering [20.03094433039241]
現在の埋め込みモデルは、主にラベル管理の可用性に依存して、その結果の埋め込みの表現力を高めている。
本研究の目的は,Sequence-to-Sequence (Seq2Seq)テキストジェネレータによる文書埋め込みを学習することで,ラベル管理への依存を緩和することである。
論文 参考訳(メタデータ) (2023-10-30T15:35:45Z) - Uncovering Prototypical Knowledge for Weakly Open-Vocabulary Semantic
Segmentation [59.37587762543934]
本稿では,弱開語彙セマンティックセマンティックセグメンテーション(WOVSS)の問題点について検討する。
既存の方法は、グループトークンの使用に関する粒度の矛盾に悩まされる。
マルチモーダル正規化を組み込んだプロトタイプ誘導ネットワーク(PGSeg)を提案する。
論文 参考訳(メタデータ) (2023-10-29T13:18:00Z) - BibRank: Automatic Keyphrase Extraction Platform Using~Metadata [0.0]
本稿では、キーフレーズデータセットを統合し、キーフレーズ抽出アルゴリズムの評価を容易にするプラットフォームを提案する。
このプラットフォームには、単語をBib形式で解析することで得られる豊富なデータセットを活用する自動キーフレーズ抽出アルゴリズムであるBibRankが含まれている。
論文 参考訳(メタデータ) (2023-10-13T14:44:34Z) - Open-Vocabulary Animal Keypoint Detection with Semantic-feature Matching [74.75284453828017]
Open-Vocabulary Keypoint Detection (OVKD)タスクは、任意の種類のキーポイントを特定するためにテキストプロンプトを使用するように設計されている。
セマンティック・フェールマッチング(KDSM)を用いた開語彙キーポイント検出(Open-Vocabulary Keypoint Detection)という新しいフレームワークを開発した。
このフレームワークは視覚と言語モデルを組み合わせて、言語機能とローカルキーポイント視覚機能との相互作用を作成する。
論文 参考訳(メタデータ) (2023-10-08T07:42:41Z) - MatchVIE: Exploiting Match Relevancy between Entities for Visual
Information Extraction [48.55908127994688]
我々は、VIE(MatchVIE)のためのグラフニューラルネットワークに基づく新しいキー値マッチングモデルを提案する。
関連性評価に基づくキー値マッチングにより、提案したMatchVIEは、認識を様々な意味論にバイパスすることができる。
我々は、エンコードされた値の不安定性に対処するために、単純だが効果的な操作であるNum2Vecを導入する。
論文 参考訳(メタデータ) (2021-06-24T12:06:29Z) - Phraseformer: Multimodal Key-phrase Extraction using Transformer and
Graph Embedding [3.7110020502717616]
我々は,変換器とグラフ埋め込み技術を用いて,多モーダルなキーフレーズ抽出手法であるPhraseformerを開発した。
Phraseformerでは、各キーワード候補は、テキストと構造学習表現の連結であるベクトルによって提示される。
Inspec、SemEval2010、SemEval 2017の3つのデータセット上でのPhraseformerの性能をF1スコアで解析する。
論文 参考訳(メタデータ) (2021-06-09T09:32:17Z) - R$^2$-Net: Relation of Relation Learning Network for Sentence Semantic
Matching [58.72111690643359]
文意味マッチングのための関係学習ネットワーク(R2-Net)を提案する。
最初にBERTを使用して、グローバルな視点から入力文をエンコードします。
次に、cnnベースのエンコーダは、ローカルな視点からキーワードやフレーズ情報をキャプチャするように設計されている。
関係情報抽出にラベルを十分に活用するために,関係分類タスクの自己教師付き関係性を導入する。
論文 参考訳(メタデータ) (2020-12-16T13:11:30Z) - Keyphrase Extraction with Dynamic Graph Convolutional Networks and
Diversified Inference [50.768682650658384]
キーワード抽出(KE)は、ある文書でカバーされている概念やトピックを正確に表現するフレーズの集合を要約することを目的としている。
最近のシークエンス・ツー・シークエンス(Seq2Seq)ベースの生成フレームワークはKEタスクで広く使われ、様々なベンチマークで競合性能を得た。
本稿では,この2つの問題を同時に解くために,動的グラフ畳み込みネットワーク(DGCN)を採用することを提案する。
論文 参考訳(メタデータ) (2020-10-24T08:11:23Z) - Key Phrase Classification in Complex Assignments [5.067828201066184]
キーフレーズの分類作業は,人間レベルでは曖昧であり,新しいデータセット上でコーエンのカッパが0.77であることを示す。
事前訓練された言語モデルと単純なTFIDF SVM分類器の両方が、前者の生成平均0.6 F1が後者よりも高い結果を生成する。
論文 参考訳(メタデータ) (2020-03-16T04:25:37Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。