論文の概要: Construction and Application of Teaching System Based on Crowdsourcing Knowledge Graph

• arxiv url: http://arxiv.org/abs/2010.08995v1
• Date: Sun, 18 Oct 2020 14:26:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 03:59:07.364521
• Title: Construction and Application of Teaching System Based on Crowdsourcing Knowledge Graph
• Title（参考訳）: クラウドソーシング知識グラフに基づく授業システムの構築と応用
• Authors: Jinta Weng, Ying Gao, Jing Qiu, Guozhu Ding, Huanqin Zheng
• Abstract要約: クラウドソーシングで構築された知識グラフには,多くのユーザが参加する必要がある。 パーソナライズされたエクササイズレコメンデーションモデルは、知識グラフに基づいてアルゴリズムによってパーソナライズされたエクササイズを定式化するために使用される。
• 参考スコア（独自算出の注目度）: 3.766443855077197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Through the combination of crowdsourcing knowledge graph and teaching system, research methods to generate knowledge graph and its applications. Using two crowdsourcing approaches, crowdsourcing task distribution and reverse captcha generation, to construct knowledge graph in the field of teaching system. Generating a complete hierarchical knowledge graph of the teaching domain by nodes of school, student, teacher, course, knowledge point and exercise type. The knowledge graph constructed in a crowdsourcing manner requires many users to participate collaboratively with fully consideration of teachers' guidance and users' mobilization issues. Based on the three subgraphs of knowledge graph, prominent teacher, student learning situation and suitable learning route could be visualized. Personalized exercises recommendation model is used to formulate the personalized exercise by algorithm based on the knowledge graph. Collaborative creation model is developed to realize the crowdsourcing construction mechanism. Though unfamiliarity with the learning mode of knowledge graph and learners' less attention to the knowledge structure, system based on Crowdsourcing Knowledge Graph can still get high acceptance around students and teachers
• Abstract（参考訳）: クラウドソーシング・ナレッジグラフと教育システムを組み合わせることで,ナレッジグラフの生成とその応用に関する研究を行う。 2つのクラウドソーシング手法、クラウドソーシングタスク分布と逆カプチャ生成を用いて、教育分野における知識グラフを構築する。 学校のノード,生徒,教師,コース,知識ポイント,エクササイズタイプによって,教示領域の完全な階層的知識グラフを生成する。 クラウドソーシング方式で構築された知識グラフでは,教師の指導やユーザの動員問題を十分に考慮して,多くのユーザが協力して参加する必要がある。 知識グラフの3つの部分グラフに基づいて、著名な教師、学生の学習状況、適切な学習経路を視覚化することができる。 パーソナライズされたエクササイズレコメンデーションモデルは、知識グラフに基づいてアルゴリズムによってパーソナライズされたエクササイズを定式化する。 クラウドソーシング構築機構を実現するために共同作成モデルを開発した。 知識グラフの学習モードや学習者の知識構造への注意の低さに慣れていないが、クラウドソーシング知識グラフに基づくシステムは学生や教師の間でも高い評価を受けることができる。

関連論文リスト

• Knowledge Graph Extension by Entity Type Recognition [2.8231106019727195]
  本稿では,エンティティ型認識に基づく知識グラフ拡張フレームワークを提案する。 このフレームワークは、異なる知識グラフ間でスキーマとエンティティを整列させることにより、高品質な知識抽出を実現することを目的としている。
  論文  参考訳（メタデータ） (2024-05-03T19:55:03Z)
• State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
  グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。 グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。 ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
  論文  参考訳（メタデータ） (2023-01-14T09:15:49Z)
• Distilling Knowledge from Self-Supervised Teacher by Embedding Graph Alignment [52.704331909850026]
  我々は、自己指導型事前学習モデルから他の学生ネットワークへ知識を伝達するための新しい知識蒸留フレームワークを定式化した。 自己教師型学習におけるインスタンス識別の精神に触発され,特徴埋め込み空間におけるグラフ定式化によるインスタンスとインスタンスの関係をモデル化する。 蒸留方式は, 学生ネットワーク上での表現学習を促進するために, 自己指導型知識の伝達に柔軟に適用できる。
  論文  参考訳（メタデータ） (2022-11-23T19:27:48Z)
• A Survey on Visual Transfer Learning using Knowledge Graphs [0.8701566919381223]
  本調査は知識グラフ(KG)を用いた視覚伝達学習手法に焦点を当てる。 KGは、基礎となるグラフ構造化スキーマやベクトルベースの知識グラフの埋め込みにおいて補助的な知識を表現することができる。 本稿では,知識グラフの埋め込み手法の概要を概説し,それらを高次元の視覚的埋め込みと組み合わせた共同学習の目的について述べる。
  論文  参考訳（メタデータ） (2022-01-27T20:19:55Z)
• Conditional Attention Networks for Distilling Knowledge Graphs in Recommendation [74.14009444678031]
  本稿では,知識グラフをレコメンデーションシステムに組み込むために,知識対応コンディショナルアテンションネットワーク(KCAN)を提案する。 本研究では,まず,ユーザ・イテムネットワークとナレッジグラフのグローバルな意味的類似性を捉えるノード表現を得る。 そして,そのサブグラフに条件付きアテンションアグリゲーションを適用することで,その知識グラフを改良し,目標固有ノード表現を得る。
  論文  参考訳（メタデータ） (2021-11-03T09:40:43Z)
• Attentional Graph Convolutional Networks for Knowledge Concept Recommendation in MOOCs in a Heterogeneous View [72.98388321383989]
  大規模なオープンオンラインコース(MOOC)は、学生が知識を習得するための大規模かつオープンな学習機会を提供する。 学生の関心を惹きつけるため、MOOCsプロバイダによる推薦制度が採用され、学生にコースを推薦する。 そこで本研究では,MOOCにおける知識概念レコメンデーションのために,Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) という,エンドツーエンドのグラフニューラルネットワークに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-23T18:28:08Z)
• Exploiting Structured Knowledge in Text via Graph-Guided Representation Learning [73.0598186896953]
  本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。 エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。 既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
  論文  参考訳（メタデータ） (2020-04-29T14:22:42Z)
• Knowledge Graphs [43.06435841693428]
  我々は、知識グラフに使用される様々なグラフベースのデータモデルとクエリ言語を動機付け、対比する。 本稿では,帰納的手法と帰納的手法を組み合わせた知識の表現と抽出について説明する。 我々は知識グラフの高レベルな今後の研究方向性を結論づける。
  論文  参考訳（メタデータ） (2020-03-04T20:20:32Z)
• A Survey on Knowledge Graphs: Representation, Acquisition and Applications [89.78089494738002]
  我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。 知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。 メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
  論文  参考訳（メタデータ） (2020-02-02T13:17:31Z)

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。