TagRec: التسمية التلقائية للأسئلة باستخدام taksonomiya al-ta'allum al-taratiبية

تقوم المنصات التعليمية عبر الإنترنت بتنظيم الأسئلة الأكاديمية بناءً على تصنيف تعلم هرمي (المادة-الفصل-الموضوع). سيساعد وضع العلامات التلقائي للأسئلة الجديدة باستخدام التصنيف الموجود في تنظيم هذه الأسئلة إلى فئات مختلفة من التصنيف الهرمي بحيث يمكن البحث عنها وفقًا لجوانب مثل الفصل. يمكن صياغة هذه المهمة كمشكلة تصنيف متعدد الفئات مسطحة. عادةً، تتجاهل طرق التصنيف المسطحة العلاقة الدلالية بين المصطلحات في التصنيف الهرمي والأسئلة. تعاني بعض الطرق التقليدية أيضًا من مشاكل عدم توازن الفئات حيث تعتبر فقط العقد الورقية وتتجاهل الهرمية. لذلك، نقوم بصياغة المشكلة كمهمة استرجاع قائمة على الشبه حيث نحسن العلاقة الدلالية بين التصنيف والأسئلة. نوضح أن طريقتنا تساعد في التعامل مع العلامات غير المرئية وبالتالي يمكن استخدامها لوضع العلامات للتقييم في البيئة الحقيقية. في هذه الطريقة، نضيف الإجابة المقابلة للسؤال لتقاطع المزيد من المعلومات الدلالية ومن ثم نتوافق بين تمثيلات الانغراس السياقية للزوج السؤال-الإجابة والمتجهات التمثيلية للعلامة (التقييم). يتم تحقيق هذا التوافق عن طريق ضبط النموذج القائم على المحول (transformer) بدقة باستخدام دالة خسارة هي مزيج من الشبه الجيباني (cosine similarity) وخسارة الرتبة المرنة (hinge rank loss). تعمل دالة الخسارة على زيادة الشبه بين الزوج السؤال-الإجابة وتمثيلات العلامة الصحيحة وتقليل الشبه مع العلامات غير ذات الصلة. أخيرًا، نجري تجارب على قاعدتين بيانات حقيقيتين. نظهر أن الطريقة المقترحة تتفوق على تمثيلات التي تم تعلمها باستخدام طريقة تصنيف متعدد الفئات وغيرها من أفضل الأساليب الحالية بنسبة 6٪ حسب ما يقيسه استرجاع@k (Recall@k). كما نوضح أداء الطريقة المقترحة على محتوى تعليمي غير مرئي ولكنه ذو صلة مثل أهداف التعلم دون إعادة تدريب الشبكة.