Apr, 2024

通过基于 BERT 的图像问题抽取来提高学术查询解决

PDF
TL;DR通过使用基于 BERT 的深度学习模型，从文本或图像中提取问题，并将其与其他基于规则和布局的方法进行比较，我们旨在提高 Edtech 组织中学生问题解答的准确性和效率。
edtech organizationschat-bot interfaceimage formatbert-based deep learning modelstudent query resolution
发现论文，激发创造
  • 自然语言处理方法在问题难度估计中的定量研究

    本研究通过定量分析之前研究中提出的几种方法，比较它们在三个不同教育领域包含不同类型问题的公开真实数据集上的表现，发现基于 Transformer 的模型在跨不同教育领域的 MCQs、科学题和数学题等方面表现最佳，超越其他方法甚至在较小的数据集上也表现得更好。

    May, 2023

  • 医学图像视觉问答的问题中心模型

    本论文提出一种基于视觉问答的方法来查询深度学习模型的行为，通过在多个医学和自然图像数据集上进行实验，证明该方法较目前方法具有相同或更高的准确度，有效地解决了深度学习方法缺乏透明性的问题。

    Mar, 2020

  • 关键词驱动的句子选择增强基于 BERT 的视觉问答

    本文描述了 PoliTo 对文档视觉问答竞赛的方法，特别是我们利用文本方法和特定的采样策略，通过细调 BERT 模型，关注包含敏感关键词的句子以回答自然语言问题，如引用表格或图片的问题，以实现高性能的结果。

    Oct, 2023

  • 探索图像问答模型和数据

    本研究旨在通过新的模型和数据集解决基于图像的问答问题，使用神经网络和视觉语义嵌入预测有关图像的简单问题的答案，提出了一种将图片描述转化为问答格式的问题生成算法，为新的数据集提供了基线结果。

    May, 2015

  • 从自然出现的商业对话中提取相似问题

    我们使用经过适当调整的表示方法和少量示例来对商业用户感兴趣的问题进行分组，并制作可用于数据探索或员工培训的可视化。

    Jun, 2022

  • 一种语法感知的 BERT 用于在课程框架中识别格式良好的查询

    本文使用基于 Transformer 的语言模型 BERT 和词性信息，结合 Baby Steps 和 One Pass 技术进行多层面的 Curriculum Learning，用于识别合乎要求的查询，并取得了近乎人类上限的 83.93% 的准确率，优于之前的 75.0%。

    Aug, 2022

  • 利用基于 BERT 的模型推动跨学科研究：通过 SciBERT-CNN 与主题建模的方法

    该论文介绍了一种使用 SciBERT 模型和 CNN 的新方法，通过处理摘要、正文、标题和关键词等多个部分，以解决多标签文本分类中的语义关系和类别不平衡问题，并在文献综述效率方面取得显著改进。

    Apr, 2024

  • 基于 Prompt-Engineering 和 Transformer 的问题生成和评估

    该研究旨在通过变压器模型和提示工程找到从文本数据中生成问题的最佳方法。通过对 SQuAD 问答数据集上的预训练 distilBERT 模型的微调以生成问题，并应用 LLaMA 模型以有效地生成问题，将生成的问题与 SQuAD 数据集中的基准问题进行比较，评估了四种不同提示的有效性，其中有 30% 的提示生成的问题获得了大于 70% 的高相似度分数。

    Oct, 2023

  • 聊天达到完美 -- 基于聊天的图像检索

    本文介绍了一种基于聊天式对话系统的图像检索方法，使用大型语言模型生成对用户问题的跟进问题，在对用户的意图进行澄清后，从一个较大的图像库中检索目标图像，并在多次对话中显著提高了图像检索成功率。

    May, 2023

  • 基于 BERT 深度学习算法的 AI 生成文本检测与分类

    基于 BERT 算法的人工智能生成文本检测模型在实验中表现出高准确率和稳定性，为相关领域提供了有效的解决方案。

    May, 2024