論文の概要: Prompt Transfer for Dual-Aspect Cross Domain Cognitive Diagnosis
- arxiv url: http://arxiv.org/abs/2412.05004v1
- Date: Fri, 06 Dec 2024 12:59:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-09 15:57:46.073994
- Title: Prompt Transfer for Dual-Aspect Cross Domain Cognitive Diagnosis
- Title(参考訳): Dual-Aspect Cross Domain 診断におけるprompt Transfer法の検討
- Authors: Fei Liu, Yizhong Zhang, Shuochen Liu, Shengwei Ji, Kui Yu, Le Wu,
- Abstract要約: 認知診断(CD)は、学生のインタラクションデータに基づいて認知状態を評価することを目的としており、エクササイズレコメンデーションやパーソナライズされた学習指導といった下流の応用を可能にする。
本稿では,認知診断にソフト・プロンプト・トランスファーを利用するシンプルで効果的なフレームワークであるPromptCDを提案する。
PromptCDは多様なCDCDシナリオにシームレスに適応するように設計されており、学生向けCDCDにPromptCD-S、運動用CDCDにPromptCD-Eを導入している。
- 参考スコア(独自算出の注目度): 17.834034928196687
- License:
- Abstract: Cognitive Diagnosis (CD) aims to evaluate students' cognitive states based on their interaction data, enabling downstream applications such as exercise recommendation and personalized learning guidance. However, existing methods often struggle with accuracy drops in cross-domain cognitive diagnosis (CDCD), a practical yet challenging task. While some efforts have explored exercise-aspect CDCD, such as crosssubject scenarios, they fail to address the broader dual-aspect nature of CDCD, encompassing both student- and exerciseaspect variations. This diversity creates significant challenges in developing a scenario-agnostic framework. To address these gaps, we propose PromptCD, a simple yet effective framework that leverages soft prompt transfer for cognitive diagnosis. PromptCD is designed to adapt seamlessly across diverse CDCD scenarios, introducing PromptCD-S for student-aspect CDCD and PromptCD-E for exercise-aspect CDCD. Extensive experiments on real-world datasets demonstrate the robustness and effectiveness of PromptCD, consistently achieving superior performance across various CDCD scenarios. Our work offers a unified and generalizable approach to CDCD, advancing both theoretical and practical understanding in this critical domain. The implementation of our framework is publicly available at https://github.com/Publisher-PromptCD/PromptCD.
- Abstract(参考訳): 認知診断(CD)は、学生のインタラクションデータに基づいて認知状態を評価することを目的としており、エクササイズレコメンデーションやパーソナライズされた学習指導といった下流の応用を可能にする。
しかし、既存の手法は、実際的かつ困難な課題であるクロスドメイン認知診断(CDCD)の精度低下に苦慮することが多い。
クロスオブジェクトシナリオのようなエクササイズ・アスペクトCDCDを探求する試みもあるが、学生とエクササイズの両方のバリエーションを含むCDCDのより広い双対アスペクトの性質に対処することができない。
この多様性はシナリオに依存しないフレームワークを開発する上で大きな課題を生み出します。
これらのギャップに対処するために,認知診断にソフト・プロンプト・トランスファーを利用するシンプルで効果的なフレームワークであるPromptCDを提案する。
PromptCDは多様なCDCDシナリオにシームレスに適応するように設計されており、学生向けCDCDにPromptCD-S、運動用CDCDにPromptCD-Eを導入している。
実世界のデータセットに対する大規模な実験は、PromptCDの堅牢性と有効性を示し、様々なCDCDシナリオにおいて一貫して優れたパフォーマンスを実現している。
我々の研究はCDCDに対する統一的で一般化可能なアプローチを提供し、この臨界領域における理論的および実践的な理解を前進させる。
フレームワークの実装はhttps://github.com/Publisher-PromptCD/PromptCDで公開されています。
関連論文リスト
- A Survey of Sample-Efficient Deep Learning for Change Detection in Remote Sensing: Tasks, Strategies, and Challenges [46.63685907999458]
深層学習(DL)の急速な発展により,大量のリモートセンシング画像(RSI)上で,自動的かつ高精度かつ堅牢な変化検出(CD)が可能になった。
CD手法の進歩にもかかわらず、実際の文脈における実践的応用は、多様な入力データと応用コンテキストのために制限されている。
本稿では,様々なCDタスクに関する文献的手法と,サンプル限定シナリオでDLベースのCDメソッドをトレーニングおよびデプロイするための戦略とテクニックを要約する。
論文 参考訳(メタデータ) (2025-02-05T02:36:09Z) - Language Representation Favored Zero-Shot Cross-Domain Cognitive Diagnosis [15.006031265076006]
本稿では,ゼロショットクロスドメイン認知診断(LRCD)を用いた言語表現を提案する。
LRCDはまず、異なる領域における学生の行動パターンを分析し、次にテキスト記述を用いて学生、運動、概念のプロファイルを記述する。
言語空間と認知診断空間の相違に対処するため,LRCDにおける言語認知マッパーを提案し,前者から後者へのマッピングを学習する。
論文 参考訳(メタデータ) (2025-01-18T03:35:44Z) - A Dual-Fusion Cognitive Diagnosis Framework for Open Student Learning Environments [10.066184572184627]
本稿では,2つの異なるモダリティを整合させる上での課題を解決するために,二重融合認知診断フレームワーク(DFCD)を提案する。
実験の結果,DFCDはオープンな学習環境において,異なるモダリティと強い適応性を統合することにより,優れた性能を発揮することが示された。
論文 参考訳(メタデータ) (2024-10-19T10:12:02Z) - Auxiliary Knowledge-Induced Learning for Automatic Multi-Label Medical Document Classification [22.323705343864336]
3つのアイデアを取り入れた新しいICDインデクシング手法を提案する。
臨床ノートから情報を収集するために,多レベル深部拡張残差畳み込みエンコーダを用いた。
我々はICD分類の課題を医療記録の補助的知識で定式化する。
論文 参考訳(メタデータ) (2024-05-29T13:44:07Z) - CoRelation: Boosting Automatic ICD Coding Through Contextualized Code
Relation Learning [56.782963838838036]
我々は,ICDコード表現の学習を促進するために,文脈的かつ柔軟なフレームワークである新しい手法を提案する。
提案手法では,可能なすべてのコード関係をモデル化する際の臨床ノートのコンテキストを考慮した,依存型学習パラダイムを採用している。
論文 参考訳(メタデータ) (2024-02-24T03:25:28Z) - SoftMatch Distance: A Novel Distance for Weakly-Supervised Trend Change
Detection in Bi-Temporal Images [45.138953422578574]
一般的な変化検出(GCD)と意味変化検出(SCD)は、変化を識別し、それらの変化に関与する対象カテゴリを識別する一般的な方法である。
本稿では,3つの傾向(「外観」,「消滅」,「変化」)に変化を直感的に分割する手法を提案する。
GCDよりも詳細な変更情報を提供し、SCDよりも手作業によるアノテーションのコストが低い。
論文 参考訳(メタデータ) (2023-03-08T17:23:18Z) - Revisiting Consistency Regularization for Semi-supervised Change
Detection in Remote Sensing Images [60.89777029184023]
教師付きクロスエントロピー(CE)損失に加えて、教師なしCD損失を定式化する半教師付きCDモデルを提案する。
2つの公開CDデータセットを用いて実験を行った結果,提案手法は教師付きCDの性能に近づきやすいことがわかった。
論文 参考訳(メタデータ) (2022-04-18T17:59:01Z) - Density-aware Chamfer Distance as a Comprehensive Metric for Point Cloud
Completion [90.26652899910019]
チャンファー距離 (CD) とアースモーバー距離 (EMD) は、2つの点集合間の類似度を測定するために広く採用されている2つの指標である。
本稿では,DCD(Dedentity-Aware Chamfer Distance)と呼ばれる新しい類似度尺度を提案する。
DCDは、全体構造と局所的詳細の両方に注意を払っており、CDと矛盾する場合でも、より信頼性の高い評価を提供する。
論文 参考訳(メタデータ) (2021-11-24T18:56:27Z) - Dual-Cross Central Difference Network for Face Anti-Spoofing [54.81222020394219]
対面防止(FAS)は、顔認識システムを保護する上で重要な役割を担っている。
中央差分畳み込み(CDC)は、FASタスクの優れた表現能力を示しています。
中心と周囲の局所的な特徴の差を利用した2つのC-CDC(Cross Central difference Convolutions)を提案する。
論文 参考訳(メタデータ) (2021-05-04T05:11:47Z)
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。