論文の概要: Finding Similar Exercises in Retrieval Manner

• arxiv url: http://arxiv.org/abs/2303.11163v1
• Date: Wed, 15 Mar 2023 01:40:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-25 03:37:28.357055
• Title: Finding Similar Exercises in Retrieval Manner
• Title（参考訳）: 検索方法で類似したエクササイズを見つける
• Authors: Tongwen Huang, Xihua Li, Chao Yi, Xuemin Zhao, Yunbo Cao
• Abstract要約: 与えられたエクササイズに対して同じようなエクササイズを見つける方法が,重要な技術的問題になります。 我々は「類似演習」を、リコール、ランキング、再ランクの手順に基づく類似演習の集合を見つけるための検索プロセスとして定義する。 運動の意味情報の包括的表現は,表現学習によって得られた。
• 参考スコア（独自算出の注目度）: 11.694650259195756
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: When students make a mistake in an exercise, they can consolidate it by ``similar exercises'' which have the same concepts, purposes and methods. Commonly, for a certain subject and study stage, the size of the exercise bank is in the range of millions to even tens of millions, how to find similar exercises for a given exercise becomes a crucial technical problem. Generally, we can assign a variety of explicit labels to the exercise, and then query through the labels, but the label annotation is time-consuming, laborious and costly, with limited precision and granularity, so it is not feasible. In practice, we define ``similar exercises'' as a retrieval process of finding a set of similar exercises based on recall, ranking and re-rank procedures, called the \textbf{FSE} problem (Finding similar exercises). Furthermore, comprehensive representation of the semantic information of exercises was obtained through representation learning. In addition to the reasonable architecture, we also explore what kind of tasks are more conducive to the learning of exercise semantic information from pre-training and supervised learning. It is difficult to annotate similar exercises and the annotation consistency among experts is low. Therefore this paper also provides solutions to solve the problem of low-quality annotated data. Compared with other methods, this paper has obvious advantages in both architecture rationality and algorithm precision, which now serves the daily teaching of hundreds of schools.
• Abstract（参考訳）: 学生が演習で過ちを犯すと、同じ概念、目的、方法を持つ「類似の演習」によって統合することができる。 一般的に、特定の主題と研究段階において、エクササイズバンクのサイズは数百万から数千万の範囲であり、特定のエクササイズに対して類似したエクササイズを見つける方法が重要な技術的問題となる。 一般的には、さまざまな明示的なラベルをエクササイズに割り当てて、ラベルを問い合わせることができますが、ラベルアノテーションは、正確さと粒度が限定された、時間と労力とコストがかかるため、実現不可能です。 実際には、「類似エクササイズ」は、リコール、ランキング、再ランクの手順に基づく一連の類似エクササイズ(類似エクササイズ)を検索するプロセスとして定義し、それを「textbf{FSE} problem (Finding similar exercises)」と呼ぶ。 さらに,演習の意味情報の包括的表現を表現学習によって獲得した。 合理的なアーキテクチャに加えて,事前学習や教師付き学習から学習する意味情報の学習において,どのようなタスクがより分かりやすいのかについても検討する。 同様の課題に注釈をつけることは困難であり、専門家間のアノテーションの一貫性は低い。 そこで本研究では,低品質アノテートデータの問題を解決するためのソリューションも提供する。 本稿は,他の手法と比較して,現在数百校の日次教育を提供しているアーキテクチャ合理性とアルゴリズム精度の両面で,明らかな優位性を有する。

関連論文リスト

• Probably Approximately Precision and Recall Learning [62.912015491907994]
  精度とリコールは機械学習の基本的な指標である。 一方的なフィードバック – トレーニング中にのみ肯定的な例が観察される – は,多くの実践的な問題に固有のものだ。 PAC学習フレームワークでは,各仮説をグラフで表現し,エッジは肯定的な相互作用を示す。
  論文  参考訳（メタデータ） (2024-11-20T04:21:07Z)
• Intelligent Repetition Counting for Unseen Exercises: A Few-Shot Learning Approach with Sensor Signals [0.4998632546280975]
  本研究は、IMU信号の解析により、運動繰り返しを自動カウントする方法を開発した。 本稿では,深度測定に基づく数点学習手法を用いた反復カウント手法を提案する。 86.8%の確率で、28回の異なるエクササイズで1セットに10回以上の繰り返しを正確に数えることが可能である。
  論文  参考訳（メタデータ） (2024-10-01T05:04:40Z)
• Resilient Constrained Learning [94.27081585149836]
  本稿では,学習課題を同時に解決しながら,要求に適応する制約付き学習手法を提案する。 我々はこの手法を、その操作を変更することで破壊に適応する生態システムを記述する用語に因んで、レジリエントな制約付き学習と呼ぶ。
  論文  参考訳（メタデータ） (2023-06-04T18:14:18Z)
• Learning Context-aware Classifier for Semantic Segmentation [88.88198210948426]
  本稿では,文脈認識型分類器の学習を通じて文脈ヒントを利用する。 本手法はモデルに依存しないため,ジェネリックセグメンテーションモデルにも容易に適用できる。 無視できる追加パラメータと+2%の推論時間だけで、小型モデルと大型モデルの両方で十分な性能向上が達成されている。
  論文  参考訳（メタデータ） (2023-03-21T07:00:35Z)
• An Empirical Study of Finding Similar Exercises [0.0]
  ラベルスカースデータセットのための中国語教育事前学習言語モデルBERT$_Edu$をリリースする。 エクササイズをよりよく理解するために、FSEタスクのための非常に効果的なMoE拡張マルチタスクモデルを提案する。
  論文  参考訳（メタデータ） (2021-11-16T09:39:14Z)
• Co$^2$L: Contrastive Continual Learning [69.46643497220586]
  近年の自己教師型学習のブレークスルーは、このようなアルゴリズムが視覚的な表現を学習し、見えないタスクにもっとうまく移行できることを示している。 本稿では、連続的な学習と伝達可能な表現の維持に焦点を当てたリハーサルに基づく連続学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-28T06:14:38Z)
• Low-Regret Active learning [64.36270166907788]
  トレーニングに最も有用なラベル付きデータポイントを識別するオンライン学習アルゴリズムを開発した。 私たちの仕事の中心は、予測可能な(簡単な)インスタンスの低い後悔を達成するために調整された睡眠専門家のための効率的なアルゴリズムです。
  論文  参考訳（メタデータ） (2021-04-06T22:53:45Z)
• Learning to Actively Learn: A Robust Approach [22.75298609290053]
  本研究では,アクティブラーニングや純粋探索型マルチアームバンディットといった適応データ収集タスクのアルゴリズム設計手法を提案する。 我々の適応アルゴリズムは、情報理論の下界から導かれる問題の同値クラスに対する逆学習によって学習される。 我々は,訓練手順の安定性と有効性を正当化するための合成実験を行い,実データから導出される課題について評価する。
  論文  参考訳（メタデータ） (2020-10-29T06:48:22Z)
• Few-shot Visual Reasoning with Meta-analogical Contrastive Learning [141.2562447971]
  本稿では,類似推論に頼って,数ショット(または低ショット)の視覚推論問題を解くことを提案する。 両領域の要素間の構造的関係を抽出し、類似学習と可能な限り類似するように強制する。 RAVENデータセット上での本手法の有効性を検証し, トレーニングデータが少ない場合, 最先端の手法より優れることを示す。
  論文  参考訳（メタデータ） (2020-07-23T14:00:34Z)
• On the Nature of Programming Exercises [0.0]
  プログラミング演習の性質が成功と一貫した学習の重要な要素であることを理解することが不可欠である。 本稿では,プログラミング演習の作成における様々なアプローチについて考察する。
  論文  参考訳（メタデータ） (2020-06-25T15:22:26Z)
• Annotation-free Learning of Deep Representations for Word Spotting using Synthetic Data and Self Labeling [4.111899441919165]
  我々は、まだ機械学習技術を使っているアノテーションなしの手法を提案する。 我々は最先端のクエリ・バイ・サンプルのパフォーマンスを実現する。 我々の手法ではクエリ・バイ・ストリングが可能であるが、他のアノテーションのないメソッドではそうではない。
  論文  参考訳（メタデータ） (2020-03-04T10:46:25Z)

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。