論文の概要: Sharing Linkable Learning Objects with the use of Metadata and a
Taxonomy Assistant for Categorization
- arxiv url: http://arxiv.org/abs/2212.05947v1
- Date: Fri, 9 Dec 2022 18:32:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 17:40:30.803857
- Title: Sharing Linkable Learning Objects with the use of Metadata and a
Taxonomy Assistant for Categorization
- Title（参考訳）: メタデータを用いたリンク可能な学習オブジェクトの共有と分類のための分類アシスタント
- Authors: Valentina Franzoni, Sergio Tasso, Simonetta Pallottelli, Damiano Perri
- Abstract要約: 学習用Drupalベースのコンテンツ管理システムG-Lorepのeラーニングコースの内容が交換される。
リンク可能な学習オブジェクトは、学習システム間の対話で情報を得るために使用することができる。
- 参考スコア（独自算出の注目度）: 0.7646713951724012
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this work, a re-design of the Moodledata module functionalities is
presented to share learning objects between e-learning content platforms, e.g.,
Moodle and G-Lorep, in a linkable object format. The e-learning courses content
of the Drupal-based Content Management System G-Lorep for academic learning is
exchanged designing an object incorporating metadata to support the reuse and
the classification in its context. In such an Artificial Intelligence
environment, the exchange of Linkable Learning Objects can be used for dialogue
between Learning Systems to obtain information, especially with the use of
semantic or structural similarity measures to enhance the existent Taxonomy
Assistant for advanced automated classification.
- Abstract（参考訳）: 本研究では、Moodledataモジュールの機能を再設計し、リンク可能なオブジェクトフォーマットで、MoodleやG-Lorepといったeラーニングコンテンツプラットフォーム間で学習オブジェクトを共有する。
学習用Drupalベースのコンテンツ管理システムG-Lorepのeラーニングコースの内容と、そのコンテキストにおける再利用と分類を支援するメタデータを組み込んだオブジェクトを設計する。
このような人工知能環境では、リンク可能な学習オブジェクトの交換は学習システム間の対話に利用でき、特に、高度な自動分類のための既存の分類アシスタントを強化するための意味的または構造的類似性対策を用いて情報を得ることができる。
関連論文リスト
- Exploiting the Semantic Knowledge of Pre-trained Text-Encoders for Continual Learning [70.64617500380287]
継続的な学習は、モデルが学習した知識を維持しながら、新しいデータから学習することを可能にする。
画像のラベル情報で利用できるセマンティック知識は、以前に取得したセマンティッククラスの知識と関連する重要なセマンティック情報を提供する。
テキスト埋め込みを用いて意味的類似性を把握し,タスク内およびタスク間のセマンティックガイダンスの統合を提案する。
論文 参考訳（メタデータ） (2024-08-02T07:51:44Z) - Knowledge Graphs and Pre-trained Language Models enhanced Representation Learning for Conversational Recommender Systems [58.561904356651276]
本稿では,対話型推薦システムのためのエンティティの意味理解を改善するために,知識強化型エンティティ表現学習(KERL)フレームワークを紹介する。
KERLは知識グラフと事前訓練された言語モデルを使用して、エンティティの意味的理解を改善する。
KERLはレコメンデーションとレスポンス生成の両方のタスクで最先端の結果を達成する。
論文 参考訳（メタデータ） (2023-12-18T06:41:23Z) - 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) - CTNet: Context-based Tandem Network for Semantic Segmentation [77.4337867789772]
本研究では,空間コンテキスト情報とチャネルコンテキスト情報とを対話的に探索し,新しいコンテキストベースタンデムネットワーク(CTNet)を提案する。
セマンティックセグメンテーションのための学習表現の性能をさらに向上するため、2つのコンテキストモジュールの結果を適応的に統合する。
論文 参考訳（メタデータ） (2021-04-20T07:33:11Z) - Semantic Disentangling Generalized Zero-Shot Learning [50.259058462272435]
Generalized Zero-Shot Learning (GZSL)は、目に見えないカテゴリと見えないカテゴリの両方から画像を認識することを目的としている。
本稿では,エンコーダ・デコーダアーキテクチャに基づく新しい特徴分割手法を提案する。
提案モデルは,視像の固有特徴をキャプチャする品質意味一貫性表現を蒸留することを目的としている。
論文 参考訳（メタデータ） (2021-01-20T05:46:21Z) - Augmenting Transformers with KNN-Based Composite Memory for Dialogue [22.677844670431885]
我々は、KNNベースの情報フェッチング(KIF)モジュールを用いた生成トランスフォーマーニューラルネットワークの拡張を提案する。
我々はこれらのモジュールを生成ダイアログモデリングに適用し、会話の話題や流れを維持するために情報を柔軟に検索し、組み込むという課題を解決した。
本稿では,ウィキペディアや画像,人文音声からの対話に必要な関連知識を識別し,本手法の有効性を実証し,この情報を活用することにより,自動評価と人文評価によるモデル性能の向上が図られることを示す。
論文 参考訳（メタデータ） (2020-04-27T12:37:26Z) - Automated Relational Meta-learning [95.02216511235191]
本稿では,クロスタスク関係を自動的に抽出し,メタ知識グラフを構築する自動リレーショナルメタ学習フレームワークを提案する。
我々は,2次元玩具の回帰と少数ショット画像分類に関する広範な実験を行い,ARMLが最先端のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-01-03T07:02:25Z)
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。