論文の概要: Answering Chinese Elementary School Social Study Multiple Choice Questions

• arxiv url: http://arxiv.org/abs/2107.02893v1
• Date: Sat, 26 Jun 2021 14:15:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-11 12:47:43.835237
• Title: Answering Chinese Elementary School Social Study Multiple Choice Questions
• Title（参考訳）: 中国の小学校社会科における複数質問への回答
• Authors: Daniel Lee, Chao-Chun Liang, Keh-Yih Su
• Abstract要約: 本稿では,中国の小学校社会科複数選択問題に答える新しいアプローチを提案する。 BERTは読み込みタスクにおいて優れたパフォーマンスを示してきたが、否定、オール・オブ・ザ・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア・ア
• 参考スコア（独自算出の注目度）: 8.256820165723962
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a novel approach to answer the Chinese elementary school Social Study Multiple Choice questions. Although BERT has demonstrated excellent performance on Reading Comprehension tasks, it is found not good at handling some specific types of questions, such as Negation, All-of-the-above, and None-of-the-above. We thus propose a novel framework to cascade BERT with a Pre-Processor and an Answer-Selector modules to tackle the above challenges. Experimental results show the proposed approach effectively improves the performance of BERT, and thus demonstrate the feasibility of supplementing BERT with additional modules.
• Abstract（参考訳）: 本稿では,中国の小学校社会科複数選択問題に答える新しいアプローチを提案する。 bertは理解タスクの読解において優れた性能を示したが、否定、オール・オブ・ザ・ボブ、ノー・オブ・ザ・ボブといった特定の種類の質問をうまく扱えていないことが判明した。 そこで我々は,この課題に対処するために,プレプロシーサとAnswer-SelectorモジュールでBERTをカスケードする新しいフレームワークを提案する。 実験の結果,提案手法はBERTの性能を効果的に向上し,追加モジュールでBERTを補足する可能性を示した。

関連論文リスト

• Multimodal Reranking for Knowledge-Intensive Visual Question Answering [77.24401833951096]
  回答生成のための知識候補のランク付け品質を向上させるためのマルチモーダル・リランカを提案する。 OK-VQAとA-OKVQAの実験は、遠隔監視からのマルチモーダルリランカーが一貫した改善をもたらすことを示している。
  論文  参考訳（メタデータ） (2024-07-17T02:58:52Z)
• Student Answer Forecasting: Transformer-Driven Answer Choice Prediction for Language Learning [2.8887520199545187]
  近年の研究では、学生の特定の解答選択に対するパフォーマンスよりも、解答の正しさに焦点が当てられている。 MCQStudentBertは,学生の回答履歴の文脈的理解と質問や回答のテキストを統合した回答予測モデルである。 この作業は、よりパーソナライズされたコンテンツ、モジュール化、そして粒度の細かいサポートへの扉を開く。
  論文  参考訳（メタデータ） (2024-05-30T14:09:43Z)
• Improving Question Generation with Multi-level Content Planning [70.37285816596527]
  本稿では、与えられたコンテキストと回答から質問を生成する問題に対処し、特に拡張されたコンテキストをまたいだマルチホップ推論を必要とする質問に焦点をあてる。 具体的には、キーフレーズを同時に選択して完全な回答を生成するFA-modelと、生成した全回答を付加的な入力として取り込んだQ-modelの2つのコンポーネントを含む。
  論文  参考訳（メタデータ） (2023-10-20T13:57:01Z)
• Towards Diverse and Effective Question-Answer Pair Generation from Children Storybooks [3.850557558248366]
  本稿では,質問文と暗黙的/明示的回答を生成することにより,QA型の多様性を高めるフレームワークを提案する。 本フレームワークは,QFSベースの応答生成器,繰り返しQA生成器,関連性を考慮したランク付け器を備える。
  論文  参考訳（メタデータ） (2023-06-11T06:55:59Z)
• UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
  質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。 本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。 学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
  論文  参考訳（メタデータ） (2023-05-31T11:29:04Z)
• Rethinking Label Smoothing on Multi-hop Question Answering [87.68071401870283]
  MHQA (Multi-Hop Question Answering) は質問応答において重要な分野である。 本研究では,マルチホップ推論の性能を制限する主要な要因を解析する。 学習プロセスに不確実性を組み込んだ新しいラベル平滑化手法F1 Smoothingを提案する。
  論文  参考訳（メタデータ） (2022-12-19T14:48:08Z)
• Question Personalization in an Intelligent Tutoring System [5.644357169513361]
  教科能力の異なる学生に合った質問を生成すれば,生徒の学習能力が向上することを示す。 この知見は,質問の言語的実現が学生の学習結果に影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2022-05-25T15:23:51Z)
• Multifaceted Improvements for Conversational Open-Domain Question Answering [54.913313912927045]
  対話型オープンドメイン質問回答(MICQA)のための多面的改善フレームワークを提案する。 第一に、提案したKL分割に基づく正規化は、検索と解答のためのより良い質問理解をもたらすことができる。 第二に、追加されたポストランカモジュールは、より関連性の高いパスをトップにプッシュし、2アスペクトの制約で読者に選択できる。 第3に、十分に設計されたカリキュラム学習戦略は、訓練と推論の黄金の通路設定のギャップを効果的に狭め、黄金の通路支援なしで真の答えを見つけることを奨励する。
  論文  参考訳（メタデータ） (2022-04-01T07:54:27Z)
• Interpretable Multi-Step Reasoning with Knowledge Extraction on Complex Healthcare Question Answering [89.76059961309453]
  HeadQAデータセットには、公衆医療専門試験で認可された複数の選択質問が含まれている。 これらの質問は、現在のQAシステムにとって最も難しいものです。 知識抽出フレームワーク(MurKe)を用いた多段階推論を提案する。 市販の事前訓練モデルを完全に活用しようと努力しています。
  論文  参考訳（メタデータ） (2020-08-06T02:47:46Z)

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。