論文の概要: CLICKER: A Computational LInguistics Classification Scheme for Educational Resources

• arxiv url: http://arxiv.org/abs/2112.08578v1
• Date: Thu, 16 Dec 2021 02:40:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-18 06:45:13.197918
• Title: CLICKER: A Computational LInguistics Classification Scheme for Educational Resources
• Title（参考訳）: CLICKER:教育資源のための計算言語分類法
• Authors: Swapnil Hingmire, Irene Li, Rena Kawamura, Benjamin Chen, Alexander Fabbri, Xiangru Tang, Yixin Liu, Thomas George, Tammy Liao, Wai Pan Wong, Vanessa Yan, Richard Zhou, Girish K. Palshikar, Dragomir Radev
• Abstract要約: 科学的主題の分類スキームは、その知識の体系の概要を与える。 計算言語学(CL)と自然言語処理(NLP)には、CCSや数学科目分類(MSC)のような包括的分類体系は存在しない。 そこで本研究では,77の大学におけるオンライン講義の分析に基づいて,CL/NLPのCLICKERを分類する手法を提案する。
• 参考スコア（独自算出の注目度）: 47.48935730905393
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: A classification scheme of a scientific subject gives an overview of its body of knowledge. It can also be used to facilitate access to research articles and other materials related to the subject. For example, the ACM Computing Classification System (CCS) is used in the ACM Digital Library search interface and also for indexing computer science papers. We observed that a comprehensive classification system like CCS or Mathematics Subject Classification (MSC) does not exist for Computational Linguistics (CL) and Natural Language Processing (NLP). We propose a classification scheme -- CLICKER for CL/NLP based on the analysis of online lectures from 77 university courses on this subject. The currently proposed taxonomy includes 334 topics and focuses on educational aspects of CL/NLP; it is based primarily, but not exclusively, on lecture notes from NLP courses. We discuss how such a taxonomy can help in various real-world applications, including tutoring platforms, resource retrieval, resource recommendation, prerequisite chain learning, and survey generation.
• Abstract（参考訳）: 科学的主題の分類スキームは、その知識の体系の概要を与える。 また、対象に関する研究論文やその他の資料へのアクセスを容易にするためにも使用できる。 例えば、ACM Computer Classification System (CCS) は、ACM Digital Libraryの検索インタフェースやコンピュータサイエンス論文のインデックス付けにも使われている。 計算言語学(cl)や自然言語処理(nlp)では,ccsや数学主題分類(msc)のような包括的分類システムは存在していない。 本稿では,77の大学におけるオンライン講義の分析から,CL/NLPのCLICKERの分類手法を提案する。 現在提案されている分類学には334のトピックが含まれており、CL/NLPの教育的側面に焦点を当てている。 このような分類は,学習プラットフォーム,資源検索,資源レコメンデーション,前提連鎖学習,調査生成など,現実世界の様々な応用にどのように役立つかについて議論する。

関連論文リスト

• Are Large Language Models Good Classifiers? A Study on Edit Intent Classification in Scientific Document Revisions [62.12545440385489]
  大規模言語モデル(LLM)は、テキスト生成の大幅な進歩をもたらしたが、分類タスクの強化の可能性はまだ未検討である。 生成と符号化の両方のアプローチを含む分類のための微調整LDMを徹底的に研究するためのフレームワークを提案する。 我々はこのフレームワークを編集意図分類(EIC)においてインスタンス化する。
  論文  参考訳（メタデータ） (2024-10-02T20:48:28Z)
• Empowering Interdisciplinary Research with BERT-Based Models: An Approach Through SciBERT-CNN with Topic Modeling [0.0]
  本稿では,SciBERTモデルとCNNを用いて,学術論文を体系的に分類する手法を提案する。 CNNは、畳み込みとプーリングを使用して特徴抽出を強化し、次元を減少させる。
  論文  参考訳（メタデータ） (2024-04-16T05:21:47Z)
• Hierarchical Multi-Label Classification of Scientific Documents [47.293189105900524]
  我々はSciHTCと呼ばれる科学論文の階層的多ラベルテキスト分類のための新しいデータセットを提案する。 このデータセットは、ACM CCSツリーから186,160の論文と1,233のカテゴリを含んでいる。 我々の最良のモデルでは、マクロF1スコアが34.57%に達し、このデータセットが大きな研究機会を提供することを示す。
  論文  参考訳（メタデータ） (2022-11-05T04:12:57Z)
• TaxoCom: Topic Taxonomy Completion with Hierarchical Discovery of Novel Topic Clusters [57.59286394188025]
  我々はTaxoComというトピック分類の完成のための新しい枠組みを提案する。 TaxoComは、用語と文書の新たなサブトピッククラスタを発見する。 2つの実世界のデータセットに関する包括的実験により、TaxoComは、用語の一貫性とトピックカバレッジの観点から、高品質なトピック分類を生成するだけでなく、高品質なトピック分類を生成することを実証した。
  論文  参考訳（メタデータ） (2022-01-18T07:07:38Z)
• A Systematic Literature Review of Automated ICD Coding and Classification Systems using Discharge Summaries [5.156484100374058]
  フリーテキスト臨床物語の体系化は、資金、保険請求処理、研究などの二次的用途に有用であると長年認識されてきた。 コードの割り当ての現在のシナリオは、非常にコストがかかり、時間がかかり、エラーが発生しやすい手作業のプロセスです。 この体系的な文献レビューは、自動化された臨床コーディングシステムの包括的概要を提供する。
  論文  参考訳（メタデータ） (2021-07-12T03:55:17Z)
• One-Class Classification: A Survey [96.17410674315816]
  One-Class Classification (OCC) は、トレーニング中に観測されたデータが単一の正のクラスからのものであるマルチクラス分類の特別なケースである。 視覚認識のための古典的統計的および最近の深層学習に基づくOCC手法のサーベイを提供する。
  論文  参考訳（メタデータ） (2021-01-08T15:30:29Z)
• A Survey on Curriculum Learning [48.36129047271622]
  Curriculum Learning(CL)は、より簡単なデータからより難しいデータまで、マシンラーニングモデルをトレーニングするトレーニング戦略である。 CL戦略は、使い易いプラグインとして、様々なモデルの一般化能力と収束率を改善する能力を示した。
  論文  参考訳（メタデータ） (2020-10-25T17:15:04Z)
• AutoMSC: Automatic Assignment of Mathematics Subject Classification Labels [4.001125251113153]
  本研究では,数学科目分類方式を用いて,粗粒度一次分類を自動的に割り当てる可能性について検討する。 提案手法は, zbMATH と MR の一致に非常に近い 77% 以上の (F_1) スコアを実現する。
  論文  参考訳（メタデータ） (2020-05-25T13:26:45Z)

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。