Fugu-MT 論文翻訳(概要): Automated Topical Component Extraction Using Neural Network Attention Scores from Source-based Essay Scoring

論文の概要: Automated Topical Component Extraction Using Neural Network Attention Scores from Source-based Essay Scoring

arxiv url: http://arxiv.org/abs/2008.01809v1
Date: Tue, 4 Aug 2020 20:13:51 GMT
ステータス: 処理完了
システム内更新日: 2022-11-03 00:13:54.831093
Title: Automated Topical Component Extraction Using Neural Network Attention Scores from Source-based Essay Scoring
Title（参考訳）: ソースベース評価スコアからニューラルネットワーク注意スコアを用いた話題成分の自動抽出
Authors: Haoran Zhang and Diane Litman
Abstract要約: 本稿では,自動エッセイ評価(AES)と自動筆記評価(AWE)をリンクする手法を提案する。トピックコンポーネント(TC)を必要とする特徴ベースのAESを用いて性能を評価する。その結果,1)エッセイを古風な特徴として表現し,2)エッセイを段階的に評価する。
参考スコア（独自算出の注目度）: 15.234595490118542
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: While automated essay scoring (AES) can reliably grade essays at scale, automated writing evaluation (AWE) additionally provides formative feedback to guide essay revision. However, a neural AES typically does not provide useful feature representations for supporting AWE. This paper presents a method for linking AWE and neural AES, by extracting Topical Components (TCs) representing evidence from a source text using the intermediate output of attention layers. We evaluate performance using a feature-based AES requiring TCs. Results show that performance is comparable whether using automatically or manually constructed TCs for 1) representing essays as rubric-based features, 2) grading essays.
Abstract（参考訳）: 自動エッセイスコア(AES)は大規模なエッセイを確実に評価できるが、自動筆記評価(AWE)はエッセイリビジョンをガイドするための形式的なフィードバックを提供する。しかし、神経性AESは通常、AWEをサポートするのに有用な特徴表現を提供しない。本稿では,AWEとニューラルAESをリンクする手法として,アテンション層の中間出力を用いて,ソーステキストからエビデンスを表すTopical Components (TC)を抽出する。特徴量に基づくAESによる性能評価を行った。結果から、自動または手動で構築されたTCを使用するか、パフォーマンスは同等であることが示された。 1) ルブリック的特徴としてのエッセイの表現 2)エッセイの格付け。

関連論文リスト

FABRIC: Automated Scoring and Feedback Generation for Essays [41.979996110725324]
FABRICは,1)全体スコア,2)特定のルーリックスコア,3)エッセイの改善方法に関する詳細なフィードバックを自動生成することで,英語の授業における学生やインストラクターを支援するパイプラインである。我々は,新しいDREsSと拡張戦略CASEの有効性を定量的に評価し,既存のデータセットでトレーニングしたモデルよりも大幅に改善されたことを示す。
論文参考訳（メタデータ） (2023-10-08T15:00:04Z)
Prompt- and Trait Relation-aware Cross-prompt Essay Trait Scoring [3.6825890616838066]
自動エッセイスコアリング(AES)は、与えられたプロンプトのために書かれたエッセイをスコアリングすることを目的とする。既存のAESシステムの多くは、トレーニングで使用されるのと同じプロンプトのエッセイを格付けし、総合的なスコアのみを割り当てている。本稿では,プロンプトとトレーサの関係を意識したエッセイ・エッセイ・トレーサ・スコアラというロバストなモデルを提案する。
論文参考訳（メタデータ） (2023-05-26T11:11:19Z)
Towards Interpretable and Efficient Automatic Reference-Based Summarization Evaluation [160.07938471250048]
解釈可能性と効率性は、ニューラル自動メトリクスを採用する上で重要な2つの考慮事項である。我々は,参照ベース要約評価のための高性能自動メトリクスを開発する。
論文参考訳（メタデータ） (2023-03-07T02:49:50Z)
Comparing Methods for Extractive Summarization of Call Centre Dialogue [77.34726150561087]
そこで本稿では,これらの手法を用いて呼の要約を生成し,客観的に評価することにより,実験的な比較を行った。 TopicSum と Lead-N は他の要約法よりも優れており,BERTSum は主観的評価と客観的評価の両方で比較的低いスコアを得た。
論文参考訳（メタデータ） (2022-09-06T13:16:02Z)
Deep Learning Architecture for Automatic Essay Scoring [0.0]
本稿では、リカレントネットワーク(RNN)と畳み込みニューラルネットワーク(CNN)に基づく新しいアーキテクチャを提案する。提案アーキテクチャでは, 単語埋め込みベクトルから, 単語n-gramの文脈的特徴を学習し, 捉える。提案方式は,他の深層学習に基づくAESシステムよりも格付け精度が高い。
論文参考訳（メタデータ） (2022-06-16T14:56:24Z)
Automated Evaluation for Student Argumentative Writing: A Survey [2.9466390764652415]
本稿では,学生論文の自動評価という,未研究領域における研究成果の調査と整理を行う。全体論的なエッセイ評価に焦点を当てた従来の自動筆記評価とは異なり、この分野はより具体的であり、議論的なエッセイを評価し、特定のフィードバックを提供する。
論文参考訳（メタデータ） (2022-05-09T07:27:59Z)
Question-Based Salient Span Selection for More Controllable Text Summarization [67.68208237480646]
本稿では,質問応答(QA)信号を要約モデルに組み込む手法を提案する。提案手法は,入力文書中の有声名詞句(NP)を自動生成することで同定する。このQAベースの信号は、2段階の要約モデルに組み込まれ、まず分類モデルを用いて入力文書中の有能なNPをマークし、その後、条件付きで要約を生成する。
論文参考訳（メタデータ） (2021-11-15T17:36:41Z)
Many Hands Make Light Work: Using Essay Traits to Automatically Score Essays [41.851075178681015]
マルチタスク学習(MTL)アプローチを用いて,エッセイを総合的に評価する方法を述べる。 LSTMとBiLSTMの両方を用いて,STL(Single-task Learning)アプローチとの比較を行った。 MTLをベースとしたBiLSTMシステムは,エッセイ特性の評価だけでなく,エッセイ特性の評価にも有効であることがわかった。
論文参考訳（メタデータ） (2021-02-01T11:31:09Z)
Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文参考訳（メタデータ） (2020-10-13T21:33:24Z)
Evaluation Toolkit For Robustness Testing Of Automatic Essay Scoring Systems [64.4896118325552]
モデル逆算評価スキームと関連するメトリクスを用いて、現状のAESモデルを評価する。 AESモデルは非常に過大評価されていることがわかった。質問の話題に関係のない内容の重い修正(25%まで)でさえ、モデルが生み出すスコアを低下させることはない。
論文参考訳（メタデータ） (2020-07-14T03:49:43Z)
Improving Readability for Automatic Speech Recognition Transcription [50.86019112545596]
我々は、可読性のためのASRポストプロセッシング(APR)と呼ばれる新しいNLPタスクを提案する。 APRは、ノイズの多いASR出力を、話者の意味を保ちながら、人間や下流タスクのための読みやすいテキストに変換することを目的としている。我々は,いくつかのオープンソースモデルと適応型事前学習モデルに基づく微調整モデルと,従来のパイプライン手法との比較を行った。
論文参考訳（メタデータ） (2020-04-09T09:26:42Z)

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。