論文の概要: Employing distributional semantics to organize task-focused vocabulary learning

• arxiv url: http://arxiv.org/abs/2011.11115v1
• Date: Sun, 22 Nov 2020 21:51:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 09:08:45.041529
• Title: Employing distributional semantics to organize task-focused vocabulary learning
• Title（参考訳）: タスク中心の語彙学習を組織化するための分布意味論の活用
• Authors: Haemanth Santhi Ponnusamy, Detmar Meurers
• Abstract要約: 計算言語学的手法とグラフベースの学習者モデルを組み合わせることで、この問題に答える方法について検討する。 学習者は,高度に構造化された学習者モデルとネットワーク解析の概念に基づいて,対象の語彙空間を効率的に探索する。
• 参考スコア（独自算出の注目度）: 2.1320960069210475
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: How can a learner systematically prepare for reading a book they are interested in? In this paper,we explore how computational linguistic methods such as distributional semantics, morphological clustering, and exercise generation can be combined with graph-based learner models to answer this question both conceptually and in practice. Based on the highly structured learner model and concepts from network analysis, the learner is guided to efficiently explore the targeted lexical space. They practice using multi-gap learning activities generated from the book focused on words that are central to the targeted lexical space. As such the approach offers a unique combination of computational linguistic methods with concepts from network analysis and the tutoring system domain to support learners in achieving their individual, reading task-based learning goals.
• Abstract（参考訳）: 学習者は、興味のある本を読むために、体系的に準備できるだろうか? 本稿では,分散意味論や形態的クラスタリング,エクササイズ生成などの計算言語手法をグラフベース学習モデルと組み合わせて,概念的かつ実践的に解答する方法について検討する。 学習者は,高度に構造化された学習者モデルとネットワーク解析の概念に基づいて,対象の語彙空間を効率的に探索する。 対象語彙空間の中心にある単語に焦点を当てた本書から生成されたマルチギャップ学習活動を実践する。 このように、このアプローチは計算言語的手法とネットワーク分析の概念と学習システムドメインのユニークな組み合わせを提供し、個々の学習者のタスクベース学習目標の達成を支援する。

関連論文リスト

• Language Evolution with Deep Learning [49.879239655532324]
  計算モデリングは言語の出現の研究において重要な役割を担っている。 構造化言語の出現を誘発する可能性のある条件と学習プロセスをシミュレートすることを目的としている。 この章では、最近機械学習の分野に革命をもたらした別の種類の計算モデル、ディープ・ラーニング・モデルについて論じる。
  論文  参考訳（メタデータ） (2024-03-18T16:52:54Z)
• Human Inspired Progressive Alignment and Comparative Learning for Grounded Word Acquisition [6.47452771256903]
  我々は、人間の赤ちゃんが最初の言語をどのように習得するかからインスピレーションを得て、比較学習を通じて単語獲得のための計算プロセスを開発した。 認知的発見を動機として,様々な属性の類似点と相違点を計算モデルで比較できる小さなデータセットを作成した。 我々は、単語の獲得を情報フィルタリングのプロセスだけでなく、表現-シンボルマッピングにもとづいている。
  論文  参考訳（メタデータ） (2023-07-05T19:38:04Z)
• Cross-Modal Alignment Learning of Vision-Language Conceptual Systems [24.423011687551433]
  幼児の単語学習メカニズムに触発された視覚言語概念体系を学習する手法を提案する。 提案モデルでは、視覚オブジェクトと単語の関連性をオンラインで学習し、徐々に相互関係グラフネットワークを構築している。
  論文  参考訳（メタデータ） (2022-07-31T08:39:53Z)
• Self-Supervised Visual Representation Learning with Semantic Grouping [50.14703605659837]
  我々は、未ラベルのシーン中心のデータから視覚表現を学習する問題に取り組む。 本研究では,データ駆動型セマンティックスロット,すなわちSlotConによる協調型セマンティックグルーピングと表現学習のためのコントラスト学習を提案する。
  論文  参考訳（メタデータ） (2022-05-30T17:50:59Z)
• Text analysis and deep learning: A network approach [0.0]
  本稿では,変圧器モデルとネットワーク解析を併用して,言語使用の自己参照表現を生成する手法を提案する。 我々のアプローチは、基礎となるモデルと強く整合した言語関係と、それらに関する数学的に明確に定義された操作を生成する。 我々の知る限りでは、深層言語モデルから直接意味ネットワークを抽出する最初の教師なし手法である。
  論文  参考訳（メタデータ） (2021-10-08T14:18:36Z)
• Towards a theory of out-of-distribution learning [23.878004729029644]
  本稿では,PAC学習フレームワークを用いて,異なる学習課題を定義するための時系列的アプローチを提案する。 まずは流通学習から始め、最近提案された生涯学習や継続学習へと進む。 この研究によって、さまざまなタイプの学習を定量化する、普遍的に合意されたアプローチがもたらされることを期待しています。
  論文  参考訳（メタデータ） (2021-09-29T15:35:16Z)
• Emerging Trends in Federated Learning: From Model Fusion to Federated X Learning [65.06445195580622]
  フェデレートラーニング(Federated Learning)は、データ収集とモデルトレーニングを、マルチパーティの計算とモデルアグリゲーションを通じて分離する新しいパラダイムである。 我々は、他の学習アルゴリズムとともに、フェデレーション学習の焦点を絞った調査を行う。
  論文  参考訳（メタデータ） (2021-02-25T15:18:13Z)
• Curriculum Learning: A Survey [65.31516318260759]
  カリキュラム学習戦略は、機械学習のあらゆる分野で成功している。 我々は,様々な分類基準を考慮して,カリキュラム学習アプローチの分類を手作業で構築する。 集約型クラスタリングアルゴリズムを用いて,カリキュラム学習手法の階層木を構築する。
  論文  参考訳（メタデータ） (2021-01-25T20:08:32Z)
• Concept Learners for Few-Shot Learning [76.08585517480807]
  本研究では,人間の解釈可能な概念次元に沿って学習することで,一般化能力を向上させるメタ学習手法であるCOMETを提案する。 我々は,細粒度画像分類,文書分類,セルタイプアノテーションなど,さまざまな領域からの少数ショットタスクによるモデルの評価を行った。
  論文  参考訳（メタデータ） (2020-07-14T22:04:17Z)
• Instance-Based Learning of Span Representations: A Case Study through Named Entity Recognition [48.06319154279427]
  本研究では,スパン間の類似性を学習するインスタンスベースの学習手法を提案する。 本手法では,性能を犠牲にすることなく高い解釈性を持つモデルを構築することができる。
  論文  参考訳（メタデータ） (2020-04-29T23:32:42Z)

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。

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。