論文の概要: An Algorithm for Generating Gap-Fill Multiple Choice Questions of an Expert System

• arxiv url: http://arxiv.org/abs/2109.11421v1
• Date: Fri, 17 Sep 2021 02:49:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-26 22:33:08.551684
• Title: An Algorithm for Generating Gap-Fill Multiple Choice Questions of an Expert System
• Title（参考訳）: エキスパートシステムのgap-fill多重選択問題生成アルゴリズム
• Authors: Pornpat Sirithumgul, Pimpaka Prasertsilp, Lorne Olfman
• Abstract要約: 本研究は,ギャップ満載多重選択質問(MCQ)を自動的に生成する人工知能アルゴリズムを提案する。 103のオンライン文書を入力として使用することにより、このアルゴリズムはソフトウェアテスト領域の様々なトピックをカバーする16万以上の有効なギャップ満載MCQを自動的に生成できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This research is aimed to propose an artificial intelligence algorithm comprising an ontology-based design, text mining, and natural language processing for automatically generating gap-fill multiple choice questions (MCQs). The simulation of this research demonstrated an application of the algorithm in generating gap-fill MCQs about software testing. The simulation results revealed that by using 103 online documents as inputs, the algorithm could automatically produce more than 16 thousand valid gap-fill MCQs covering a variety of topics in the software testing domain. Finally, in the discussion section of this paper we suggest how the proposed algorithm should be applied to produce gap-fill MCQs being collected in a question pool used by a knowledge expert system.
• Abstract（参考訳）: 本研究は,gap-fill multiple choice questions (mcqs)を自動的に生成するオントロジに基づく設計,テキストマイニング,自然言語処理を含む人工知能アルゴリズムを提案することを目的とした。 本研究のシミュレーションにより,ソフトウェアテストにおけるギャップ満載MCQの生成にアルゴリズムを適用した。 シミュレーションの結果,103のオンライン文書を入力として使用することにより,ソフトウェアテスト領域のさまざまなトピックをカバーする16000以上の有効なギャップ満載MCQを自動的に生成できることがわかった。 最後に,本論文の議論部において,知識エキスパートシステムで用いられる質問プールにおいて,ギャップ満載MCQを生成するために,提案アルゴリズムをどのように適用すべきかを提案する。

関連論文リスト

• Time-Series Forecasting in Smart Manufacturing Systems: An Experimental Evaluation of the State-of-the-art Algorithms [0.0]
  TSFは製造を含む様々な領域で成長している。 本研究の目的は、13の製造データセット上でのSoTA TSFアルゴリズムの評価により、このギャップを埋めることである。
  論文  参考訳（メタデータ） (2024-11-26T15:10:31Z)
• Benchmarking Uncertainty Quantification Methods for Large Language Models with LM-Polygraph [83.90988015005934]
  不確実性定量化(英: Uncertainty Quantification、UQ)は、機械学習(ML)アプリケーションにおいて重要なコンポーネントである。 最新のUQベースラインの集合を実装した新しいベンチマークを導入する。 我々は、9つのタスクにわたるUQと正規化技術に関する大規模な実証的研究を行い、最も有望なアプローチを特定した。
  論文  参考訳（メタデータ） (2024-06-21T20:06:31Z)
• A Gold Standard Dataset for the Reviewer Assignment Problem [117.59690218507565]
  類似度スコア(Similarity score)とは、論文のレビューにおいて、レビュアーの専門知識を数値で見積もるものである。 私たちのデータセットは、58人の研究者による477の自己申告された専門知識スコアで構成されています。 2つの論文をレビュアーに関連付けるタスクは、簡単なケースでは12%～30%、ハードケースでは36%～43%である。
  論文  参考訳（メタデータ） (2023-03-23T16:15:03Z)
• Learning Hidden Markov Models Using Conditional Samples [72.20944611510198]
  本稿では,隠れマルコフモデル(HMM)の学習における計算複雑性について述べる。 本稿では,HMMの条件分布からサンプルを問合せする対話型アクセスモデルを提案する。 具体的には、正確な条件付き確率に対するクエリアクセスが可能な設定において、HMMを学習するための効率的なアルゴリズムを得る。
  論文  参考訳（メタデータ） (2023-02-28T16:53:41Z)
• Genetic Micro-Programs for Automated Software Testing with Large Path Coverage [0.0]
  既存のソフトウェアテスト技術は、検索アルゴリズムを利用して、高い実行パスカバレッジを実現する入力値を見つけることに重点を置いている。 本稿では、進化したソリューションが入力値ではなく、繰り返し入力値を生成するマイクロプログラムである新しい遺伝的プログラミングフレームワークの概要を述べる。 我々のアプローチは多くの異なるソフトウェアシステムに適用できるような一般化が可能であり、そのため、トレーニングされた特定のソフトウェアコンポーネントのみに特化していない、と我々は主張する。
  論文  参考訳（メタデータ） (2023-02-14T18:47:21Z)
• RL-EA: A Reinforcement Learning-Based Evolutionary Algorithm Framework for Electromagnetic Detection Satellite Scheduling Problem [6.438148195340613]
  本稿では、EDSSP問題に対する混合整数プログラミングモデルと強化学習(RL-EA)に基づく進化的アルゴリズムフレームワークを提案する。 提案アルゴリズムの計画効果を検討するために,様々なスケール実験を行った。
  論文  参考訳（メタデータ） (2022-06-12T08:53:56Z)
• MQBench: Towards Reproducible and Deployable Model Quantization Benchmark [53.12623958951738]
  MQBenchは、モデル量子化アルゴリズムの評価、分析、およびデプロイ可能性のベンチマークを行う最初の試みである。 我々は、CPU、GPU、ASIC、DSPを含む実世界のデプロイのための複数のプラットフォームを選択し、最先端の量子化アルゴリズムを評価する。 包括的な分析を行い、直感的、直感的、あるいは反直感的な洞察を見出す。
  論文  参考訳（メタデータ） (2021-11-05T23:38:44Z)
• Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
  オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。 SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。 本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。 ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
  論文  参考訳（メタデータ） (2021-09-13T18:10:52Z)
• Investigating the Robustness of Artificial Intelligent Algorithms with Mixture Experiments [1.877815076482061]
  AIアルゴリズムの堅牢性は、不正確な予測によって安全上の懸念が生じ、AIシステムの採用が制限される可能性があるため、大きな関心事である。 ロバストな分類アルゴリズムは、異なるアプリケーションシナリオ下で高い精度と低い変数を持つことが期待されている。 我々は、予測性能を収集するために、総合的な混合実験を行う。 次に,様々な要因がAI分類アルゴリズムの堅牢性にどのように影響するかを統計的に分析する。
  論文  参考訳（メタデータ） (2020-10-10T15:38:53Z)
• Genetic Algorithm for the Weight Maximization Problem on Weighted Automata [3.0969191504482247]
  重み問題 (WMP) は、重み付き有限状態オートマトン (WFA) 上での最高重みの単語を求める問題である。 WMPの解を近似するための遺伝的アルゴリズムに基づくメタヒューリスティックを提案し,評価する。
  論文  参考訳（メタデータ） (2020-04-11T09:30:11Z)
• Extreme Algorithm Selection With Dyadic Feature Representation [78.13985819417974]
  我々は,数千の候補アルゴリズムの固定セットを考慮に入れた,極端なアルゴリズム選択(XAS)の設定を提案する。 我々は、XAS設定に対する最先端のAS技術の適用性を評価し、Dyadic特徴表現を利用したアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-29T09:40:58Z)

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。