ICMLJun, 2012

如何在不知道答案的情况下评分 -- 一种用于自适应众包和能力测试的贝叶斯图模型

PDF
TL;DR提出了一种新的概率图模型，用于联合建模能力测试和众包设置中的问题难度、参与者能力和正确答案。并基于期望模型熵的贪婪最小化制定了一种主动式学习 / 自适应测试方案，通过根据以前的答案动态选择下一个问题来实现更为有效的资源分配。实验结果表明，我们的模型能够推断所需参数，并证明自适应测试方案需要较少的问题来获得与静态测试场景相同的准确性。
发现论文，激发创造
  • 基于贝叶斯网络的网页自适应问卷软件 ADAPQUEST

    介绍了一种基于贝叶斯网络的自适应问卷开发软件 ADAPQUEST，能够根据测试者的技能水平动态选择问题序列。该软件还应用于心理障碍的诊断，并讨论了一些实现细节。

    Dec, 2021

  • 众包的难度控制：一种用于异构项目的贝叶斯评分模型

    在应用统计学和机器学习领域，我们介绍了一种通用的测量误差模型，通过对困难度、区分度和猜测度添加项目级效应，用于推断共识类别，并通过后验预测检验验证了模型的拟合优度，该模型调整了项目异质性。

    May, 2024

  • 通过贝叶斯网络建模评估规则：一种实用的方法

    本文提出了一种基于贝叶斯网络的方法，利用带有不确定性的逻辑门简化模型，从评估规则中直接推算出学习者模型，可以应用于计算思维技能测试中，并为自适应评估工具和智能教学系统中的快速自动化评估打开了可能性。

    Sep, 2022

  • 贝叶斯推理改进同行评分

    本文探讨了对等评分系统，提出了一种新的概率模型，该模型能够更准确地估计群体作业的分数，并且使用混合整数规划将计算结果更易解释。作者在多个大型班级进行了实验验证，结果表明，使用该模型可以更准确地估计真实的分数、学生提交低精度报告的可能性以及其固有的评分误差的变化。

    Sep, 2022

  • 测试贝叶斯网络

    本文研究了 Bayesian 网络的身份测试和相似性测试的性质，提出了第一个非平凡的高效测试算法，并给出了相应的信息理论下界，其测试样本复杂度在维度上是亚线性的，适用于各种参数设置，是样本的最优解，直到常数因子。

    Dec, 2016

  • 基于贝叶斯决策理论的在职学习

    采用动态众包解决模型不确定性，基于贝叶斯决策理论构建随机博弈模型，使用 Monte Carlo Tree Search 进行近似计算，在命名实体识别任务中比全人工标注节省 an order of magnitude 成本，同时提高了模型的性能。

    Jun, 2015

  • 无需参数的在线测试时间自适应

    为了使现有的视觉模型适应于不同的下游场景，本文探讨了在线测试时间自适应方法在各种真实世界场景下的表现，并针对该方法的局限性提出了一种特别保守的方法 —— 使用 LAME 目标来解决问题，并通过高效的凸凹过程求解该目标，从而使其在场景中表现更佳。

    Jan, 2022

  • 基于对决式波段自适应多源试验的抽取式问答

    本文研究了基于用户反馈的多源测试时模型适应问题，采用随机决策过程来确定最佳适应模型。讨论了多臂匪类学习和多臂对决匪类学习两个框架，并用一种名为 Co-UCB 的新方法解决了多臂对决匪类学习任务。实验结果表明，Co-UCB 更有效。

    Jun, 2023

  • 辅助任务引导的交互式关注模型用于问题难度预测

    提出了 Qdiff 交互式注意力机制的多任务方法，用于预测学术问题的 Bloom's Taxonomy 和难度级别，并展示了该方法在难度标签数据集上的应用。

    May, 2022

  • 面向通用、可扩展的贝叶斯教学框架及其在主题模型中的应用

    通过基于人类教学的伪边际抽样实现机器学习的普适性教学方法，成功地在主题模型上进行训练，并在电影简介数据中验证了该方法的优势。

    May, 2016