論文の概要: Automated Answer Validation using Text Similarity
- arxiv url: http://arxiv.org/abs/2401.08688v1
- Date: Sat, 13 Jan 2024 07:13:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 18:23:41.363418
- Title: Automated Answer Validation using Text Similarity
- Title(参考訳): テキスト類似性を用いた自動回答検証
- Authors: Balaji Ganesan, Arjun Ravikumar, Lakshay Piplani, Rini Bhaumik, Dhivya
Padmanaban, Shwetha Narasimhamurthy, Chetan Adhikary, Subhash Deshapogu
- Abstract要約: 情報検索手法はニューラルな手法よりも優れており、特にこの問題の複数選択版において優れている。
我々は,シームズニューラルネットワークモデルを実装し,この問題に対する一般化された解を導出する。
- 参考スコア(独自算出の注目度): 0.5025737475817937
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated answer validation can help improve learning outcomes by providing
appropriate feedback to learners, and by making question answering systems and
online learning solutions more widely available. There have been some works in
science question answering which show that information retrieval methods
outperform neural methods, especially in the multiple choice version of this
problem. We implement Siamese neural network models and produce a generalised
solution to this problem. We compare our supervised model with other text
similarity based solutions.
- Abstract(参考訳): 自動回答検証は、学習者に適切なフィードバックを提供し、質問応答システムとオンライン学習ソリューションをより広く利用することで、学習結果を改善するのに役立つ。
情報検索手法が神経学的手法よりも優れていることを示す科学質問応答の研究は、特にこの問題の複数選択バージョンにおいて行われている。
我々は,シームズニューラルネットワークモデルを実装し,この問題に対する一般化された解を生成する。
教師付きモデルと他のテキスト類似性に基づくソリューションを比較した。
関連論文リスト
- From CNN to ConvRNN: Adapting Visualization Techniques for Time-Series Anomaly Detection [0.0]
本稿では,ビデオデータから異常検出を行う時間分散convRNNによる学習プロセスに着目した。
その効果にもかかわらず、ニューラルネットワークは意思決定を説明することなく回答を提供することのできるブラックボックスとして認識されることが多い。
論文 参考訳(メタデータ) (2024-11-07T13:45:23Z) - The Unreasonable Effectiveness of Solving Inverse Problems with Neural Networks [24.766470360665647]
逆問題に対する解を学ぶために訓練されたニューラルネットワークは、トレーニングセット上でも古典よりも優れた解を見つけることができることを示す。
高速な推論のために新しいデータに一般化するのではなく、既知のデータに対するより良い解決策を見つけるためにも使用できる。
論文 参考訳(メタデータ) (2024-08-15T12:38:10Z) - Experimental study of Neural ODE training with adaptive solver for
dynamical systems modeling [72.84259710412293]
アダプティブと呼ばれるいくつかのODEソルバは、目の前の問題の複雑さに応じて評価戦略を適用することができる。
本稿では,動的システムモデリングのためのブラックボックスとして適応型ソルバをシームレスに利用できない理由を示すための簡単な実験について述べる。
論文 参考訳(メタデータ) (2022-11-13T17:48:04Z) - Simulating Bandit Learning from User Feedback for Extractive Question
Answering [51.97943858898579]
教師付きデータを用いたフィードバックのシミュレーションにより,ユーザフィードバックからの学習を抽出的質問応答に適用する。
当初は少数の例でトレーニングしたシステムが,モデル予測された回答に対するユーザからのフィードバックを劇的に改善できることが示される。
論文 参考訳(メタデータ) (2022-03-18T17:47:58Z) - A Mutual Information Maximization Approach for the Spurious Solution
Problem in Weakly Supervised Question Answering [60.768146126094955]
弱々しい教師付き質問応答は通常、最終的な答えのみを監督信号として持つ。
偶然に正解を導出する刺激的な解が多数存在するかもしれないが、そのような解の訓練はモデルの性能を損なう可能性がある。
本稿では,質問応答対と予測解間の相互情報の最大化により,このような意味的相関を明示的に活用することを提案する。
論文 参考訳(メタデータ) (2021-06-14T05:47:41Z) - A comprehensive solution to retrieval-based chatbot construction [4.807955518532493]
我々は、未ラベルのチャットログからデプロイされたチャットボットへ読者を連れて行くための、エンドツーエンドのソリューションセットを提示する。
このソリューションセットには、セルフ教師付きデータセットと、チャットログから弱いラベル付きデータセットを作成すること、および、缶詰されたレスポンスの固定リストを選択するための体系的なアプローチが含まれる。
自己教師付きコントラスト学習モデルを使用することで、弱いラベル付きデータセット上でのバイナリクラスとマルチクラス分類モデルのトレーニングに優れることがわかった。
論文 参考訳(メタデータ) (2021-06-11T02:54:33Z) - Conditional physics informed neural networks [85.48030573849712]
固有値問題のクラス解を推定するための条件付きPINN(物理情報ニューラルネットワーク)を紹介します。
一つのディープニューラルネットワークが、問題全体に対する偏微分方程式の解を学習できることが示される。
論文 参考訳(メタデータ) (2021-04-06T18:29:14Z) - Learning by Fixing: Solving Math Word Problems with Weak Supervision [70.62896781438694]
数学用語問題(mwps)の従来のニューラルネットワークソルバは、完全な監視によって学習され、多様なソリューションを生み出すことができない。
MWPを学習するためのテキスト弱教師付きパラダイムを提案する。
この手法は最終回答のアノテーションのみを必要とし、単一の問題に対して様々な解決策を生成できる。
論文 参考訳(メタデータ) (2020-12-19T03:10:21Z) - Learning an Effective Context-Response Matching Model with
Self-Supervised Tasks for Retrieval-based Dialogues [88.73739515457116]
我々は,次のセッション予測,発話復元,不整合検出,一貫性判定を含む4つの自己教師型タスクを導入する。
我々はPLMに基づく応答選択モデルとこれらの補助タスクをマルチタスク方式で共同で訓練する。
実験結果から,提案した補助的自己教師型タスクは,多ターン応答選択において大きな改善をもたらすことが示された。
論文 参考訳(メタデータ) (2020-09-14T08:44:46Z)
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。