Fugu-MT 論文翻訳(概要): Automatically generating question-answer pairs for assessing basic reading comprehension in Swedish

論文の概要: Automatically generating question-answer pairs for assessing basic reading comprehension in Swedish

arxiv url: http://arxiv.org/abs/2211.15568v1
Date: Mon, 28 Nov 2022 17:27:14 GMT
ステータス: 処理完了
システム内更新日: 2022-11-29 17:46:39.536730
Title: Automatically generating question-answer pairs for assessing basic reading comprehension in Swedish
Title（参考訳）: スウェーデンにおける基本読解理解のための質問応答ペアの自動生成
Authors: Dmytro Kalpakchi and Johan Boye
Abstract要約: 本稿では,クインダクタ法を用いてスウェーデン語テキストから自動生成された読解質問の質を評価する。この方法は、軽量でデータ駆動型だが、自動質問生成(QG)のための非神経的手法である。評価の結果,Quinductorはニューラルネットワークに基づくQG手法の強力なベースラインを提供する,実行可能なQG手法であることがわかった。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: This paper presents an evaluation of the quality of automatically generated reading comprehension questions from Swedish text, using the Quinductor method. This method is a light-weight, data-driven but non-neural method for automatic question generation (QG). The evaluation shows that Quinductor is a viable QG method that can provide a strong baseline for neural-network-based QG methods.
Abstract（参考訳）: 本稿では,クインダクタ法を用いて,スウェーデン語テキストから自動生成した読解質問の品質評価を行う。本手法は、自動質問生成(qg)のための軽量でデータ駆動だが非ニューラルな手法である。評価の結果,Quinductorはニューラルネットワークに基づくQG手法の強力なベースラインを提供する,実行可能なQG手法であることがわかった。

関連論文リスト

Long-Span Question-Answering: Automatic Question Generation and QA-System Ranking via Side-by-Side Evaluation [65.16137964758612]
大規模言語モデルにおける長文文の活用について検討し,本書全体の読解データを作成する。我々の目的は、長いテキストの詳細な理解を必要とする問題を分析し、理解し、推論するLLMの能力をテストすることである。
論文参考訳（メタデータ） (2024-05-31T20:15:10Z)
Intrinsic Subgraph Generation for Interpretable Graph based Visual Question Answering [27.193336817953142]
グラフに基づく視覚質問応答(VQA)に対する解釈可能なアプローチを提案する。本モデルは,問合せ処理中に本質的にサブグラフを生成するように設計されている。生成した部分グラフを,グラフニューラルネットワークの確立したポストホックな説明可能性法と比較し,人的評価を行う。
論文参考訳（メタデータ） (2024-03-26T12:29:18Z)
Automatic Answerability Evaluation for Question Generation [32.1067137848404]
提案するPMANは,提案した質問が参照回答によって答えられるかどうかを評価するための,新しい自動評価指標である。 GPTに基づくQGモデルの実装は,回答可能な質問を生成する上で,最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2023-09-22T00:13:07Z)
SQUARE: Automatic Question Answering Evaluation using Multiple Positive and Negative References [73.67707138779245]
SQuArE (Sentence-level QUestion AnsweRing Evaluation) という新しい評価指標を提案する。文レベルの抽出(回答選択)と生成(GenQA)の両方のQAシステムでSQuArEを評価する。
論文参考訳（メタデータ） (2023-09-21T16:51:30Z)
Learning Answer Generation using Supervision from Automatic Question Answering Evaluators [98.9267570170737]
我々は、自動QA評価モデル(GAVA)の監督を用いたGenQAのための新しいトレーニングパラダイムを提案する。提案手法を2つの学術的, 1つの産業的データセット上で評価し, 過去の技術状況に対して, 回答精度を大幅に向上させた。
論文参考訳（メタデータ） (2023-05-24T16:57:04Z)
SkillQG: Learning to Generate Question for Reading Comprehension Assessment [54.48031346496593]
本稿では,機械読解モデルの評価と改善を目的とした,制御可能な理解型を用いた質問生成フレームワークを提案する。まず、階層的なスキルベースのスキーマに基づいて理解型の質問をフレーム化し、その後、スキル条件付き質問生成器として$textttSkillQG$を定式化する。経験的な結果から、$textttSkillQG$は、品質、妥当性、スキル制御性という点でベースラインを上回ります。
論文参考訳（メタデータ） (2023-05-08T14:40:48Z)
QAScore -- An Unsupervised Unreferenced Metric for the Question Generation Evaluation [6.697751970080859]
質問生成(QG)は、選択された回答の集合で、ある項目に対する質問を構成するタスクを自動化することを目的としている。 QAScoreと呼ばれるQGシステムを評価するためのより良いメカニズムを提供する可能性を秘めている新しい基準フリー評価指標を提案する。
論文参考訳（メタデータ） (2022-10-09T19:00:39Z)
Multiple-Choice Question Generation: Towards an Automated Assessment Framework [0.0]
トランスフォーマーをベースとした事前学習型言語モデルでは,コンテキスト段落から適切な質問を生成する能力が実証されている。我々は,質問文と可能な回答の両方を文脈段落から生成しなければならない完全自動複数選択質問生成システム(MCQG)に焦点を当てる。
論文参考訳（メタデータ） (2022-09-23T19:51:46Z)
Question-Based Salient Span Selection for More Controllable Text Summarization [67.68208237480646]
本稿では,質問応答(QA)信号を要約モデルに組み込む手法を提案する。提案手法は,入力文書中の有声名詞句(NP)を自動生成することで同定する。このQAベースの信号は、2段階の要約モデルに組み込まれ、まず分類モデルを用いて入力文書中の有能なNPをマークし、その後、条件付きで要約を生成する。
論文参考訳（メタデータ） (2021-11-15T17:36:41Z)
Improving Unsupervised Question Answering via Summarization-Informed Question Generation [47.96911338198302]
質問生成 (QG) とは, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文, 質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、質問文、我々は、自由なニュース要約データを使用し、宣言文を依存性解析、名前付きエンティティ認識、セマンティックロールラベリングを用いて適切な質問に変換する。得られた質問は、元のニュース記事と組み合わせて、エンドツーエンドのニューラルQGモデルをトレーニングする。
論文参考訳（メタデータ） (2021-09-16T13:08:43Z)
Asking Questions the Human Way: Scalable Question-Answer Generation from Text Corpus [23.676748207014903]
問合せ型質問生成(ACS-QG)を提案する。ラベルなしテキストコーパスから高品質で多様な質問応答ペアを大規模に自動生成することを目的としている。ウィキペディアで見つかった100万の文から、280万の質保証された質問応答ペアを生成することができる。
論文参考訳（メタデータ） (2020-01-27T05:27:09Z)

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。