論文の概要: Unsupervised Question Duplicate and Related Questions Detection in e-learning platforms

• arxiv url: http://arxiv.org/abs/2301.05150v1
• Date: Tue, 20 Dec 2022 11:52:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-01-15 23:16:32.917605
• Title: Unsupervised Question Duplicate and Related Questions Detection in e-learning platforms
• Title（参考訳）: eラーニングプラットフォームにおける教師なし質問重複と関連質問検出
• Authors: Maksimjeet Chowdhary, Sanyam Goyal, Venktesh V, Mukesh Mohania and Vikram Goyal
• Abstract要約: そこで本稿では,教師付きデータを使わずに,ほぼ重複した,意味的な質問を提示するツールを提案する。 提案するツールは、統計的アプローチとニューラルネットワークアプローチの教師なしハイブリッドパイプラインに従う。 我々はQDupがほぼ重複した質問を検知し、関連する質問を驚くほどの精度とスピードで提案できることを実証した。
• 参考スコア（独自算出の注目度）: 1.8749305679160364
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online learning platforms provide diverse questions to gauge the learners' understanding of different concepts. The repository of questions has to be constantly updated to ensure a diverse pool of questions to conduct assessments for learners. However, it is impossible for the academician to manually skim through the large repository of questions to check for duplicates when onboarding new questions from external sources. Hence, we propose a tool QDup in this paper that can surface near-duplicate and semantically related questions without any supervised data. The proposed tool follows an unsupervised hybrid pipeline of statistical and neural approaches for incorporating different nuances in similarity for the task of question duplicate detection. We demonstrate that QDup can detect near-duplicate questions and also suggest related questions for practice with remarkable accuracy and speed from a large repository of questions. The demo video of the tool can be found at https://www.youtube.com/watch?v=loh0_-7XLW4.
• Abstract（参考訳）: オンライン学習プラットフォームは、学習者の異なる概念に対する理解を評価するために多様な質問を提供する。 質問のリポジトリは、学習者に対する評価を行うための多様な質問のプールを確保するために、常に更新されなければならない。 しかし,外部から新たな質問を提出する際,研究者が大量の質問を手動でスキミングして,重複を確認することは不可能である。 そこで本稿では,教師付きデータなしでほぼ重複した,意味的な質問を提示できるツールQDupを提案する。 提案手法は,疑似重複検出タスクの類似性に異なるニュアンスを組み込むための,統計的およびニューラルアプローチの教師なしハイブリッドパイプラインに従う。 我々はqdupが重複に近い質問を検知できることを示すとともに,大量の質問のレポジトリから,極めて正確かつ高速に実践するための関連する質問を提案できることを実証する。 このツールのデモビデオはhttps://www.youtube.com/watch? v=loh0_-7XLW4。

関連論文リスト

• Duplicate Question Retrieval and Confirmation Time Prediction in Software Communities [4.721583392950402]
  異なるドメインにおけるコミュニティ質問回答(CQA)は、複数のプラットフォームが利用可能であり、ユーザ間で大きな共有情報があるため、大規模に成長している。 このようなオンラインプラットフォームが急速に成長する中で、大量のアーカイブデータによって、モデレーターが新たな疑問のために可能な複製を検索することが困難になる。 我々は、テキストとネットワークベースの両方の特徴を生かして、シームズニューラルネットワークに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2023-09-10T14:13:54Z)
• Answering Ambiguous Questions with a Database of Questions, Answers, and Revisions [95.92276099234344]
  ウィキペディアから生成される曖昧な質問のデータベースを利用して、あいまいな質問に答えるための新しい最先端技術を提案する。 提案手法は,リコール対策で15%,予測出力から不明瞭な質問を評価する尺度で10%向上する。
  論文  参考訳（メタデータ） (2023-08-16T20:23:16Z)
• Learning with Instance Bundles for Reading Comprehension [61.823444215188296]
  質問応答スコアを複数の関連インスタンスで比較する新しい監視手法を提案する。 具体的には、密接に対照的な質問や回答のさまざまな近所でこれらのスコアを正規化します。 2つのデータセット上のインスタンスバンドルによるトレーニングの有効性を実証的に実証する。
  論文  参考訳（メタデータ） (2021-04-18T06:17:54Z)
• Attention-based model for predicting question relatedness on Stack Overflow [0.0]
  Stack Overflowにおける質問間の関連性を自動的に予測するアテンションベースの文対相互作用モデル(ASIM)を提案する。 ASIMは、Precision、Recall、Micro-F1評価メトリクスのベースラインアプローチを大幅に改善しました。 私たちのモデルは、Ask Ubuntuの重複質問検出タスクでもうまく機能します。
  論文  参考訳（メタデータ） (2021-03-19T12:18:03Z)
• Knowledge-Routed Visual Question Reasoning: Challenges for Deep Representation Embedding [140.5911760063681]
  VQAモデル評価のためのナレッジルーティング視覚質問推論という新しいデータセットを提案する。 視覚ゲノムシーングラフと外部知識ベースの両方に基づいて,制御プログラムを用いて質問応答対を生成する。
  論文  参考訳（メタデータ） (2020-12-14T00:33:44Z)
• Few-Shot Complex Knowledge Base Question Answering via Meta Reinforcement Learning [55.08037694027792]
  複雑な質問答え(CQA)は、知識ベース(KB)上の複雑な自然言語質問に答える。 従来のニューラルプログラム誘導(NPI)アプローチは、質問の種類が異なる場合、不均一なパフォーマンスを示す。 本稿では,CQAにおけるプログラム誘導のためのメタ強化学習手法を提案する。
  論文  参考訳（メタデータ） (2020-10-29T18:34:55Z)
• Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via Alternate Meta-learning [56.771557756836906]
  本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。 本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,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） (2020-10-29T18:28:16Z)
• Unsupervised Question Decomposition for Question Answering [102.56966847404287]
  本論文では, ワンツーNアン教師付きシーケンスシーケンス(ONUS)のアルゴリズムを提案する。 当初,ドメイン外,マルチホップ開発セットのベースラインが強かったため,HotpotQAでは大きなQA改善が見られた。
  論文  参考訳（メタデータ） (2020-02-22T19:40:35Z)

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。