教育資源発見のための移動学習パイプラインと主要パラグラフ生成への応用【JST・京大機械翻訳】

Li Irene; George Thomas; Fabbri Alexander; Liao Tammy; Chen Benjamin; Kawamura Rina; Zhou Richard; Yan Vanessa; Hingmire Swapnil; Radev Dragomir

プレプリント

J-GLOBAL ID：202202204403799687 整理番号：22P0024549

教育資源発見のための移動学習パイプラインと主要パラグラフ生成への応用【JST・京大機械翻訳】

A Transfer Learning Pipeline for Educational Resource Discovery with Application in Leading Paragraph Generation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (10件)： , , , , , , , , ,
資料名：
発行年： 2022年01月06日プレプリントサーバーでの情報更新日： 2022年01月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

効果的な人間学習は,トピックの学習者の現在の理解と整合する教育材料の広い選択に依存する。インターネットは人間学習または教育を革命しているが,実質的な資源アクセシビリティ障壁がまだ存在する。すなわち,オンライン情報の過剰は,高品質学習材料をナビゲートし,発見するのを困難にする。本論文では,新しいドメインのためにWeb資源発見を自動化する教育資源発見(ERD)パイプラインを提案した。パイプラインは,データ収集,特徴抽出,および資源分類の3つの主なステップから成る。既知のソースドメインから始め,転送学習を介して2つの非意味ターゲットドメインで資源発見を行う。最初に,一組のシード文書から頻出クエリを収集し,Web上で検索し,講義スライドやイントロダクトブログポストのような候補資源を得た。次に,著者らは,これらの候補資源の深い特徴を抽出するために,新しい事前訓練情報検索深層ニューラルネットワークモデル,質問文書マスク言語モデリング(QD-MLM)を導入した。候補が正の学習資源であるかどうかを決定するために,ツリーベースの分類器を適用した。パイプラインは,2つの類似だが新しい標的ドメインに関して評価したとき,0.94と0.82のF1スコアを達成した。最後に,このパイプラインがアプリケーションにいかに利益を与えるか,調査のためのパラグラフ生成を導く方法を示した。これは,調査生成のための様々なWeb資源を考慮する最初の研究である。また,NLP,コンピュータビジョン(CV),および統計(STATS)から,39,728人の手動ラベル付きWebリソースと659クエリのコーパスを解放した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

CAI

, , , ,

前のページに戻る